点数信息
www.dssz.net
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]
!
首页
移动开发
云计算
大数据
数据库
游戏开发
人工智能
网络技术
区块链
操作系统
模糊查询
热门搜索:
源码
Android
整站
插件
识别
p2p
游戏
算法
更多...
在线客服QQ:632832888
当前位置:
资源下载
搜索资源 - 计算机视觉(课件PPT)
下载资源分类
移动开发
开发技术
课程资源
网络技术
操作系统
安全技术
数据库
行业
服务器应用
存储
信息化
考试认证
云计算
大数据
跨平台
音视频
游戏开发
人工智能
区块链
在结果中搜索
所属系统
Windows
Linux
FreeBSD
Unix
Dos
PalmOS
WinCE
SymbianOS
MacOS
Android
开发平台
Visual C
Visual.Net
Borland C
CBuilder
Dephi
gcc
VBA
LISP
IDL
VHDL
Matlab
MathCAD
Flash
Xcode
Android STU
LabVIEW
开发语言
C/C++
Pascal
ASM
Java
PHP
Basic/ASP
Perl
Python
VBScript
JavaScript
SQL
FoxBase
SHELL
E语言
OC/Swift
文件类型
源码
程序
CHM
PDF
PPT
WORD
Excel
Access
HTML
Text
资源分类
搜索资源列表
计算机视觉 课件PPT 樊利民 北京邮电大学 part1
北京邮电大学 计算机视觉(课件PPT)樊利民 北京邮电大学 part1
所属分类:
专业指导
发布日期:2011-04-29
文件大小:4194304
提供者:
jerren28
计算机视觉(课件PPT)樊利民 part2
北京邮电大学 计算机视觉(课件PPT)樊利民 北京邮电大学 part2
所属分类:
专业指导
发布日期:2011-04-29
文件大小:4194304
提供者:
jerren28
计算机视觉(课件PPT) 北京邮电大学 part4
北京邮电大学 计算机视觉(课件PPT)樊利民 北京邮电大学 part4
所属分类:
专业指导
发布日期:2011-04-29
文件大小:1048576
提供者:
jerren28
商务智能架构图表
HomeAboutDesignlol.netAdmin ARCHIVED ENTRIES FOR 数据可视化 九 27 前言:数据可视化是怎样创造出来的。可视化 Tags: 数据可视化, 信息可视化 13 Comments » 我多次被炫目的数据可视化或信息可视化震惊,在我知道这些图片背后的数据来源和创造历程后,更是为之诧异不止。它涉足制图学、图形绘制设计、计算机视觉、数据采集、统计学、图解技术、数型结合以及动画、立体渲染、用户交互等。相关领域有影像学、视知觉。空间分析、科学建模等。 这是创造
所属分类:
其它
发布日期:2011-10-21
文件大小:11264
提供者:
sxfmol
斯坦福大学 2014 机器学习教程中文笔记
本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括: (一)监督学习(参数/非参数算法,支持向量机,核函数,神经网络)。 (二)无监督学习(聚类,降维,推荐系统,深入学习推荐)。 (三)在机器学习的最佳实践(偏差/方差理论;在机器学习和人工智能创新过程)。 本课程还将使用大量的案例研究,您还将学习如何运用学习算法构建智能机器人(感知,控 制),文本的理解(Web 搜索,反垃圾邮件),计算机视觉,医疗信息,音频,数据挖掘, 和其他领域。 本课程需要 10 周共 18 节课
所属分类:
机器学习
发布日期:2018-07-28
文件大小:6291456
提供者:
xiaoxc_java
斯坦福机器学习课程的笔记
斯坦福机器学习课程的PPT。本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括:(一)监督学习(参数/非参数算法,支持向量机,核函数,神经网络)。(二)无监督学习(聚类,降维,推荐系统,深入学习推荐)。(三)在机器学习的最佳实践(偏差/方差理论;在机器学习和人工智能创新过程)。本课程还将使用大量的案例研究,您还将学习如何运用学习算法构建智能机器人(感知,控制),文本的理解(Web 搜索,反垃圾邮件),计算机视觉,医疗信息,音频,数据挖掘,和其他领域。本课程需要10 周共
所属分类:
深度学习
发布日期:2018-07-14
文件大小:214958080
提供者:
weixin_40704532
斯坦福机器学习课程的讲义
斯坦福机器学习课程的PPT。本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括:(一)监督学习(参数/非参数算法,支持向量机,核函数,神经网络)。(二)无监督学习(聚类,降维,推荐系统,深入学习推荐)。(三)在机器学习的最佳实践(偏差/方差理论;在机器学习和人工智能创新过程)。本课程还将使用大量的案例研究,您还将学习如何运用学习算法构建智能机器人(感知,控制),文本的理解(Web 搜索,反垃圾邮件),计算机视觉,医疗信息,音频,数据挖掘,和其他领域。本课程需要10 周共
所属分类:
机器学习
发布日期:2018-07-14
文件大小:36700160
提供者:
weixin_40704532
斯坦福大学 2014机器学习教程中文笔记
斯坦福大学 2014机器学习教程中文笔记 Machine Learning(机器学习 机器学习 )是研究计算机怎样模拟或实现人类的 学习行为,以获取新是研究计算机怎样模拟或实现人类的 学习行为,以获取新是研究计算机怎样模拟或实现人类的 学习行为,以获取新是研究计算机怎样模拟或实现人类的 学习行为,以获取新是研究计算机怎样模拟或实现人类的 学习行为,以获取新是研究计算机怎样模拟或实现人类的 学习行为,以获取新是研究计算机怎样模拟或实现人类的 学习行为,以获取新是研究计算机怎样模拟或实现人类的 学
所属分类:
机器学习
发布日期:2018-11-12
文件大小:11534336
提供者:
u014793454
机器学习个人笔记完整版(附数学公式)v5.28
Machine Learning(机器学习)是研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎。在过去的十年中,机器学习帮助我们自动驾驶汽车,有效的语音识别,有效的网络搜索,并极大地提高了人类基因组的认识。机器学习是当今非常普遍,你可能会使用这一天几十倍而不自知。很多研究者也认为这是最好的人工智能的取得方式。在本课中,您将学习
所属分类:
机器学习
发布日期:2018-11-12
文件大小:7340032
提供者:
u014793454
信号与系统-西电(郭宝龙)课件ppt
信号处理是图像处理,计算机视觉的基础,建议想学习AI的朋友,先学习信号处理。信号处理本属于电子专业的课程,而非计算机专业的课程,所以这是我们的短板,需要及时补上,才能彻底明白图像处理的底层技术!
所属分类:
深度学习
发布日期:2018-12-14
文件大小:5242880
提供者:
wings_chang
机器学习和深度学习个人笔记合集
Machine Learning(机器学习)是研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演译。在过去的十年中,机器学习帮助我们自动驾驶汽车,有效的语音识别,有效的网络搜索,并极大地提高了人类基因组的认识。机器学习是当今非常普遍,你可能会使用这一天几十倍而不自知。很多研究者也认为这是最好的人工智能的取得方式。在本课中,您将学习
所属分类:
机器学习
发布日期:2019-04-17
文件大小:84934656
提供者:
action_now_
CSE486全部课件
Computer Vision Robert Collins CSE486 宾法教程,计算机视觉(Computer Vision, CV)领域经典教程 本资源包含其课上全部PPT,对于计算机视觉入门帮助很大。
所属分类:
深度学习
发布日期:2019-04-28
文件大小:50331648
提供者:
smartgro
21ic下载_OPENCV的入门的PPT学习课件.rar
OpenCV(Open Source Computer Vision Library)是一个开源的计算机视觉库,它提供了很多函数,这些函数非常高效地实现了计算机视觉算法(最基本的滤波到高级的物体检测皆有涵盖)。 OpenCV 使用 C/C++ 开发,同时也提供了 Python、Java、MATLAB 等其他语言的接口。如果你不了解 C/C++,请阅读《C语言教程》和《C++教程》。 OpenCV 是跨平台的,可以在 Windows、Linux、Mac OS、Android、iOS
所属分类:
讲义
发布日期:2020-03-30
文件大小:5242880
提供者:
qq_42322398
机器学习个人笔记完整版v5.4.docx
本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括: (一)监督学习(参数/非参数算法,支持向量机,核函数,神经网络)。 (二)无监督学习(聚类,降维,推荐系统,深入学习推荐)。 (三)在机器学习的最佳实践(偏差/方差理论;在机器学习和人工智能创新过程)。本课程还将使用大量的案例研究,您还将学习如何运用学习算法构建智能机器人(感知,控制),文本的理解(Web搜索,反垃圾邮件),计算机视觉,医疗信息,音频,数据挖掘,和其他领域。 本课程需要10周共1
所属分类:
机器学习
发布日期:2020-02-15
文件大小:778240
提供者:
kuaileren003