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. 北大tensorflow公开课笔记

  2. 第一讲 带着大家梳理人工智能领域的基本概念：比如什么是人工智能、什么机器学习、什么是深度学习，他们的发展历史是什么，能用他们做什么。课后，助教会带领大家安装Ubuntu系统、Python解释器 和 Tensorflow环境，把同学们的电脑进行改造，让它变得更专业。 第二讲 串讲python语法：课程将帮同学们在最短的时间内把python语法织成网，为后续课程扫清代码关； 第三讲 讲解Tensorflow的关键词，搭建神经网络：这节课会介绍张量、计算图、会话等概念，并用Python搭建你的第一个

  3. 所属分类：深度学习

    • 发布日期：2018-05-25
    • 文件大小：10181831
    • 提供者：weixin_39711936

  1. python3.x Opencv Toturial

  2. 本书针的读者是高校学生，科研工作者，图像处理爱好者。对于这些 人群，他们往往是带着具体的问题，在苦苦寻找解决方案。为了一个小问 题就让他们去学习 C++ 这么深奥的语言几乎是不可能的。而 Python 的悄 然兴起给他们带来的希望，如果说 C++ 是 tex 的话，那 Python 的易用性 相当于 word。他们可以很快的看懂本书的所有代码，并可以学着使用它们 来解决自己的问题，同时也能拓展自己的视野。别人经常说 Python 不够 快，但是对于上面的这些读者，我相信这不是问题，现在我们日常

  3. 所属分类：Python

    • 发布日期：2018-03-01
    • 文件大小：4194304
    • 提供者：qq_34745295

  1. Python 神经网络练习实例源码.rar

  2. 收集一些Python 神经网络相关的练习源码，注释丰富，是一些学习Python时候自己完成的一个神经网络相关代码，或许对你有参考作用。可完成的功能有：简单神经网络实现自定义损失函数（利润最大化）、计算一个5层神经网络带L2正则化的损失函数，神经网络的优化、模拟神经网络迭代的轮数，动态控制衰减率，简单神经网络实现自定义损失函数，加入学习率的设置（指数衰减），加入L2正则化损失的实现，不包含隐层，获得一层神经网络边上的权重，并将这个权重的L2 正则化损失加入名称为losses的集合里，定义一个

  3. 所属分类：其它

    • 发布日期：2019-07-10
    • 文件大小：5120
    • 提供者：weixin_39840515

  1. OpenCV-Python-Toturial-中文版.pdf

  2. 数字图像处理（第三版）冈萨雷斯，北京大学研究生上课专用ppt课件书虽然挺好的,但是不够全面,不能让读者完全了解 opencv的现状)。而 我翻译的这本书是来源于 OpenCv的官方文档,内容全面,对各种的算 法的描述简单易懂,而且不拘泥于长篇大论的数学推导,非常适合想使用 OpencⅤ解决实际问题的人,对他们来说具体的数学原坦并不重要,重要 是能解决实际问题。 在国内这本书可以说是第一本 Python OpenCV的译作。 4本书的时效性 本书的编写时针对最新的 Opencv3.0的,本版本还没

  3. 所属分类：图像处理

    • 发布日期：2019-07-05
    • 文件大小：5242880
    • 提供者：qq_28005905

  1. arima python

  2. ARIMA模型（英语：AutoregressiveIntegratedMovingAverage model），差分整合移动平均自回归模型，又称整合移动平均自回归模型（移动也可称作滑动），时间序列预测分析方法之一。ARIMA（p，d，q）中，AR是"自回归"，p为自回归项数；MA为"滑动平均"，q为滑动平均项数，d为使之成为平稳序列所做的差分次数（阶数）。“差分”一词虽未出现在ARIMA的英文名称中，却是关键步骤

  3. 所属分类：算法与数据结构

    • 发布日期：2019-03-23
    • 文件大小：225280
    • 提供者：qz1992

  1. 时间序列分析

  2. python时间序列分析2018/12/7 python时序数据分析-以示例说玥-geek精神-博客园 1.均值 X staticnary series Non-stationary serles Ⅹ是时序数捱的值,t是时间。可以看到左图,数据的均值对于时间轴来说是常量,即数据的均值 不是时间的函数所有它是稳定的;右图随着时间的推移,数捱的值整体趋势是增加的,所有均 值是时间的函数,数据具有趋势,所以是非稳定的 2.方差 X tationary series Non-Stationary ser

  3. 所属分类：算法与数据结构

    • 发布日期：2019-03-05
    • 文件大小：2097152
    • 提供者：vanghoh

  1. Python基于滑动平均思想实现缺失数据填充的方法

  2. 今天小编就为大家分享一篇关于Python基于滑动平均思想实现缺失数据填充的方法，小编觉得内容挺不错的，现在分享给大家，具有很好的参考价值，需要的朋友一起跟随小编来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-19
    • 文件大小：47104
    • 提供者：weixin_38713412

  1. 基于Numpy.convolve使用Python实现滑动平均滤波的思路详解

  2. 主要介绍了Python极简实现滑动平均滤波（基于Numpy.convolve）的相关知识，非常不错，具有一定的参考借鉴价值,需要的朋友可以参考下

  3. 所属分类：其它

    • 发布日期：2020-09-19
    • 文件大小：159744
    • 提供者：weixin_38604916

  1. Python实现滑动平均(Moving Average)的例子

  2. 今天小编就为大家分享一篇Python实现滑动平均(Moving Average)的例子，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-18
    • 文件大小：34816
    • 提供者：weixin_38748556

  1. Python 十种数字滤波器

  2. Python语言 实现 10中数字滤波器；限幅滤波法、中位值滤波法、算术平均滤波法、递推平均滤波法（又称滑动平均滤波法）、中位值平均滤波法（又称防脉冲干扰平均滤波法）、限幅平均滤波法、一阶滞后滤波法、加权递推平均滤波法、消抖滤波法、限幅消抖滤波法

  3. 所属分类：互联网

    • 发布日期：2020-10-23
    • 文件大小：14336
    • 提供者：Wxx_Combo

  1. reinforcement-learning-tutorials:强化学习的基本算法-源码

  2. 写在前面 本项目用于学习RL基础算法，尽量做到： 注释详细 结构清晰 代码结构清晰，主要分为以下几个脚本： env.py用于重建强化学习环境，也可以重新归一化环境，例如给动作加噪声 model.py强化学习算法的基本模型，局部神经网络，演员，评论家等 memory.py保存重放缓冲区，用于off-policy agent.py RL核心算法，某种dqn等，主要包含update和select_action两个方法， main.py运行主函数 params.py保存各种参数 plot.py利用

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：2097152
    • 提供者：weixin_42114580

  1. 基于Numpy.convolve使用Python实现滑动平均滤波的思路详解

  2. ​ 1.滑动平均概念 滑动平均滤波法（又称递推平均滤波法），时把连续取N个采样值看成一个队列 ，队列的长度固定为N ，每次采样到一个新数据放入队尾,并扔掉原来队首的一次数据.(先进先出原则)  把队列中的N个数据进行算术平均运算,就可获得新的滤波结果。N值的选取：流量，N=12；压力：N=4；液面，N=4~12；温度，N=1~4 优点：  对周期性干扰有良好的抑制作用，平滑度高  适用于高频振荡的系统  缺点：  灵敏度低  对偶然出现的脉冲性干扰的抑制作用较差  不易消除由于脉冲干扰所引起的采

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：159744
    • 提供者：weixin_38686267

  1. Python实现滑动平均(Moving Average)的例子

  2. Python中滑动平均算法（Moving Average）方案： #!/usr/bin/env python # -*- coding: utf-8 -*- import numpy as np # 等同于MATLAB中的smooth函数，但是平滑窗口必须为奇数。 # yy = smooth(y) smooths the data in the column vector y .. # The first few elements of yy are given by # yy(1) = y(

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：36864
    • 提供者：weixin_38705699

  1. Python基于滑动平均思想实现缺失数据填充的方法

  2. 在时序数据处理过程中，我们经常会遇到由于现实中的种种原因导致获取的数据缺失的情况，这里的数据缺失不单单是指为‘NaN’的数据，比如在AQI数据中，0是不可能出现的，这时候如果数据中出现了0也就是数据缺失了，最近正好在拿一个污染物的数据在做模型分析，中间就遇到了数据缺失值的问题，数据量本身不大，如果直接对缺失值进行丢弃处理的话会进一步减小数据量，所以这里考虑采用数据填充的方法来实现缺失数据的填充。我做了两个版本其中，第一个版本很简单可以不看，主要是简单实现以下效果。具体实现如下： #!usr/b

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：47104
    • 提供者：weixin_38665122

  1. ARIMA模型 – [SPSS & Python]

  2. 简介： 　　ARIMA模型：（英语：Autoregressive Integrated Moving Average model），差分整合移动平均自回归模型，又称整合移动平均自回归模型（移动也可称作滑动），是时间序列预测分析方法之一。AR是“自回归”，p为自回归项数；MA为“滑动平均”，q为滑动平均项数，d为使之成为平稳序列所做的差分次数（阶数）。 　　 　　由于毕业论文要涉及到时间序列的数据（商品的销量）进行建模与分析，主要是对时间序列的数据进行预测，在对数据进行简单的散点图观察时，发现数据

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：77824
    • 提供者：weixin_38622983