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. 超图智行通导航系统快速指南

  2. 智行通导航系统（以下简称“智行通”）是基于北京 超图软件股份有限公司的导航平台 SNE （SuperNavigation Engine）开发的专业的车载导航应用 系统，它可以运行于车载导航仪、PND 和智能手机等设 备。当您驾车出游或身处他乡时，智行通能够提供丰富 的导航提示信息和衣食住行等生活信息，它将成为您旅 途中最可靠的帮手，让您轻松享受旅行的愉快。 智行通具有以下功能特点： z 清晰美观的地图显示 z 丰富全面的兴趣点信息 z 灵活多样的地点查找 z 快速合理的路径规划 z 精准直观的

  3. 所属分类：Android

    • 发布日期：2011-06-07
    • 文件大小：1048576
    • 提供者：SuperArthur

  1. tsne图片显示

  2. t-sne,显示图片在tsne上的分布，不是点状图，需要自己准备图片数据

  3. 所属分类：机器学习

    • 发布日期：2017-10-23
    • 文件大小：939008
    • 提供者：weixin_39338157

  1. T-SNE代码（python）

  2. t-SNE算是比较新的一种方法，也是效果比较好的一种方法。t-SNE是深度学习大牛Hinton和lvdmaaten（他的弟子？）在2008年提出的，lvdmaaten对t-SNE有个主页介绍：tsne,包括论文以及各种编程语言的实现。

  3. 所属分类：深度学习

    • 发布日期：2018-06-10
    • 文件大小：3072
    • 提供者：qq_25954239

  1. Multiple Map t-SNE (Matlab)

  2. Mutiple maps t-SNE 代码，使用Matlab进行实现的，实现语义区分。

  3. 所属分类：深度学习

    • 发布日期：2018-06-23
    • 文件大小：1048576
    • 提供者：zzzzhy

  1. MMt-sne 演讲ppt

  2. MMt-sne 演讲ppt ，详细介绍MMt-sne的内容，使用ppt的形式，可以用于演讲和讨论班学习。

  3. 所属分类：深度学习

    • 发布日期：2018-06-27
    • 文件大小：1048576
    • 提供者：zzzzhy

  1. t-SNE算法教程

  2. t-SNE聚类算法教程，十分具体和完整，欢迎大家下载浏览。

  3. 所属分类：机器学习

    • 发布日期：2018-08-11
    • 文件大小：3145728
    • 提供者：pythonguy

  1. T-SNE算法介绍

  2. t-SNE(t-distributed stochastic neighbor embedding)：t分布随机邻域嵌入是用于高维数据的降维算法，是由 Laurens van der Maaten 和 Geoffrey Hinton在08年提出来。此外，t-SNE 是一种非线性降维算法，非常适用于高维数据降到2维或者3维，进行可视化。

  3. 所属分类：机器学习

    • 发布日期：2018-09-19
    • 文件大小：509952
    • 提供者：qq_25954239

  1. t-sne降维可视化实例matlab

  2. 这是用t-sne算法对手写数字实例进行降维，可视化的实例，完美实现算法对手写数字的聚类，实现了分类效果。已经过检验可以使用，可放心下载运行。

  3. 所属分类：机器学习

    • 发布日期：2019-01-19
    • 文件大小：6291456
    • 提供者：weixin_39922116

  1. t-sne算法matlab原函数

  2. matlab的t-sne算法，完美实现t-sne算法，已经过检验可以使用，可放心下载运行。

  3. 所属分类：机器学习

    • 发布日期：2019-01-19
    • 文件大小：11534336
    • 提供者：weixin_39922116

  1. 可莱特SNE/SNELR防爆型灯泡反射镜旋转警示灯产品目录.pdf

  2. 可莱特SNE/SNELR防爆型灯泡反射镜旋转警示灯产品目录pdf,可莱特SNE/SNELR防爆型灯泡反射镜旋转警示灯产品目录。

  3. 所属分类：其它

    • 发布日期：2019-09-22
    • 文件大小：3145728
    • 提供者：weixin_38744375

  1. 降维系列之 SNE与t-SNE

  2. t-SNE是一种经典的降维和可视化方法，是基于SNE（Stochastic Neighbor Embedding，随机近邻嵌入）做的，要了解t-SNE就要先了解SNE。本文同样既是总结，又是读论文笔记。 SNE 随机近邻嵌入 SNE的的第一步是用条件概率来表示高维空间中样本点之间用欧氏距离度量的相似度。假设样本选择其近邻的概率与与以自身为中心的高斯分布的概率密度成正比，SNE用pj∣ip_{j|i}pj∣i​来表示高维空间样本xix_ixi​会选择xjx_jxj​作为其近邻的概率，二范数距离越近

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：193536
    • 提供者：weixin_38704786

  1. vaesne:VAE-SNE-源码

  2. VAE-SNE：用于降维和聚类的深度生成模型 VAE-SNE是用于降维和聚类的深度生成模型。 VAE-SNE是一种变分自动编码器（VAE），使用随机邻居嵌入（t-SNE / SNE）目标进行了规范化，以改善压缩后的潜在空间中的局部结构保存性。该模型在优化过程中同时学习高斯混合聚类的分布，然后使用稀疏分水岭过程对重叠的混合成分进行合并，因此，无需手动指定聚类的数量-只要高斯混合成分的数量足够大即可。 VAE-SNE产生的嵌入质量与现有的降维方法相似；可以检测到异常值；可扩展至大型核心数据集；并可

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：275456
    • 提供者：weixin_42128558

  1. SNE-RoadSeg2:Rui Rui（Ranger）Fan＆Hengli Wang在PyTorch的SNE-RoadSeg，ECCV 2020，但现在我们对其进行了改进-源码

  2. English | SNE-RoadSeg2 介绍 此SNE-RoadSeg2基于SNE-RoadSeg的官方pytorch实现的，已被接受。这是他们的。 在此，我们为提供了培训和测试设置。我们在Python 3.7，CUDA 10.0，cuDNN 7和PyTorch 1.1中测试我们的代码。我们提供Dockerfile来构建我们使用的Dockerfile映像。 设置 请根据以下文件夹结构设置KITTI道路数据集和预训练的权重： SNE-RoadSeg |-- checkpoints |

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：20971520
    • 提供者：weixin_42135773

  1. 使用混合COA功能和t-SNE识别基于EEG的音乐情感

  2. 使用混合COA功能和t-SNE识别基于EEG的音乐情感

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：2097152
    • 提供者：weixin_38714641

  1. t-SNE+LDA 算法在仿生嗅觉中的应用研究

  2. t-SNE+LDA 算法在仿生嗅觉中的应用研究

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：987136
    • 提供者：weixin_38632624

  1. FIT-SNE：基于快速傅里叶变换的基于插值的t-SNE（FIt-SNE）-源码

  2. 基于FFT加速插值的t-SNE（FIt-SNE） 介绍 t随机邻域嵌入（ ）是一种成功的用于降维和可视化高维数据集的方法。 t-SNE的一种流行是使用Barnes-Hut算法在每次梯度下降迭代时近似梯度。 我们加快了实现过程，如下所示： N体模拟的计算：我们不是使用Barnes-Hut逼近N体模拟，而是插值到等距网格上并使用FFT进行卷积，从而显着减少了每次梯度下降迭代时计算梯度的时间。 有关其工作原理的一些直观信息，请参见。 输入相似度的计算：我们不是使用优势点树来计算最近的邻居，而是使

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：5242880
    • 提供者：weixin_42139302

  1. Multicore-TSNE：使用Python和Torch包装器的并行t-SNE实现-源码

  2. 多核t-SNE 这是L. Van der Maaten用python和基于Torch CFFI的包装器对进行的多核修改。 此代码还比1核上的sklearn.TSNE更快。 期待什么 Barnes-Hut t-SNE分两步完成。 第一步：建立用于最近邻居搜索的有效数据结构，并将其用于计算概率。 可以针对数据集中的每个点并行完成此操作，这就是为什么我们可以期望通过使用更多核来实现良好的加速。 第二步：使用梯度下降优化嵌入。 这部分基本上是连续的，因此我们只能在迭代内进行优化。 实际上，某些部分

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：330752
    • 提供者：weixin_42121272

  1. tsne-cuda：具有Python绑定的CUDA的GPU加速t-SNE-源码

  2. TSNE-CUDA 此存储库是的优化CUDA版本，带有相关的python模块。 我们发现，与正确的GPU配合使用时，我们的t-SNE实现可以比Sklearn快1200倍，或者比Multicore-TSNE快50倍。 描述我们的方法以及以下结果的论文可从。 您可以使用conda install cuda tsnecuda -c cannylab为CUDA conda install cuda tsnecuda -c cannylab和10.1版本的anaconda安装二进制文件。 有关更多详细

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：1040384
    • 提供者：weixin_42144201

  1. openTSNE：t-SNE的可扩展并行实现-源码

  2. openTSNE：t-SNE的可扩展并行实现

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：25165824
    • 提供者：weixin_42139252

  1. go-tsne：Go中的t分布随机邻居嵌入（t-SNE）-源码

  2. 戈斯涅 的Go实现，这是一种降维获奖技术，特别适合可视化高维数据集。 用法 导入该库： import "github.com/danaugrs/go-tsne/tsne" 创建TSNE对象： t := tsne . NewTSNE ( 2 , 300 , 100 , 300 , true ) 参数是 输出尺寸数 困惑 学习率 最大迭代次数 细度 有两种方法可以启动t-SNE嵌入优化。 常规方法是提供一个n × d矩阵，其中每一行是一个数据点，每一列是一个维： Y :=

  3. 所属分类：其它

    • 发布日期：2021-01-31
    • 文件大小：33554432
    • 提供者：weixin_42131443
« 12 3 4 5 6 »