halcon17.12progress深度学习训练和预测手写数字的代码（HDevelop），包含Mnist数据集，供学习研究。
注：需要64位系统，支持cuda8以上的显卡
注：需要64位系统，支持cuda8以上的显卡
2025/11/13 5:11:15
61.31MB
1
逻辑回归一般只能解决二分问题，但是进行扩展之后可以解决多线性分类问题。
这是一个完整的Softmaxregression解决多线性分类的源代码，python3编码，可直接运行，有输入数据和预测数据的可视化编程。
还训练部分和测试部分的源代码进行了封装，可直接运行。
这是一个完整的Softmaxregression解决多线性分类的源代码，python3编码，可直接运行，有输入数据和预测数据的可视化编程。
还训练部分和测试部分的源代码进行了封装，可直接运行。
2025/11/7 10:30:38
16KB
1
神经网络故障诊断和数据预测的matlab程序；
故障诊断运用的是BP神经网络，数据预测运用的是RBF神经网络，已经程序测试，成功运用
故障诊断运用的是BP神经网络，数据预测运用的是RBF神经网络，已经程序测试，成功运用
2025/11/1 22:39:49
1022B
1
分子识别特征（MoRF）是内在无序蛋白（IDP）的关键功能区域，它们在细胞的分子相互作用网络中起重要作用，并与许多严重的人类疾病有关。
鉴定MoRF对于IDP的功能研究和药物设计都是必不可少的。
本研究采用人工智能的前沿机器学习方法，为改进MoRFs预测开发了强大的模型。
我们提出了一种名为enDCNNMoRF（基于集成深度卷积神经网络的MoRF预测器）的方法。
它结合了利用不同特征的两个独立的深度卷积神经网络（DCNN）分类器的结果。
首先，DCNNMoRF1使用位置特定评分矩阵（PSSM）和22种氨基酸相关因子来描述蛋白质序列。
第二种是DCNNMoRF2，它使用PSSM和13种氨基酸索引来描述蛋白质序列。
对于两个单一分类器，都采用了具有新颖的二维注意机制的DCNN，并添加了平均策略以进一步处理每个DCNN模型的输出概率。
最后，enDCNNMoRF通过对两个模型的最终得分进行平均来组合这两个模型。
当与应用于相同数据集的其他知名工具进行比较时，新提出的方法的准确性可与最新方法相媲美。
可以通过http://vivace.bi.a.utokyo.ac.jp:8008/fang
鉴定MoRF对于IDP的功能研究和药物设计都是必不可少的。
本研究采用人工智能的前沿机器学习方法，为改进MoRFs预测开发了强大的模型。
我们提出了一种名为enDCNNMoRF（基于集成深度卷积神经网络的MoRF预测器）的方法。
它结合了利用不同特征的两个独立的深度卷积神经网络（DCNN）分类器的结果。
首先，DCNNMoRF1使用位置特定评分矩阵（PSSM）和22种氨基酸相关因子来描述蛋白质序列。
第二种是DCNNMoRF2，它使用PSSM和13种氨基酸索引来描述蛋白质序列。
对于两个单一分类器，都采用了具有新颖的二维注意机制的DCNN，并添加了平均策略以进一步处理每个DCNN模型的输出概率。
最后，enDCNNMoRF通过对两个模型的最终得分进行平均来组合这两个模型。
当与应用于相同数据集的其他知名工具进行比较时，新提出的方法的准确性可与最新方法相媲美。
可以通过http://vivace.bi.a.utokyo.ac.jp:8008/fang
2025/10/29 10:38:37
1.56MB
1
水环境预测软件，水质预测模型，包含河流、湖库的一维水质模型、二维水质模型。
内置各种模型公式和解释。
针对环境影响评价、环评预测、饮用水水源保护区划分预测具有很好的帮助。
内置各种模型公式和解释。
针对环境影响评价、环评预测、饮用水水源保护区划分预测具有很好的帮助。
2025/10/29 0:26:20
7.25MB
1
BP神经网络关于空气污染物含量预测，用MATLAB来实现的。
使用MATLAB编程计算:clo,clear,closea11lond('p.mat')%加载数输出变量load('T.mat')》加载数据当创建一个BP神经网络，每个输入向量的取值范围为10,11,隐含层有7个神经元，输出层有一个3神经元，隐含层的激活函数为tansig,输出层的激活函数为purelin,训练函数为trainc函数
使用MATLAB编程计算:clo,clear,closea11lond('p.mat')%加载数输出变量load('T.mat')》加载数据当创建一个BP神经网络，每个输入向量的取值范围为10,11,隐含层有7个神经元，输出层有一个3神经元，隐含层的激活函数为tansig,输出层的激活函数为purelin,训练函数为trainc函数
2025/10/28 18:30:29
12KB
1
Macintosh之父JefRaskin经典之作！chm版本JefRaskin是一名用户界面和系统设计的顾问，其咨询客户包括惠普、IBM、Motorola、NCR、Xerox、Ricoh、Canon、Mckesson和AT&T等公司。
JefRaskin的文章发表在Wired、Quantum、IEEEComputer和CommunicationsofAcm等40多种期刊上。
他因发明了Apple公司的Macintosh和Canon公司的Cat而声名远扬，被誉为“Macintosh之父”。
如果我们想克服目前人机界面上的固有缺陷，就很有必要理解本书的教义；
若无此愿望，读读也无妨。
交互设计的许多重要方面此书并没有包括在内，因为许多文献中都已经有详尽的阐述。
本书的意图是补充现有的界面设计的方法或预测未来。
本书概述了人机界面设计领域的研究成果，详细论证了界面设计思想应以认知学为基础，并考虑人类的心智特点，在指出当前界面设计中弊端的同时，提出了新产品开发的思路。
本书集计算机科学、人体工程学、心理学多种学科的内容于一身，是界面开发人员及相关研究者不可不读的一本好书。
在本书中，我们可以看到“以人为本”已经不只是一种人机关系的理想，而是可以体现在界面以及相关软硬件技术上的具体设计原则和实现方法了
JefRaskin的文章发表在Wired、Quantum、IEEEComputer和CommunicationsofAcm等40多种期刊上。
他因发明了Apple公司的Macintosh和Canon公司的Cat而声名远扬，被誉为“Macintosh之父”。
如果我们想克服目前人机界面上的固有缺陷，就很有必要理解本书的教义；
若无此愿望，读读也无妨。
交互设计的许多重要方面此书并没有包括在内，因为许多文献中都已经有详尽的阐述。
本书的意图是补充现有的界面设计的方法或预测未来。
本书概述了人机界面设计领域的研究成果，详细论证了界面设计思想应以认知学为基础，并考虑人类的心智特点，在指出当前界面设计中弊端的同时，提出了新产品开发的思路。
本书集计算机科学、人体工程学、心理学多种学科的内容于一身，是界面开发人员及相关研究者不可不读的一本好书。
在本书中，我们可以看到“以人为本”已经不只是一种人机关系的理想，而是可以体现在界面以及相关软硬件技术上的具体设计原则和实现方法了
2025/10/27 20:49:48
1.43MB
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