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. 单片机应用技术选编（7）

  2. 内容简介 　　 《单片机应用技术选编》(7) 选编了1998年国内50种科技期刊中有关单片机开发应用的文 章共510篇，其中全文编入的有113篇，摘要编入的397篇。全书共分八章，即单片机综合 应用技术；智能仪表与测试技术；网络、通信与数据传输；可靠性与抗干扰技术；控制系统 与功率接口技术；电源技术；实用设计；文章摘要。 　　 本书具有重要实用价值，书中介绍的新技术、新器件以及单片机应用系统的软、硬件资 料有助于减少产品研制过程中的重复性劳动，提高单片机应用技术水平，是从事单片机应用 开发技

  3. 所属分类：硬件开发

    • 发布日期：2010-05-19
    • 文件大小：13631488
    • 提供者：zgraeae

  1. 梦缘网络

  2. 本站地址:http://www.myuan.cn 梦缘网络站长:磊磊 QQ:77654031 本站源码是原乔客内核,经过中青的美化以及本站添加的插件,优化了代码.使浏览速度加快!(注:在许多地方的网上上的中青网的源码虽然文件完整,但是打开速度极慢.本人试过在自己的机子上用了一个半小时才打开!最快用了半个小时.不是吹牛!~)首页调用我模仿了中青网的样式. 只为大家提供一个模版,要其他模版的到本站论坛里发贴提供.同时还向大家提供采集模版! 也可定制!加入社区(在线文苑,在线测试,天气查询,彩票中心

  3. 所属分类：网络基础

    • 发布日期：2006-02-23
    • 文件大小：17825792
    • 提供者：chenxh

  1. 安全半监督支持向量

  2. 一个针对使用半监督支持向量机进行分类时产生不足而提出的改进方案，能在MATLAB中很好运行

  3. 所属分类：其它

    • 发布日期：2014-07-03
    • 文件大小：9216
    • 提供者：u011433212

  1. 基于安全的半监督支持向量机

  2. 基于安全半监督支持向量机的分类，matlab实现代码。

  3. 所属分类：其它

    • 发布日期：2015-01-16
    • 文件大小：10240
    • 提供者：gaoguirong

  1. 基于半监督聚类的异常用户检测

  2. 基于半监督聚类的异常用户检测，段磊，王晶，随着用户的价值逐渐被重视，作为保护用户安全的重要技术之一，异常用户检测也越来越受到人们关注。但是异常用户因为其数据稀少，

  3. 所属分类：其它

    • 发布日期：2020-02-03
    • 文件大小：429056
    • 提供者：weixin_38652870

  1. 利德 LD-DFK (傻瓜)型射频电容物位开关 产品介绍.pdf

  2. 利德 LD-DFK (傻瓜)型射频电容物位开关 产品介绍pdf,利德 LD-DFK (傻瓜)型射频电容物位开关 产品介绍选型举例 例1:使用要求:介质常温、常压;R1安装;电源AC220V;探极长1米 对应型号:LD·DK·P·B-·A·1000 例2:使用要求:介质温度≤150℃;介质压力≤3NPa;隔爆:法兰安装;DC24N;探极长80〔mm。 对应型号:LDDK-EYG-C-D-800 选型注意事项 本物位开关的探极长度可棖据现场需要冼冇150~25αomm之间,为棒式探极,超过此长度可用

  3. 所属分类：其它

    • 发布日期：2019-10-20
    • 文件大小：43008
    • 提供者：weixin_38743481

  1. 基于万有引力的煤层底板突水预测算法

  2. 传统的基于机器学习的煤层突水预测方法需要大量的训练样本进行预测模型的训练。而在矿井突水问题中,大量训练样本的获得基本上是不可能的。主要研究在突水样本数据有限的情况下提高煤层突水预测结果的准确性。结合山西省某煤矿的实际情况,提出了一种新颖的基于万有引力的煤层底板突水预测方法(Gravitational force based algorithm,GFA)。该算法采用半监督的学习方式,将万有引力公式引入到预测模型中,利用少量的突水训练样本作为引力的源点吸引测试样本进行突水安全状态的传递,进而实现突水

  3. 所属分类：其它

    • 发布日期：2020-06-02
    • 文件大小：322560
    • 提供者：weixin_38516270

  1. 基于Arisk学位的安全半监督学习算法

  2. 基于Arisk学位的安全半监督学习算法

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：1048576
    • 提供者：weixin_38720009

  1. 致使无标签数据永不受伤

  2. 通常期望通过利用未标记的数据可以提高学习性能，尤其是在标记的数据数量有限的情况下。 但是，据报道，在某些情况下，现有的半监督学习方法的效果甚至比仅使用标记数据的监督学习方法还要差。 因此，希望开发出安全的半监督学习方法，当使用未标记的数据时，这种方法不会显着降低学习性能。 本文着重于提高半监督支持向量机（S3VM）的安全性。 首先，提出了S3VM-us方法。 它采用了保守的策略，并且仅使用未标记的实例，这些实例很有可能会有所帮助，同时避免使用高风险的实例。 这种方法可以提高安全性，但是使用未标记

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：655360
    • 提供者：weixin_38683562