开发环境为quartus2，采用verilog语言，详细的写出了SVM决策函数，可根据自己的要求改变输入数据类型以及SVM训练model的参数，即可输出判断结果。
供大家参考学习。
供大家参考学习。
2023/7/20 0:57:16
12.3MB
1
inception_resnet_v2_2016_08_30预训练模型,imagenet
2023/7/19 12:51:10
209.43MB
1
本资源是基于树莓派的人脸识别门禁系统的源码，带有界面的系统，使用的是python2.7+OpenCV3.4.0+PyQt5进行开发，具有检测人脸、录入人脸、训练人脸和人脸识别开门的功能，具体可参见博客：https://blog.csdn.net/One_L_Star/article/details/99837868
2023/7/17 18:24:39
38KB
1
问题发现：本次案例为工作中遇到的实际问题，在语音识别中的语料准备部分，需要从网络中爬取相当数量的相关文本，其中发现爬取到了一些不相关的内容，如何把这些不相关的内容剔除掉成为笔者需要思考的问题。
初步思考：遇到此问题笔者第一时间考虑是将文本分词后向量化，使用聚类看一下分布情况，然而发现在不同训练集中，训练样本变化时，向量随之变化，在测试集中表现一般，在实测中几乎无用。
于是想到向量化的方法问题，使用sklearnCountVectorizer方法进行向量化，仅仅是将所有词频无序的向量化，看到另外博文时，发现应该先将目标主题的文本进行词频统计，将统计结果当做向量化模板，实测发现效果不错，现将此方法分享给大家
初步思考：遇到此问题笔者第一时间考虑是将文本分词后向量化，使用聚类看一下分布情况，然而发现在不同训练集中，训练样本变化时，向量随之变化，在测试集中表现一般，在实测中几乎无用。
于是想到向量化的方法问题，使用sklearnCountVectorizer方法进行向量化，仅仅是将所有词频无序的向量化，看到另外博文时，发现应该先将目标主题的文本进行词频统计，将统计结果当做向量化模板，实测发现效果不错，现将此方法分享给大家
2023/7/17 6:40:05
2.71MB
1
TheStreetViewHouseNumbers(SVHN)数据集，原数据为mat文件格式，已提取成图像，并将label标注出来，标注格式为coco，训练集测试集总共有10w张图片
2023/7/16 1:43:47
115B
1
深度信念网络，有代码，有实例，有数据。
用于深度网络预训练。
深度信念网络，有代码，有实例，有数据。
用于深度网络预训练。
用于深度网络预训练。
深度信念网络，有代码，有实例，有数据。
用于深度网络预训练。
2023/7/15 20:39:43
42.67MB
1
机器学习数据资源可用于朴素贝叶斯垃圾邮件过滤器中的一些训练文本数据集。
使用朴素贝叶斯解决一些现实生活的问题时，需要先从文本内容得到字符串列表，然后生成词向量。
其中朴素贝叶斯的一个最著名的应用：电子邮件垃圾过滤。
使用朴素贝叶斯解决一些现实生活的问题时，需要先从文本内容得到字符串列表，然后生成词向量。
其中朴素贝叶斯的一个最著名的应用：电子邮件垃圾过滤。
2023/7/15 10:08:12
15KB
1
最近的研究表明，稀疏表示（SR）可以很好地解决许多计算机视觉问题，并且其内核版本具有强大的分类能力。
在本文中，我们解决了协作SR在半监督图像注释中的应用，该方法可以增加标记图像的数量，以进一步用于训练图像分类器。
给定一组标记的（训练）图像和一组未标记的（测试）图像，通常的SR方法（我们称为正向SR）用于用几个标记的图像表示每个未标记的图像，然后根据这些标记的注释的注释。
但是，就我们所知，SR方法是在相反的方向上进行的，即我们称呼后向SR来用几个未标记图像表示每个标记图像，然后根据标记图像的注释对任何未标记图像进行注释，即未标记图像由后向SR选择表示，到目前为止尚未解决。
在本文中，我们探
在本文中，我们解决了协作SR在半监督图像注释中的应用，该方法可以增加标记图像的数量，以进一步用于训练图像分类器。
给定一组标记的（训练）图像和一组未标记的（测试）图像，通常的SR方法（我们称为正向SR）用于用几个标记的图像表示每个未标记的图像，然后根据这些标记的注释的注释。
但是，就我们所知，SR方法是在相反的方向上进行的，即我们称呼后向SR来用几个未标记图像表示每个标记图像，然后根据标记图像的注释对任何未标记图像进行注释，即未标记图像由后向SR选择表示，到目前为止尚未解决。
在本文中，我们探
2023/7/14 21:28:31
768KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB