您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. The Art of Assembly Language

  2. 英文版 以下是我从网上所的相关介绍 内容简介 本书以X86系列微机为背景,从简单的Hello程序开始,系统而详细地阐述了X86微机汇编语言编程的行种基础知识和编程技巧,内容涉及到数据表示、存储器管理、各种数据类型、过程、与汇编语言相关的体系结构、控制结构、文件、宏指令、位处理指令、字符串指令、MMX指令、类和对象,以及混合语言编程等,尤其是在高级汇编语言(HLA)方面,该书给予了细致深入的讲解。对于有意学习X86汇编语言编程的程序员来说,这是一本难得的好书。 本书的作者Randall Hyde
  3. 所属分类:硬件开发

    • 发布日期:2009-07-30
    • 文件大小:3145728
    • 提供者:freewind_wei
  1. JAVA基础课程讲义

  2. 目 录 第一章 JAVA入门 10 计算机语言发展史 10 机器语言 10 汇编语言 10 高级语言 10 其他高级语言 11 JAVA发展简史 12 JAVA为什么能够流行? 13 JAVA各版本的含义 13 JAVA技术体系架构 14 JAVA的特性和优势 14 JAVA应用程序的运行机制 15 JVM(JAVA VIRTUAL MACHINE) 16 Java运行时环境JRE(Java Runtime Environment) 17 JAVA语言应用范围 18 第一个JAVA程序 18
  3. 所属分类:Java

    • 发布日期:2017-08-30
    • 文件大小:2097152
    • 提供者:hr2013125118
  1. 基于快速密度聚类的电力通信网节点重要性评估.pdf

  2. 电力通信网的节点重要性评估是电力通信研究的一个重要议题。针对目前电力通信网节点重要性评估存在 的连接权值单一以及评价指标单一等问题,利用电力通信网的带宽和距离作为权值,计算电力通信网节点的多种 评价指标:节点强度、节点紧密度以及节点的介数。基于电力通信网节点的多种评价指标,利用快速密度聚类方 法建立电力通信网的节点重要性评估模型,为电网通信的规划做支撑。通过快速密度聚类方法进行无监督的分类, 将节点分为若干个重要性等级。该方法可以有效地改善基于距离的无监督分类方法的不足。利用某省的实际电
  3. 所属分类:其它

    • 发布日期:2019-09-13
    • 文件大小:403456
    • 提供者:weixin_38743481
  1. 菊安酱的机器学习第1期-k-近邻算法(直播).pdf

  2. k-近邻算法的课件。来自于菊安酱的机器学习实战12期的免费教程。内涵python源码。菊安酱的直播间: 我们已经知道k近邻算法的工作原理,根据特征比较,然后提取样本集中特征最相似数据(最近邻)的分类标签。 那么如何进行比较呢?比如表1中新出的电影,我们该如何判断他所属的电影类别呢?如图2所示。 电影分类 120 爱情片(1,101) 爱情片(12,97) 80 爱情片(5,89) 水弊 60 ?(24,67) 动作片(112,9 20 动作片(1158) 动作片(108,5) 0 20 60 8
  3. 所属分类:讲义

    • 发布日期:2019-07-27
    • 文件大小:867328
    • 提供者:qiu1440528444
  1. 机器学习之数据归一化

  2. 目录: 一、介绍 二、最值归一化 1.计算公式 2.Python实战 三、均值方差归一化 1.计算公式 2.Python实战 四、归一化要点 五、使用scikit-learn进行数据归一化 一、介绍 为什么需要进行数据归一化? 举个简单的例子,样本1以[1, 200]输入到模型中去的时候,由于200可能会直接忽略到1的存在。此时样本间的距离由时间所主导。 此时,如果将天数转换为占比1年的比例,200/365=0.5479, 100/365=0.2740。但也导致样本间的距离又被肿瘤大小所主导
  3. 所属分类:其它

    • 发布日期:2020-12-22
    • 文件大小:108544
    • 提供者:weixin_38605604
  1. Tensorflow学习实战之多变量预测

  2. Tensorflow学习实战之多变量预测载入数据归一化处理建立模型初始化训练并显示结果结果预测 用的不是波士顿的数据,8700+的数据,进行的训练,相关性不强,而且线性不明显,得出的效果不好 要进行打乱数据,使用Shuttle,打乱顺序的原因呢,就跟人一样,你按顺序来,可能是按照某种规律,你可能会规律的去计算下一值,防止机器跟人一样找到规律,所以每一次要打乱一下。 载入数据 import tensorflow as tf import matplotlib.pyplot as plt impor
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:111616
    • 提供者:weixin_38593380
  1. 机器学习入门之无监督学习(四)

  2. 引言 本文主要介绍深度自动编码器(Deep Auto encoder),做的事情还是降维,不过降维的时候是使用神经网络。 自动编码器 把很多隐藏层的神经网络当成编码器,输入一个图像后能得到一个编码。比如传入784维的手写数字,得到的编码通常会小于784维。 现在问题是我们如何得到这样一个编码器呢。要训练这个编码器我们需要同时训练一个解码器,能更加编码解码成原来的784维图像数据。 这件事情其实和PCA很像。 PCA做的事情是输入一个经过归一化的向量xxx然后乘上一个矩阵WWW得到一组编码c
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:2097152
    • 提供者:weixin_38506798
  1. 学习:数据是石油的未来,挖掘数据的潜在价值非常有意义。 这个图书馆记录了我的机器学习之路-源码

  2. 深度学习演示 奇妙清单 1. 2.(感谢北京大学张志华团队的翻译工作,中文版点击) 一,记录深度学习例子: 名称 目录 咖啡 TensorFlow 茶野 凯拉斯 二,记录历程点滴: 掌握机器学习相关的概念和计算公式,包括有/无/半监督学习,强化学习,分类/回归/标注,聚类;训练集/验证集,交叉验证,测试集;数据预处理,正则化,归一化;损失函数,经验风险最小化,结构风险最小化,最优化算法;训练误差,泛化误差,欠拟合,过拟合;准确率,召回率,F1值,ROC和AUC; 掌握机器学习主流的模型及其
  3. 所属分类:其它

    • 发布日期:2021-02-06
    • 文件大小:55574528
    • 提供者:weixin_42131633