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. Movielens:Movielens Capstone项目-源码

  2. 电影镜头 Movielens Capstone Project Recommendation的系统允许客户提供对产品，电影等的反馈和评级，并且公司收集并分析此数据集可以建议特定客户的类似产品或电影，这些客户可以匹配客户的喜好和品味。 哈佛专业数据科学计划的Capstone项目：Movielens是由GroupLens研究实验室生成的数据集，具有数十万人的电影评级。在该项目中，使用dslabs软件包中的movielens数据的一个子集来分析和建立机器学习模型，以预测特定电影的客户收视率。该目录包含

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：100352
    • 提供者：weixin_42178963

  1. CaGNet-Zero-Shot-Semantic-Segmentation:ACMMM2020论文“用于零镜头语义分割的上下文感知特征生成”的代码-源码

  2. CaGNet：用于零镜头语义分割的上下文感知特征生成 ACM MM 2020论文“用于零镜头语义分割的上下文感知特征生成”的代码。 通过创建，， ，赵罗子涵，李青张*。 论文链接： 消息 在我们的期刊扩展CaGNetv2 [ ， ]中，我们将逐像素特征生成和微调扩展到逐块特征生成和微调。 Pascal-VOC上的可视化 引文 如果您发现我们的工作对您的研究有用，请考虑引用： inproceedings{Gu2020CaGNet, title={Context-aware Featu

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：2097152
    • 提供者：weixin_42112685

  1. parameter-factorization:零镜头多语言和多任务传输的神经参数空间的因式分解-源码

  2. 参数分解 用于零镜头多语言和多任务传输的神经参数空间的因式分解。 论文代码： Edoardo M. Ponti，IvanVulić，Ryan Cotterell，Marinela Parovic，Roi Reichart和Anna Korhonen。 2020年。用于跨任务和语言进行零射击学习的参数空间分解。 如果您使用此软件进行学术研究，请引用有问题的论文： misc{ponti2020parameter, title={Parameter Space Factorizatio

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：122880
    • 提供者：weixin_42117116

  1. ZS3:零射语义分割-源码

  2. 零射语义分割 纸 ，，，法国valeo.ai 神经信息处理系统（NeurIPS）2019 如果您发现此代码对您的研究有用，请引用我们的： inproceedings{bucher2019zero, title={Zero-Shot Semantic Segmentation}, author={Bucher, Maxime and Vu, Tuan-Hung and Cord, Mathieu and P{\'e}rez, Patrick}, booktitle={NeurIP

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：266240
    • 提供者：weixin_42143092

  1. 研究镜头-源码

  2. 研究镜头 一种在现有代码之上添加新视角和交互层的工具。 入门 探索测试内容 $ npm install $ npm run test-content 探索计算机上的所有内容 如果您希望此服务器上的计算机文件不在/test-content ，则需要将其安装为全局依赖项。 git clone仓库 cd study-lenses到回购 npm install -g . 将此存储库安装为全局依赖项将使您可以实时测试更改 研究任何目录或文件 cd anywhere ：打开测试文件的目录 study ：

  3. 所属分类：其它

    • 发布日期：2021-02-28
    • 文件大小：33554432
    • 提供者：weixin_42127775

  1. 双凸透镜-源码

  2. 凸透镜 双凸透镜是一种工具，它允许用户在来自不同的廷巴托克数据集的实体之间构造链接集（所谓的数据对齐或对帐）。 双凸透镜跟踪配置和对准中使用的算法，并且还能够报告手动校正和完成的手动验证量。 使用Docker安装 确保已安装Docker和Docker Compose 对于Windows和Mac用户：安装 使用提供docker-compose.yml作为基准 运行docker-compose up 在浏览器中访问 注意：这将使用数据库数据创建一个文件夹pgdata 。 要清理数据库并从头开始

  3. 所属分类：其它

    • 发布日期：2021-02-27
    • 文件大小：5242880
    • 提供者：weixin_42151036

  1. 部门调查：跟踪研究软件的影响-源码

  2. Depsy项目已并且不再维护。 我们现在正在跟踪软件影响的后续项目中 我们需要重视支持科学的软件 当今的尖端科学是建立在一系列专业研究软件之上的。 该研究软件通常与传统的学术论文一样重要-。 在那里，传统的“出版或灭亡，向我展示影响因子”系统仍然占统治地位。 我们需要解决这个问题。 我们需要为制造重要研究软件的提供有意义的激励措施，以便我们能够继续从事重要的，软件驱动的科学。 Depsy帮助评估研究软件的价值 支持这一变化。 Depsy是使这些事情之一发生的镜头：一种以软件本机方式跟踪软件影响

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：29360128
    • 提供者：weixin_42131276

  1. 机器学习入门-Udacity-Sebastian-Thrun课程-：这是一门课程，将教您通过机器学习镜头进行数据研究的端到端过程。 它将教您如何提取和识别最能代表数据的有用功能，一些最重要的机器学习算法以及如何评估机器学习算法的性能-源码

  2. 机器学习入门-Udacity-Sebastian-Thrun课程 这是一门课程，它将教您通过机器学习的角度来研究数据的端到端过程。 它将教您如何提取和识别最能代表您的数据的有用功能，一些最重要的机器学习算法，以及如何评估您的机器学习算法的性能。

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：7340032
    • 提供者：weixin_42135754

  1. hierArc：从一组强大的透镜系统中推断宇宙学参数-源码

  2. hierArc 强大的透镜系统的层次分析，可同时推断出透镜的特性和宇宙学参数。 该软件源自 并处于积极发展中。 免费软件：BSD许可证 文档： : 。 特征 该软件允许将具有测得的时间延迟的镜头和具有成像和运动学约束的镜头装配在一起，并在整体水平上进行描述。 安装 $ pip install hierarc --user 用法 的完整分析 可公开获得。 提出了基于hierArc的预测，并在提供了笔记本。 例如，用例是我们参考这些分析的笔记本。 学分 Simon Birrer和团队。

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：3145728
    • 提供者：weixin_42131790

  1. 零镜头分类法使用表示学习的学习：论文代码库：使用表示学习的零镜头分类学的归纳：一项实证研究-源码

  2. 使用表示学习的零射流分类法归纳 本文的代码存储库：使用表示学习的零拍分类法归纳：一项实证研究 模组 1.改造嵌入 基于本文实现了改进：将 2.超类型分类器 要根据分类法创建训练数据，请使用以下命令， python3 createTrainingData.py --src_taxonomy= --out_file=.pkl 在哪里， =输入分类法文件路径。 分类文件的格式应与以下位置的Google产品分类相似： : =生成的用于训练超类型分类器模型的训练数据 要训​​练超类型分类器模型

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：18432
    • 提供者：weixin_42141437

  1. VideoIMUCapture-Android：Android应用程序，用于捕获来自Motion研究的SLAM和Structure中有用的视频，IMU数据和相机数据。 光学图像稳定（OIS）和数字视频稳定（DVS）之间存在差异，并且如果设备

  2. VideoIMUCapture-Android Android应用程序，用于捕获视频和IMU数据，这些数据可用于使用SLAM和Motion技术的Structure进行3D重建。 描述 该Android应用程序是供研究人员使用同时定位和制图（SLAM）和Motion的结构（SfM）的数据收集工具。 假设以约30Hz的频率记录相机帧，并以约100Hz的频率记录惯性测量单位（IMU）数据，同步到同一时钟。 摄像机帧存储到H.264 / MP4视频文件，帧元数据和IMU数据一起存储在protobuf

  3. 所属分类：其它

    • 发布日期：2021-02-09
    • 文件大小：3145728
    • 提供者：weixin_42126274

  1. reaver：Reaver：模块化深度强化学习框架。 专注于《星际争霸2》。 支持Gym，Atari和MuJoCo-源码

  2. Reaver：模块化深度强化学习框架 项目状态：不再维护！ 不幸的是，我不再能够进一步开发该项目或为其提供支持。 介绍 Reaver是一个模块化的深度强化学习框架，专注于各种基于StarCraft II的任务，紧随DeepMind的脚步，他们通过玩具有类似于人机界面的现代视频游戏的镜头推动了该领域的最新发展，局限性。 这包括观察与人类玩家感知到的视觉特征相似（但不完全相同）的视觉特征，以及从人类玩家可能拥有的相似选项中选择动作。 有关更多详细信息，请参见《文。 尽管开发是以研究为驱动力的，但

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：52224
    • 提供者：weixin_42134234

  1. CS43：斯坦福大学CS43：函数式编程范例的课程材料-源码

  2. 斯坦福CS43：课程资料 本课程涵盖功能编程和代数类型系统的基础知识，并探讨相关编程范例的选择和当前的研究。 尽管大部分材料都适用于其他语言，但在整个课程中都对Haskell进行了教学和使用。 将从理论和实践的角度介绍材料，并且主题将包括高阶函数，不变数据结构，代数数据类型，类型推断，镜头和光学，效果系统，并发性和并行性以及从属类型。

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：1048576
    • 提供者：weixin_42121058

  1. ULDA-master-源码

  2. 通过基于分布移位的增强进行无监督的少拍学习 介绍 该存储库包含本文的正式实现： 秦铁新，李文斌，石应环和高阳。 抽象的 很少有的学习旨在在只有少数培训示例可用的情况下学习新概念，这已在近年来进行了广泛的探索。 但是，当前的大多数工作都严重依赖大规模的标记辅助集以情景训练范式训练其模型。 这种有监督的设置基本上限制了快速学习算法的广泛使用，尤其是在实际应用中。 取而代之的是，在本文中，我们通过基于分布移位的数据增强（ULDA）开发了一种称为无监督的少镜头学习的新颖框架，该框架在使用数据增强时要注意

  3. 所属分类：其它

    • 发布日期：2021-03-28
    • 文件大小：12582912
    • 提供者：weixin_42131601