编程猫实现机器人写毛笔效果，少儿编程课程源码及素材，附带视频地址：https://www.ixigua.com/6928805846096806400?utm_source=xiguastudio&wid_try=1
2025/3/4 0:04:09
586KB
tesseract-ocr安装包和中文语言包，Python实现图片识别，python3识别图片里的文字，python3识别图片里的文字
2025/3/4 0:45:55
34.99MB
使用蚁群算法进行智能避障，并且不断比较出路程，然后寻找出最短路径。
此代码有所优化。
使用蚁群算法进行智能避障，并且不断比较出路程，然后寻找出最短路径。
此代码有所优化。
此代码有所优化。
使用蚁群算法进行智能避障，并且不断比较出路程，然后寻找出最短路径。
此代码有所优化。
2025/3/3 11:10:28
3KB
本例使用tensorflow框架实现深度学习模型，包括CNN、RNN、GAN等，有源码和数据
2025/3/2 13:51:26
37.91MB
大数据时代的来临让我们体会到了信息高速带给我们的便捷，从大数据中提取我们需要的信息变成我们现在的迫切需求。
而神经网络作为大数据中经典算法之一，是我们有必要掌握的，而BP算法作为神经网络的初级算法，是我们学好其它神经网络算法的基础。
本代码经过测试，可以直接运行
而神经网络作为大数据中经典算法之一，是我们有必要掌握的，而BP算法作为神经网络的初级算法，是我们学好其它神经网络算法的基础。
本代码经过测试，可以直接运行
2025/3/2 13:31:49
5KB
为了提高风电功率的预测精度，研究了一种基于粒子滤波（ＰＦ）与径向基函数（ＲＢＦ）神经网络相结合的风电功率预测方法。
使用ＰＦ算法对历史风速数据进行滤波处理，将处理后的风速数据结合风向、温度的历史数据，归一化后构成风电功率预测模型的新的输入数据；
利用处理后的新的输入数据和输出数据，建立ＰＦ－ＲＢＦ神经网络预测模型，预测风电场的输出功率。
仿真结果表明，使用该预测模型进行风电功率预测，预测精度有一定的提高，连续１２０ｈ功率预测的平均绝对百分误差达到８．０４％，均方根误差达到１０．６７％
使用ＰＦ算法对历史风速数据进行滤波处理，将处理后的风速数据结合风向、温度的历史数据，归一化后构成风电功率预测模型的新的输入数据；
利用处理后的新的输入数据和输出数据，建立ＰＦ－ＲＢＦ神经网络预测模型，预测风电场的输出功率。
仿真结果表明，使用该预测模型进行风电功率预测，预测精度有一定的提高，连续１２０ｈ功率预测的平均绝对百分误差达到８．０４％，均方根误差达到１０．６７％
2025/3/2 11:19:56
327KB
手撸bp神经网络实现手写数字识别，仅使用numpy完成，适合深度学习入门玩家，60000个训练数据训练时间半分钟，测试集正确率96%+
2025/3/2 9:29:47
13.04MB
国内登陆github上下载pcl总是网速很慢，这里提供一个下载好的安装包，可以直接安装的那种
2025/3/2 7:25:43
466.82MB
包含4类原始图像。
需要改变路径，就能直接使用。
将图像数据和label转换成matlab直接使用的.mat文件。
需要改变路径，就能直接使用。
将图像数据和label转换成matlab直接使用的.mat文件。
2025/3/1 22:35:29
4.86MB