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. 感知机学习算法训练分类器解决井字问题

  2. 用matlab实现了机器学习中的感知机学习算法（perceptron algorithm），利用前500个样本值训练分类器，用剩余样本做测试。

  3. 所属分类：其它

    • 发布日期：2012-11-08
    • 文件大小：4096
    • 提供者：masikkk

  1. 目标检测 机器学习方法 静态场景 测试车辆检测

  2. 利用机器学习方法（分类）实现静态场景下的测试车辆检测  利用C语言或者Open_CV库，或者是MATLAB软件编写实现静态场景下的测视车辆检测。需使用机器学习方法。代码可以通过一个主函数直接运行出实验结果。  Data文件夹中包含train_34x94（训练集）和test（测试集）两个文件夹。其中，train_34x94文件夹中的数据用于训练模型，包含pos文件夹（内有550个正例样本）和neg文件夹（内有500个负例样本）； Test文件夹中的数据用于测试。  在Test测试集中的总体

  3. 所属分类：讲义

    • 发布日期：2017-02-14
    • 文件大小：9437184
    • 提供者：u012863603

  1. 给数学迷的500个挑战性问题

  2. 给数学迷的500个挑战性问题给出了500个有趣的数学问题

  3. 所属分类：讲义

    • 发布日期：2018-04-25
    • 文件大小：4194304
    • 提供者：qq_42061051

  1. Python→Transorflow猫狗识别完整代码，附送500步训练模型。人工智能入门首选

  2. 最好联系书本学习，input是输入文件，evaluateCatorDog是主文件，traning是训练文件，model模型文件

  3. 所属分类：深度学习

    • 发布日期：2018-06-21
    • 文件大小：8192
    • 提供者：xm961217

  1. github500个机器学习深度学习知识

  2. github上500个机器学习深度学习知识

  3. 所属分类：机器学习

    • 发布日期：2018-12-27
    • 文件大小：22020096
    • 提供者：yuwenjie2016

  1. 机器学习算法工程师校招面试题库.pdf

  2. 机器学习算法工程师校招面试题库 涵盖数学基础、机器学习算法、深度学习、自然语言处理、计算机基础项目等。ξ NOWCODER. COM 牛客网一一互联网学习求职必备神器 名企校招历年笔试面试真题,尽在牛客网 可能就问的项日多一些,或者你说哪里精通可能面试官就多去问你这些。而且此图是根据题 库数据整理出来,并不是根据实际单场面试整理,比如基础部分不会考那么多,会从中抽着 考 但是面试中必考的点且占比非常大的有机器学习算法,机器学习和算法。 决定你是否能拿 sp offer(高薪ofer)以及是否

  3. 所属分类：机器学习

    • 发布日期：2019-07-15
    • 文件大小：4194304
    • 提供者：yangyang3401

  1. 手写数据集用于训练神经网络或者机器学习

  2. 可用于深度学习、神经网络的手写数字识别的数据集，一共5000张，经过分类，从0到9各500张。普遍用于训练中，有需要可取。

  3. 所属分类：互联网

    • 发布日期：2020-07-18
    • 文件大小：5242880
    • 提供者：hhyys

  1. 机器学习500问()

  2. 通过问答的形式对常用的概率知识、线性代数、机器学习、深度学习、计算机视觉等热点问题进行阐述，以帮助自己及有需要的读者 227计算图的导数计算图解?37 228线性判别分析(LDA)思想总结

  3. 所属分类：深度学习

    • 发布日期：2020-10-04
    • 文件大小：22020096
    • 提供者：qq_30121457

  1. (五)OpenCV图像分割_03_GMM(高斯混合模型)数据分类_机器学习

  2. 数据聚类 图像分类 高斯混合模型(GMM) 高斯分布与概率密度分布(PDF) 初始化 跟K-Means相比较，属于软分类(随机概率) 实现方法:期望最大化(E-M) 停止条件:收敛 样本数据训练与预言 #include #include using namespace std; using namespace cv; using namespace cv::ml; int main(int argc, char** argv) { Mat src(500, 500, CV_8UC3); R

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：86016
    • 提供者：weixin_38640984

  1. Learn-Data-Science-For-Free:该存储库是散布在整个Internet上的不同资源的组合。 制作这样的存储库的原因是要按顺序合并所有有价值的资源，以便它为寻求免费和结构化数据科学学习资源的每个初学者提供帮助。 有关持续

  2. 此存储库包含一个人从头到尾学习数据科学所需的免费资源。 该存储库分为四个主要部分。 他们是 第1部分：-[路线图] 第2部分：-[免费在线课程] 第3部分：[500个数据科学项目] 第4部分：-[100多种免费机器学习书籍] 该存储库是散布在整个Internet上的不同资源的组合。 制作这样的存储库的原因是要按顺序合并所有有价值的资源，以便它为寻求Datascience的免费和结构化学习资源的每个初学者提供帮助。 我希望它能帮助许多负担不起学费的人。 该存储库应根据新的免费资源的可用性不

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：58368
    • 提供者：weixin_42138788

  1. 使用AI查找健康社区设计准则：使用机器学习对CDC的健康数据和OpenStreetMap的POI数据进行分析，以找到健康社区的设计标准-源码

  2. 用AI查找健康的社区设计标准 通过机器学习对CDC的健康数据和OpenStreetMap的POI数据进行分析，以找到健康社区的设计标准。 主要思想是获取不同类别的POI数据的数量，并将它们与CDC的运行状况评估数据进行空间合并。 该项目的第一步是功能选择。 我们已经测试了52种功能，这些条件来自食品，健康，交通，社区，休闲，旅游，建筑和加利福尼亚地区的自然环境。 运行PCA之后，我们发现其中的12个功能对版本的影响更大。 第二步是使用所选特征和健康数据进行回归。 使用各种回归模型，我们可以

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：152576
    • 提供者：weixin_42099116

  1. Machine-Learning-Poker-Hands：使用机器学习来了解如何在低赌注条件下成功，这将使扑克大为抬头-源码

  2. 机器学习扑克手 使用机器学习来了解如何在低赌注情况下获得成功，从而使扑克变得单调 第1部分-数据采集和争用我从888poker.com购买了500,000手平视扑克。 这些都是低赌注的游戏，不幸的是它们是文本文件。 我使用循环和字符串函数将所有有用的信息（如玩家的动作，牌，筹码量和棋盘）提取到Pandas数据框中。

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：64512
    • 提供者：weixin_42134143

  1. 离子开关：在这场Kaggle竞赛中，我们将基于电生理信号数据预测存在的明渠数量。 数据来自50秒钟长的10 kHz采样的离散批次（每批次500,000行）。 换句话说，0.0001-50.0000的数据与50.0001-100.0000的数

  2. 离子转换 包括癌症在内的许多疾病被认为具有共同的促成因素。 离子通道是动植物中存在的成Kong蛋白。 它们编码学习和记忆，帮助抵抗感染，产生疼痛信号并刺激肌肉收缩。 如果科学家们能够更好地研究离子通道，而这可以借助机器学习来实现，那么它将产生深远的影响。 当离子通道打开时，它们会通过电流。 检测这些状态变化的现有方法缓慢且费力。 人类必须监督分析，这不仅会带来乏味，而且会带来很大的偏见。 这些困难限制了可用于研究的离子通道电流分析的数量。 科学家希望该技术能够快速自动检测原始数据中的离子通道电

  3. 所属分类：其它

    • 发布日期：2021-02-19
    • 文件大小：47185920
    • 提供者：weixin_42119989

  1. 神经网络机器学习：不同数据集的神经网络和机器学习（以对象为中心的图像识别）1. CIFAR 10 2. CIFAR 100 3. Caltech 101 4. Caltech 256-源码

  2. 神经网络机器学习 不同数据集的神经网络和机器学习（以对象为中心的图像识别）1. CIFAR 10 2. CIFAR 100 3. Caltech 101 4. Caltech 256 1项目说明 根据分配给该班级的项目，我选择使用提供的四个数据集。 他们是 CIFAR 10 CIFAR 100 加州理工学院101 加州理工学院256 2数据说明 2.1 CIFAR 10和CIFAR 100 CIFAR-10数据集[3]由10个类别的60000个32x32彩色图像组成，每个类别6000个图

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：649216
    • 提供者：weixin_42136826

  1. 500-AI-机器学习-深度学习-计算机视觉-NLP-项目与代码：500 AI机器学习深度学习计算机视觉NLP项目与代码-源码

  2. 500-AI-机器学习-深度学习-计算机视觉-NLP-项目与代码：500 AI机器学习深度学习计算机视觉NLP项目与代码

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：2786
    • 提供者：weixin_42138545

  1. Python实用机器学习：利用广受欢迎的Python机器学习生态系统，掌握识别和解决机器学习和深度学习中的复杂现实问题所需的基本技能-源码

  2. 使用Python进行实用机器学习 构建现实世界智能系统的问题解决者指南 如今，随着人们对大数据和机器学习以及人工智能和深度学习的浓厚兴趣， “数据是新的石油”是您必须已经听到的一句话。 除此之外，数据科学家被称为“ 21世纪最性感的工作” ，这使得在这些领域建立一些有价值的专业知识变得更加值得。 现实世界中机器学习的入门可能会给网络上的大量资源带来压力。 遵循结构化且全面的三层方法，其中包含概念，方法，动手示例和代码。 本书包含超过500页的有用信息，可帮助读者通过遵循数据驱动的思维方式来掌握

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：126877696
    • 提供者：weixin_42128558

  1. movie-recommender-demo：该项目逐步介绍了如何使用Apache Spark机器学习创建推荐。 您可以在IBM Data Science Experience上运行许多jupyter笔记本，并且可以与电影推荐Web应用程序

  2. 总览 该项目介绍了如何使用Apache Spark机器学习创建建议。 您可以在IBM Data Science Experience上运行许多jupyter笔记本，并且可以与电影推荐Web应用程序进行实时演示。 该演示还使用IBM Message Hub（kafka）将应用程序事件推送到主题，在IBM BigInsights（hadoop）上运行的Spark Streaming作业将其消费。 快速开始 如果您想尝试该Web应用程序的实时演示，请访问。 这也是的概述视频。 该项目是演示电影推荐器

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：7340032
    • 提供者：weixin_42140716

  1. 顶级深度学习：按星数排序的前200个深度学习Github存储库-源码

  2. 顶级深度学习Github存储库 这是按星数排序的前200个深度学习Github存储库的列表。 Github搜索API已使用的查询是： deep-learning OR CNN OR RNN OR "convolutional neural network" OR "recurrent neural network" 可以在找到流行的深度学习Github存储库。 日期：2020年2月2日至2019年9月1日 注意：这将定期更新。 位置 名称 描述 语言 星星 前叉 :heavy_minu

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：306176
    • 提供者：weixin_42151772

  1. 机器学习之集成学习和随机森林

  2. 1 基本概念 集成学习，通过构建并结合多个学习器来完成学习任务。一般结构是：先产生一组“个体学习器”，再用某种策略将它们结合起来。结合策略主要有平均法、投票法和学习法等。 随机森林指的是利用多棵树对样本进行训练并预测的一种分类器。 2 自己模拟的集成学习法 import numpy as np import matplotlib.pyplot as plt from sklearn import datasets X, y = datasets.make_moons(n_samples=50

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：798720
    • 提供者：weixin_38671628

  1. Python数据拟合与广义线性回归算法学习

  2. 机器学习中的预测问题通常分为2类：回归与分类。 简单的说回归就是预测数值，而分类是给数据打上标签归类。 本文讲述如何用Python进行基本的数据拟合，以及如何对拟合结果的误差进行分析。 本例中使用一个2次函数加上随机的扰动来生成500个点，然后尝试用1、2、100次方的多项式对该数据进行拟合。 拟合的目的是使得根据训练数据能够拟合出一个多项式函数，这个函数能够很好的拟合现有数据，并且能对未知的数据进行预测。 代码如下： import matplotlib.pyplot as plt

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：173056
    • 提供者：weixin_38730201
« 12 3 4 »