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. c++源码程序之人机对战五子棋的设计可做毕业论文

  2. // 五子棋Dlg.cpp : implementation file // #include "stdafx.h" #include "五子棋.h" #include "五子棋Dlg.h" #ifdef _DEBUG #define new DEBUG_NEW #undef THIS_FILE static char THIS_FILE[] = __FILE__; #endif int board[14][14]; //棋盘数组 BOOL ptable[14][14][480]; //人的所

  3. 所属分类：C++

    • 发布日期：2010-04-11
    • 文件大小：97280
    • 提供者：pc_master

  1. portfolio-react:使用React和Express构建的2021产品组合-源码

  2. 个人投资组合和博客2021 资源/提及 由于时间有限，我从这些非常客气的贡献者那里“借用”了代码，值得一提。 动画复选标记和交叉（连接成功/错误消息） 李·波特（Lee Porter）： : 投资组合： :

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：2097152
    • 提供者：weixin_42115003

  1. findOUT:一个桌面应用程序，用于使用异常检测算法开发自己的作物病害预测工具-源码

  2. 由邓迪詹姆斯·赫顿研究所（ 开发 基本概述 一个独立的桌面应用程序，可使用无监督的异常检测算法来开发自己的疾病风险预测工具。 上传您自己的数据（2个预测变量）或使用我们的示例数据。 选择一种异常检测算法。 设置所需的inlier分数。 使用k折交叉验证来训练和测试您的算法。 保存结果以预测准确性和发出警报的频率。 查看决策边界。 做出未来的预测。 例子 已加载与200次农作物疾病暴发相对应的每日天气数据。这两个预测变量是：（1）每天相对湿度> 90％的小时数，以及（2）每日最低温度。数据跨

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：3145728
    • 提供者：weixin_42165973

  1. CS170_Project_2:与最近邻居的特征选择-源码

  2. 与最近邻居的特征选择 介绍 该项目要求我们实施最近邻分类，利用前向选择和后向选择来搜索相关特征，并留下一次交叉验证来测量每个特征的准确性。这是加州大学河滨分校的Keogh博士在“人工智能入门”课程中提供给我们的第二个项目。 资料夹 每个文件夹都包含与项目相关的信息。 Images文件夹包含几个条形图，用于比较每个数据集和搜索算法。 “先前版本”文件夹包含过去实现的文本文件，并用其日期标记。样本数据集是Keogh博士为测试目的提供给我们的数据集。最后， Results文件夹包含输出重定向的跟踪。

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：582656
    • 提供者：weixin_42141437

  1. OCD_tDCS-源码

  2. 该存储库的内容 该存储库包含Luisa Balzus，Julia Klawohn，Stephan Brandt和Norbert Kathmann进行的“经颅直流电刺激（tDCS）在调节强迫症（OCD）的神经认知标记中的功效”研究代码。 概述 这项研究旨在调查内侧额叶皮层上的阴极tDCS是否能调节强迫症患者和健康对照者的动作监测和行为表现的电生理相关性。该研究是一项随机双盲对照安慰剂（假tDCS）交叉试验。在接受阴极或假刺激（在内侧额叶皮层上以1.5 mA的强度施加20分钟的刺激）后，参与者进行了

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：24117248
    • 提供者：weixin_42125826

  1. stats320:STATS320的帮助文件-源码

  2. STATS320：用于神经数据分析的机器学习方法 交叉列出为NBIO220和CS339N 授课教师：Scott Linderman教授2021年冬季区斯坦福大学 课程说明： 借助现代的高密度电极和光学成像技术，神经科学家通常可以同时测量数百个（即使不是数千个）细胞的活性。 结合高分辨率的行为测量，遗传测序和连接组学，这些数据集提供了前所未有的机会来学习神经回路的功能。 本课程将研究用于分析此类数据集的统计机器学习方法，包括：尖峰排序，钙反卷积和电压平滑技术，用于从原始数据中提取相关信号； 用于

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：106954752
    • 提供者：weixin_42181693

  1. NEAT-Spotify:使用增强拓扑的NeuroEvolution（NEAT）预测歌曲的受欢迎程度。 一种使用进化公式构建神经网络的方法-源码

  2. 整洁的 使用增强拓扑的NeuroEvolution（NEAT）预测歌曲的受欢迎程度。 一种使用进化公式构建神经网络的方法。 描述：一种确定ANN（人工神经网络）最有效的结构/拓扑的策略是使ANN构建自身。 这些方法之一是NEAT（增强拓扑的神经进化（4））。 NEAT使用生物学模型将种群中的个体分配给多个物种。 然后，根据它们在数据集中的表现，这些物种/个体将“竞争”成为最适合的物种。 NEAT不是使用常规的前馈权重优化策略（例如反向传播），而是使用个体之间的变异和交叉。 与其他神经进化方法相

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：1048576
    • 提供者：weixin_42138525

  1. ida-sourcepawn:IDA的处理器模块，可拆卸SMX二进制文件-源码

  2. ida-sourcepawn IDA的处理器模块，可拆卸SMX二进制文件。 支持交叉引用，堆栈和全局变量的识别，显示堆栈指针的值以及指令注释。 为Python 2.7编写，并在IDA Pro 6.8和7.2上使用IDAPython插件进行了测试，它可能不适用于最新的IDA版本。 调试符号的解析尚未实现，但将来可能会实现。 问题 如果分支指令引用的是低位地址，则可能无法正确跟踪堆栈指针。 如果前一条指令未指定传递给该函数的参数数量，则子例程调用指令也可能会错误地识别堆栈指针的更改。 指

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：21504
    • 提供者：weixin_42121412

  1. LSM9DS1-AHRS:Mahony 3D融合滤波器和倾斜补偿式罗盘，带有传感器校准代码-源码

  2. LSM9DS1-AHRS 用于Arduino和LSM9DS1传感器的Mahony AHRS和Tilt Compensated Compass，用于Arduino和LSM9DS1传感器，使用Arduino Pro Mini上的I2C连接为Adafruit LSM9DS1分支板编写和测试。 2021年3月更新：实施了一个新的Mahony滤波器，该滤波器使用West（磁交叉acc）和Up作为参考方向，而不是地球的磁场和重力。 它似乎比Madgwick编码的常规方法收敛更快，大概是因为参考向量是正交

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：46080
    • 提供者：weixin_42160425

  1. crossfeed:组织资产的外部监控-源码

  2. 交叉进纸 Crossfeed是一种工具，可以连续枚举和监视组织面向公众的攻击面，以便发现资产并标记潜在的安全漏洞。 通过以被动或主动扫描模式进行操作，Crossfeed从各种开源工具和数据源中收集数据，以提供有关组织资产的可操作信息。 Crossfeed作为自助服务门户提供，允许客户查看报告并自定义执行的扫描。 Crossfeed是与之间的合作。 文献资料 有关如何使用交叉馈送以及如何对其进行贡献的文档，请参见 。 公共区域 这个项目是在世界范围内的。 此项目位于美国的公共领域，并且权放弃了

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：3145728
    • 提供者：weixin_42154650

  1. CSL7450-CG-Assignment_1-OpenGL_Basics-源码

  2. CSL7450-CG-Assignment_1-OpenGL_Basics 控制项 单击并拖动任何标记的点将其移动。 跑步 从 的 下载任何可执行文件。 运行。 开发/编译 本国的 该项目需要以下apt-get库。 freeglut3-dev mingw64为Windows-64bit交叉编译。 以及他们所有的依赖关系。 建议使用提供的docker映像来编译代码。 VSCode 确保在您的系统上安装了 。 [可选]如果你计划使用WSL2为码头工人的Windows，然后确保已安装并运行

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：12582912
    • 提供者：weixin_42123296

  1. Forecastframe：用于解决时间序列问题的自动化特征工程和建模算法-源码

  2. Forecastframe-用于Python的快速，准确的分层时间序列预测库 概述 forecastframe使用同类最佳的特征工程，建模和验证策略来生成可解释的预测。 它旨在抽象化层次结构关系（例如[[国家/地区->州->商店]，[类别->品牌->产品]]）和常见的时间序列问题，因此您可以专注于特征创建，模型解释，和交付。 特征 一流的要素工程，建模和解释算法，受到世界一流的预测竞赛和对冲基金的启发。 直观的，可继承的类设计简化了复杂的操作（例如，无泄漏的滚动交叉验证

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：11534336
    • 提供者：weixin_42120405

  1. odoc：OCaml和Reason的文档编译器-源码

  2. 奥多克 odoc是OCaml的文档生成器。 它读取以(** ... *)分隔的文档注释，并输出HTML。 参见。 文档注释中的文本以ocamldoc语法标记： val compare : string -> string -> int (* * [compare s1 s2] compares [s1] and [s2] in {e lexicographic} order. The result is negative if [s1] precedes [s2], p

  3. 所属分类：其它

    • 发布日期：2021-02-27
    • 文件大小：1046528
    • 提供者：weixin_42122432

  1. Coursera-Prediction_Assignment_Writeup-1-源码

  2. Prediction_Assignment_Writeup 同行评分作业：预测作业撰写 ＃＃指示 人们经常做的一件事是量化他们从事某项特定活动的数量，但是他们很少量化他们做某件事的程度。 在此项目中，您的目标是使用来自6位参与者的皮带，前臂，手臂和哑铃上的加速度计的数据。 ##无条件审查###您应提交的内容 您的项目的目标是预测他们进行练习的方式。 这是训练集中的“ classe”变量。 您可以使用任何其他变量进行预测。 您应该创建一个报告，描述如何构建模型，如何使用交叉验证，您认为预期的样

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：105472
    • 提供者：weixin_42129412

  1. EE559-Project_Hand-姿势-源码

  2. EE559-Project_Hand-姿势 在这个项目中，我尝试处理UCI设置的手势数据，具体来说，它有12位志愿者展示手势，并将这些姿势从第1到第5姿势设置为第1到第5类。我试图知道我们的机器是否可以找出这些姿势。 并且如果不同的姿势将在每个分类中显示相同的相似精度。 为了弄清楚，我首先通过删除未标记的数据对数据进行预处理，然后将特征提取为13个特征，重新缩放，尺寸调整（使用PCA），使用交叉验证（保留一个用户）。 我选择感知器，SVM，朴素贝叶斯，KNN和神经网络（MLP）作为我的分类器，与

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：17825792
    • 提供者：weixin_42157567

  1. 注意力分散的驾驶员检测：使用PyTorch和ResNet18模型以及22,400张不同类型的注意力分散的驾驶员的图像，构建可检测干扰的检测器，验证精度为99.7％-源码

  2. CS175分心驾驶员检测 ＃RESNET18 #PYTORCH＃机器学习 分心驾驶： 建议作为导致致命事故从2014年到2018年增加的原因 由于使用智能设备的增加，引起公众越来越多的关注 我们在建筑物探测器中的数据：（由StateFarm在他们的Kaggle挑战赛中提供： 训练数据：在训练数据中包含22,424张图像，分为10个带标签的课程文件夹 测试数据：7.97万张未标记的图像（通过kaggle提交进行了准确性测试） 提供给我们的每张图像的大小为640×480像素 我们的模型： R

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：49283072
    • 提供者：weixin_42175516

  1. LeagueofLegendsWinPrediction：探讨了在前10分钟内是否可以预测哪支球队将在英雄联盟的一场比赛中获胜-源码

  2. 英雄联盟：投降10？ 客观的： 该项目的目的是通过分析10分钟标记的统计数据来确定是否可以创建一种模型来预测英雄联盟游戏的获胜团队。 结果： 在测试了四种不同的ML模型（SVC，LinearSVC，Logistic回归和随机森林分类器）的结果后，确定Logistic回归模型预测了最佳匹配结果，其准确度得分为〜.731，交叉验证得分〜.717，比随机猜测要好20％以上。” 代码： 语言：Python（3.7.6） 包装：熊猫，numpy，sklearn，matplotlib，seaborn

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：929792
    • 提供者：weixin_42097557

  1. 卓越的应用程序-源码

  2. 卓越的应用程序引擎 使用此引擎，您可以构建使用Lua在reMarkable 2电子墨水平板电脑上运行的自定义软件。 它提供了一个最小的API，用于将像素绘制到屏幕上（使用rm2fb-client包装器通过/dev/fb0 ）和从笔读取（通过从/dev/input/event1读取；注意，这是可标记1的错误路径） 。 编译中 与您的交叉编译器交叉编译。 我发现arm-linux-gnueabihf-gcc可以工作，可以通过apt在Ubuntu（包括Linux的Windows子系统）中使用。 从

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：20480
    • 提供者：weixin_42099070

  1. 标记交叉-源码

  2. 嗨伙计！ :waving_hand: 我叫。 :person_in_lotus_position: 让我们从右脚开始，在affirmations.dev上得到我们朋友的一些： :glowing_star: 你机灵而聪明 :glowing_star: 每小时一小时再回来查看新确认！ 现在我们在哪里 我目前就读于Richmond Coding Bootcamp大学。 生于马里兰州安纳波利斯，长大，毕业于特拉华大学（蓝母鸡） :rooster: ），现在是里士满本地。 我的职业生涯一直是

  3. 所属分类：其它

    • 发布日期：2021-02-07
    • 文件大小：87040
    • 提供者：weixin_42172204

  1. 交叉：Cross适用于任何屏幕的十字准线覆盖-源码

  2. 跨界 :direct_hit: 任意屏幕均可调整十字准线叠加 CrossOver允许您将可自定义的十字线叠加层放置在任何应用程序窗口上方。 使用永久性彩色十字准线标记中心屏幕，可以提高目标并获得竞争优势。 快速开始 从超过50个十字准线中选择一个十字准线或删除自定义图像 单击并拖动十字准线以移动交叉 双击靶心◎居中 使用Control - Alt - Shift和方向键进行微调 控制-Alt - Shift - X锁定到位 控制-Alt - Shift - R重设应用程序设置 产品特点 快

  3. 所属分类：其它

    • 发布日期：2021-02-02
    • 文件大小：3145728
    • 提供者：weixin_42175776
« 12 3 »