注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. lr语法分析源码

  2. 编译原理上的lr语法分析源码。

  3. 所属分类：专业指导

    • 发布日期：2008-05-28
    • 文件大小：203776
    • 提供者：gt4023

  1. net 经典LR-BPMS-BS权限管理源码

  2. .net权限管理源码，可以参考看看。该代码仅供学习使用。.net权限管理源码，可以参考看看。该代码仅供学习使用。

  3. 所属分类：C#

    • 发布日期：2017-09-20
    • 文件大小：53477376
    • 提供者：txmdehao

  1. deeptoys-源码

  2. 深度玩具 DeepToys不是深度学习的从头开始的框架。它尽可能使用高质量和成熟的开源代码，以帮助您一站式解决深度学习的培训和部署。它抽象出经常在不同任务中重复编写的管道代码，以帮助您减少重复的工作。为了进行训练，我们使用 。 DeepToys非常重视部署，重点是嵌入式设备。为了进行简单部署，我们只封装了一个基于的类。 功能和待办事项 现在支持标记的，其余的将在将来支持 通过管道使用gpu或cpu进行培训/测试/部署 支持从头开始并进行微调训练（仅使用经过训练的权重）和恢复（使用经过训练的权重和

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：32505856
    • 提供者：weixin_42171132

  1. ProjectTalos:使用Talos自动机使您的ML想法成为现实-源码

  2. 关于ProjectTalos ProjectTalos是一个开放源代码的机器学习库，目前仍处于早期阶段。 项目名称的灵感来自希腊神话中名为Talos的自动机。 源代码和文档都是公开的，不胜感激。 目录 安装 pip install projecttalos 用法示例 让我们从导入必要的功能开始 下一步是将图像转换为numpy数组，并使用ImagePreprocessing（）对其进行标记（出于计算能力的考虑，我们正在使用非常小的数据集：D） 最后一步是使用必要的参数初始化NeuralN

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：149504
    • 提供者：weixin_42129005

  1. LOB:中国市场限价订单基准数据集-源码

  2. 高球 中国市场限价订单基准数据集 FinAI实验室 香港高等研究院 目录 介绍 该存储库包含论文描述的和。 在建议的基准数据集上测试了五个基线模型，包括线性回归（LR），多层感知器（MLP），卷积神经网络（CNN），长期短期记忆（LSTM）和CNN-LSTM。 笔记 所有算法均基于深度学习框架。 我们的PyTorch版本是1.7.0。 如果您使用的是较低版本，请相应地修改代码。 抽象的 限价单（LOB）已生成“大财务数据”，供学术界和行业从业者进行分析和预测。 本文提供了一个中国股票市场的基

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：774144
    • 提供者：weixin_42143092

  1. eat-offer:以问题为主，专注于面经（主要是推荐系统，机器学习，并行计算，逐步）-源码

  2. 美食优惠个人笔记+面经专注于数据科学（推荐系统，机器学习，并行计算，预期） 所有面经都在持续，迭代更新中... 面经Mysql 01基础架构 02日志系统 03事务隔离 面经并发 01线程 02管程 03内存 04无锁 05不可变 06工具 螺纹池 联合会 面试题 面经推荐算法 主要参考王喆大佬的《深度学习推荐系统》，非常推荐 内容 完成度 评估指标 ★★☆☆☆ Algotithm-逻辑回归和线性回归 ★★☆☆☆ 算法 ★★☆☆☆ Algotithm-GBDT + LR

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：56623104
    • 提供者：weixin_42165712

  1. recommend-sys:主要记录推荐系统学习的过程-源码

  2. 主要记录推荐系统学习的过程，包含相关的论文和代码。 1.点击率预测 GBDT + LR 论文： 本文发表于2014年，基于传统人工特征工程的思想，此处提出通过GBDT对特征进行组合，生成组合特征喂给LR分类模型，通过机器学习特征，提高模型的准确率。同时，还提出了不同模型不同更新周期的思想。最终，这里还提出了一些工程化的优化方法，某些在线学习方法，使用数据联接器，基于分布式架构将印象记录和单击记录进行联接。对于CTR预测场景正负样本不均衡的问题，使用了降采样的方法，包括uniform subsam

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：775168
    • 提供者：weixin_42139252

  1. Recommender-Systems-Samples:RecSys和DeepLearnig，RecSys和ReinForcement学习以及传统RecSys的代码存储库-源码

  2. RecSys和深度学习 注意力 AFM ---------------------/ DIN ---------------------/ DNN FNN ---------------------/ NCF ---------------------/ NFM ---------------------/ PNN ---------------------/ RecSys传统 决策树 LR + GBDT ---------------------/ 中频 SVD ----------

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：69206016
    • 提供者：weixin_42131890

  1. LR-源码

  2. 乳腺癌检测，分割和分类的文献综述 :open_book: 目录 目录 :open_book: 数据集 图像类型 问题 评估方法 表现 未来的工作 MIAS和DDMS 乳腺摄影 监督学习 10倍交叉验证 精度：93.35％灵敏度：93％ 乳腺摄影 :memo: 抽象的 本文通过结合使用深度卷积神经网络（CNN）和支持向量机（SVM）提出了一个框架。 提出的方法首先执行预处理以调整图像的大小，以使其适合于CNN，并且可以增强图像的增强质量。 深度卷积神经网络（CNN）已用于通过支持向量机（

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：140288
    • 提供者：weixin_42133415

  1. deconv_paragraph_representation-源码

  2. 反卷积段落表示学习 张艺哲，沉定汉，王国印，甘哲，里卡多·贺瑙和劳伦斯·卡林，NIPS 2017论文“反卷积段落表示学习”中模型的实现 先决条件： 库达（CUDA） Tensorflow（版本> 1.0）。 我们使用了tensorflow 1.2。 运行： pip install -r requirements.txt以安装需求 跑 运行： python demo.py用于重建任务 运行： python char_correction.py用于字符级校正任务 运行： python se

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：646144
    • 提供者：weixin_42101641

  1. 代码说明-源码

  2. 代码说明 项目中复现了一些经典的机器学习算法，并通过简单的任务展示了算法或模型的效果。在一些算法或模型的复现的过程中，一些模型的对比总结，公式推导，数学原理也存在主要工具：pycharm，jupyter笔记本，pytorch。以下是项目的目录，项目持续更新中... 1. Logistic回归（LR） LR逻辑回归的复现 Logistic Regression Summery总结了逻辑回归，线性回归的数学原理公式推导，比较了两种方法的异同和特点，介绍了方法边界，代价函数，优化方法和正则项的约会。

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：173015040
    • 提供者：weixin_42153615

  1. mlflow-sklearn分类-源码

  2. 用于XGBoost和Scikit学习模型的MLFlow模型 该回购包含用于通过MLFlow训练和提供以下三个分类模型的代码，这些模型针对相同的数据进行训练。 然后，将经过训练的模型保存在它们各自的实验位置下，可以通过MLFlow GUI对其进行查看。 管理员可以选择一个或多个他们要用作推论的模型。 随机森林（RF） XGBoost（XGB） 逻辑回归（LR） 在本地计算机上运行此步骤的步骤（在Ubuntu 18.04上进行了测试） 在本地计算机上运行此步骤的步骤如下： 设置 将此仓库克隆

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：1048576
    • 提供者：weixin_42117485

  1. 钞票认证分类：关于真实和伪造钞票分类的机器学习项目-源码

  2. 真假钞票分类 关于数据集： 该数据库包含5个属性，共有1372个实例。 任务是将笔记分类为真实还是假，0为假，1为真实。 使用的算法： 逻辑回归 线性判别分析 K邻居分类器 决策树分类器 高斯朴素贝叶斯 支持向量机 准确性结果： LR 0.991793（0.006367） LDA 0.976264（0.013118） KNN 1.000000（0.000000） 购物车0.980826（0.016641） NB 0.841318（0.049469） SVM 0.995438（0

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：22528
    • 提供者：weixin_42176827

  1. 建筑_AI-源码

  2. 建筑_AI 建立AI的主题 AI入门（为什么重要，优化，爬山） 处理不确定性（概率，贝叶斯规则，朴素贝叶斯分类器） 机器学习（线性回归，最近邻，使用文本，过度拟合） 神经网络（逻辑回归（LR），从LR到NN，深度学习） 结论（您的AI想法）

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：16384
    • 提供者：weixin_42099530

  1. 面部图像用于情感分类：面部图像用于情感分类-源码

  2. 情感图像分类 建立CNN并将转移学习应用于新的分类问题。 这是一个私有的kaggle数据集，数据集链接位于： ://drive.google.com/drive/folders/1HtQkw7FiK9BT881teXnGj5_piibBMHdW?usp=sharin。 该数据集包含约28000张图像。 每个示例都是48x48灰度图像，与来自7个情感或类的标签（如生气，高兴等）相关联 完成了将数据整形为48 * 48并将图像的大小调整（裁剪）为32 * 32的预处理步骤。 我将旋转用于数据扩充的

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：4096
    • 提供者：weixin_42135753

  1. KGE：与KGE相关-源码

  2. 基于注意力的学习嵌入在知识图中的关系预测 我们的论文的源代码：此出版物的博客 。 要求 请从上面的链接下载miniconda并使用以下命令创建环境： conda env create -f pytorch35.yml 在执行程序之前，请先激活环境，如下所示： source activate pytorch35 数据集 我们使用了五个不同的数据集来评估我们的模型。 下面列出了所有数据集及其文件夹名称。 Freebase：FB15k-237 词网：WN18RR 内尔：NEL

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：754688
    • 提供者：weixin_42143806

  1. REFFO：一个慢慢成长的学习笔记-源码

  2. REFFO 一个三流程序员路任葭慢慢成长的学习笔记 2019.4.7 ps好像在线预览显示不全，字丑自娱自乐使用本repo :beaming_face_with_smiling_eyes: 1）手推公式部分：从LR-> SVM，从GBDT-> XGBOOST 2）梯度下降梳理：BGD-> SGD-> MBGD 3）牛顿法的应用（求根，求最优化方法）-> Hessian矩阵矩阵小结 2019.4.8 2019.4.9 包含朴素贝叶斯，决策树，随机森林，提升，

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：8388608
    • 提供者：weixin_42162171

  1. CMU机器学习：CMU机器学习课程的提交代码-源码

  2. 10601_代码 这些是为卡耐基梅隆大学2020年Spring机器学习课程生成的代码。整个代码是通过numpy库完成的，并且在任何地方都不会使用scikitlearn / keras / pytorch。 所有模型都是从头开始构建的。 以下是使用的代码： 决策树桩算法：Decisionstump.py 决策树算法：用于计算Gini增益的inspection.py和用于具有二进制属性的实际决策树回归的Decisiontree.py Logistic回归：feature.py用于生成逻辑回归的

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：11264
    • 提供者：weixin_42112685

  1. 深度学习模型：经过训练的模型可以确定公司的未来决策-源码

  2. 深度学习模型 经过训练的模型可以确定公司的未来决策 您为神经网络模型选择了多少个神经元和层？ 对于这个项目，我利用了10个输入层，每个输入层都具有ReLu功能以及总共768个节点。 sigmond函数用于输出。 您是否能够实现目标模型性能？ 不，我无法达到高于或等于75％准确度的目标性能，但非常接近72％。 您采取了哪些步骤来尝试提高模型性能？ 利用500个时代，增加了层数，使每隔一层的节点数增加了一倍。 在编译过程中，添加了lr为0.0005的编译器代码，从而使模型可以采取一些有目的的

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：680960
    • 提供者：weixin_42129005

  1. 学习LR-源码

  2. 学习LR

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：3145728
    • 提供者：weixin_42099906
« 12 3 »