本科课程模式识别

K-means 算法的介绍与应用

算法的主要步骤K-means算法的MATLAB实现优化方法与改进K-means算法的应用领域表格总结：K-means算法的主要应用领域结论引言K-means算法是一种经典的基于距离的聚类算法，在数据挖掘、模式识别
小魏冬琅·2024-09-13 09:00

OpenCV3最常用的基本操作

OpenCV可用于开发实时的图像处理、计算机视觉以及模式识别程序。该程序库也可以使用英特尔公司的IPP进行加速处理。以上是维基百科关于OpenCV的介绍，简单来说它就是处理图
HeoLis·2024-09-11 20:37

EI检索-机器视觉、图像处理与影像技术国际学术会议（MVIPIT 2023）邀您参会！

机器视觉是计算机学科的一个重要分支，它综合了光学、机械、电子、计算机软硬件等方面的技术，涉及到计算机、图像处理、模式识别、人工智能、信号处理、光机电一体化等多个领域。
诗远Yolanda·2024-09-08 13:06

数值分析——LU分解（LU Factorization）

本系列整理自博主21年秋季学期本科课程数值分析I的编程作业，内容相对基础，参考书:DavidKincaid,WardCheney-NumericalAnalysisMathematicsofScientificComputing
怀帝阍而不见·2024-09-07 01:30

Java在智能数据挖掘系统的应用

模式识别：识别数据中的模式，如分类、聚类、关联
lizi88888·2024-09-06 09:10

图形几何算法 -- 凸包算法

在计算几何中，凸包得到了广泛的应用，涉及领域包括模式识别、图像处理和优化问题等。2、算法原理凸包算法的目标是从给定的点集（在二维平面中）
CAD三维软件二次开发·2024-09-05 22:59

深度学习入门：使用 PyTorch 构建和训练你的第一个神经网络

引言深度学习是机器学习的一个分支，它利用多层非线性处理单元（即神经网络）来解决复杂的模式识别问题。PyTorch是一个强大的深度学习框架，它提供了灵活的API和动态计算图，非常适合初学者和研究者使用。
Mr' 郑·2024-09-04 13:29

机器学习算法深度总结(5)-逻辑回归

1.模型定义逻辑回归属于基于概率分类的学习法.基于概率的模式识别是指对模式x所对应的类别y的后验概率禁行学习.其所属类别为后验概率最大时的类别:预测类别的后验概率,可理解为模式x所属类别y的可信度.逻辑回归
婉妃·2024-08-31 05:05

计算机视觉概念科普

它结合了信号处理、图像处理、模式识别、机器学习等多个领域的技术，让计算机能够执行诸如识别、分类、追踪等复杂的视觉任务。本文将深入探讨计算机视觉的核心概念和技术。
极客代码·2024-08-29 11:54

机器学习（ML）算法分类

机器学习（ML）算法是一个广泛而多样的领域，涵盖了多种用于数据分析和模式识别的技术。
活蹦乱跳酸菜鱼·2024-08-29 08:31

让数据说话：人工智能与六西格玛的完美结合

通过人工智能技术，可以自动收集和整理大量的数据，并进行有效的数据挖掘和模式识别。这些数据分析结果可以为六西格玛项
张驰课堂·2024-03-26 09:25

神经网络（深度学习，计算机视觉，得分函数，损失函数，前向传播，反向传播，激活函数）

以下是关于你提到的几个关键概念的详细解释：神经网络：神经网络是一种模拟人脑神经元结构的计算模型，用于处理复杂的数据和模式识别任务。
MarkHD·2024-03-25 16:35

基于Python和OpenCV的产品码识别与验证案例

目录原理：代码部分：注意：原理：产品码识别与验证的核心在于图像处理与模式识别技术。首先，通过图像处理技术提取出产品码区域，去除背景干扰，增强产品码的可识别性。然
GT开发算法工程师·2024-03-15 18:20

《模式识别与机器学习》第一章

C1符号含义x\boldxx：向量，曲线拟合问题中的x坐标数值序列。元素个数为N。t\boldtt：向量，曲线拟合问题中的y坐标(target)数值序列。w\boldww：向量，曲线拟合问题中的待估计的参数，即M阶多项式的各阶系数。β\betaβ：标量，协方差的倒数，表示样本的精度。α\alphaα：标量，同上，曲线拟合例子中的先验的精度。多项式曲线拟合E(w)=12∑n=1N{y(xn,w)−t
CS_Zero·2024-03-06 09:03

半导体物理怎么学？哪里是重点？

无论是半导体物理考研专业课，还是本科课程学习，搭建框架都挺重要的。不知道哪里是重点？这篇文章介绍《半导体物理学》的框架，有助于初学者了解这个科目的整体结构。
半导体物理考研路·2024-02-26 06:39

《反脆弱》第16章 混乱中的秩序

这两类人之间的区别，不在于他们在官方的本科课程学习上的差异，每个人都知道这种差异即使很小，也会被分数放大，他们之间的真实差异实际上存在于课堂之外。当塔勒布
文倩定投人生·2024-02-20 21:59

六、图像的几何变换

这些变换在图像处理、模式识别、机器人视觉、医学影像处理等领域具有广泛的应用。通过图像几何变换，可以实现图像的校正、配准、增强和重建等功能，为后续的图像分析和理解提供了重要的基础。
云峰天际·2024-02-19 10:40

RBF神经网络中的RBF的英文全称是什么，是用来干什么的？

径向基函数是一种在机器学习和模式识别中常用的函数类型，它们通常用于构建非线性模型。
神笔馬良·2024-02-14 03:14

用脑想问题还是用心驱动脑?

不是，因为你脑子里有模式识别了才被识别出来，如果脑子里没有模式就无法识别，即便眼睛看到了也会忽略掉。那追问下去，如果脑子无法识
风口猪炒股指标·2024-02-13 18:54

【专题】2023年中国手术机器人行业专题报告PDF合集分享（附原数据表）

感知与认知技术涵盖了各种传感器的应用、模式识别和情感理解等高级认知能力，而运动与控制技术
·2024-02-11 18:20

计算机视觉主要知识点

这是一个跨学科领域，融合了计算机科学、图像处理、机器学习和模式识别等多方面的技术。以下是一些计算机视觉入门的基本知识点：图像基础：像素：图片的最基本组成单元，包含了颜色信息。
superdont·2024-02-11 05:55

探索未来：集成存储器计算(IMC)与深度神经网络(DNN)的机遇与挑战

DNN是一种模仿人类神经系统运作方式的计算模型，通过层层堆叠的神经元网络来实现复杂的模式识别和数据处理任务。从图像识别、语音识别到自然语言处理，DNN已经在各个领域展现了惊人的能力。
繁依Fanyi·2024-02-10 11:47

机器学习系列——（十七）聚类

其中，聚类作为机器学习领域的一个重要分支，广泛应用于数据挖掘、模式识别、图像分析等多个领域。本文旨在深入探讨聚类技术的原理、类型及其应用，为读者提供一个全面而深入的了解。一、什么是聚类？
飞影铠甲·2024-02-09 09:08

「论文搬运」王亦洲课题组 CVPR 2021 入选论文解读：时间序列疾病预测的因果隐马尔可夫模型

本文是对发表于计算机视觉和模式识别领域的顶级会议CVPR2021的论文“CausalHiddenMarkovModelforTimeSeriesDiseaseForecasting（时间序列疾病预测的因果隐马尔可夫模型
Sternstunden·2024-02-09 01:09

探秘深度学习的巅峰之作：ResNet101与其在图像识别领域的革命性应用

ResNet革命2015年在计算机视觉和模式识别会议（CVPR）上介绍的ResNet（残差网络）家族，标志着深度学习图像识别的一个转折点。
程序员Chino的日记·2024-02-07 22:47

LSTM进行时间序列预测还有哪些创新点，有什么推荐的好发论文的模型和代码？

时间序列分析是处理时间相关数据的一种方法，常用于预测、趋势分析和模式识别等应用。
电力系统爱好者·2024-02-07 11:39

机器学习简要概述

机器学习+数据库=数据挖掘+工业应用=模式识别+图像处理=机器视觉+语音处理=语音识别+文本处理=自然语言处理二、数据集及模型数据集的划分：方法：
@Duang~·2024-02-06 19:03

大脑的工作原理

大脑是由执行决策和进行自动行为模式识别的两部分组成的系统。前额皮层的管理功能相当活跃，反应灵敏，但同时也
珊珊_带你重返年轻·2024-02-06 17:55

深度学习本科课程 实验3 网络优化

一、在多分类任务实验中实现momentum、rmsprop、adam优化器1.1任务内容在手动实现多分类的任务中手动实现三种优化算法，并补全Adam中计算部分的内容在torch.nn实现多分类的任务中使用torch.nn实现各种优化器，并对比其效果1.2任务思路及代码importtorchimporttorch.nnasnnimporttorch.optimasoptimimportnumpyas
11egativ1ty·2024-02-06 12:20

计算机视觉比较有名的期刊和会议

（质量参差不齐）中文核心《中国图象图形学报》《模式识别与人工智能》《机器人》《图学学报》《电光与控制》etc.国际会议1.ICC
anycedo·2024-02-06 05:12

机器学习本科课程 大作业 多元时间序列预测

1.问题描述1.1阐述问题对某电力部门的二氧化碳排放量进行回归预测，有如下要求数据时间跨度从1973年1月到2021年12月，按月份记录。数据集包括“煤电”，“天然气”，“馏分燃料”等共9个指标的数据（其中早期的部分指标notavailable）要求预测从2022年1月开始的半年时间的以下各个部分的排放量二氧化碳的排放情况具体分为九项指标：CoalElectricPowerSectorCO2Emi
11egativ1ty·2024-02-05 20:18

深度学习本科课程 实验5 循环神经网络

循环神经网络实验任务内容理解序列数据处理方法，补全面向对象编程中的缺失代码，并使用torch自带数据工具将数据封装为dataloader分别采用手动方式以及调用接口方式实现RNN、LSTM和GRU，并在至少一种数据集上进行实验从训练时间、预测精度、Loss变化等角度对比分析RNN、LSTM和GRU在相同数据集上的实验结果（最好使用图表展示）不同超参数的对比分析（包括hidden_size、batc
11egativ1ty·2024-02-05 19:31

机器学习本科课程 实验5 贝叶斯分类

实验1.使用sklearn的GaussianNB、BernoulliNB、MultinomialNB完成肿瘤预测任务实验内容：使用GaussianNB、BernoulliNB、MultinomialNB完成肿瘤预测计算各自十折交叉验证的精度、查准率、查全率、F1值根据精度、查准率、查全率、F1值的实际意义以及四个值的对比阐述三个算法在肿瘤预测中的表现对比1.读取数据集importpandasasp
11egativ1ty·2024-02-05 13:43

机器学习本科课程 实验6 聚类实验

第一题：使用sklearn的DBSCAN和AgglomerativeClustering完成聚类实验内容：使用sklearn的DBSCAN和AgglomerativeClustering在两个数据集上完成聚类任务对聚类结果可视化对比外部指标FMI和NMI1.导入模块importnumpyasnpimportmatplotlib.pyplotasplt%matplotlibinlineimportw
11egativ1ty·2024-02-05 13:43

工信部颁发的《计算机视觉处理设计开发工程师》中级证书

为实现这个目标，计算机视觉结合了图像处理、机器学习、模式识别、计算几何等多个领域的理论和技术。
人工智能技术与咨询·2024-02-05 12:39

深度学习本科课程 实验4 卷积神经网络

二维卷积实验1.1任务内容手写二维卷积的实现，并在至少一个数据集上进行实验，从训练时间、预测精度、Loss变化等角度分析实验结果（最好使用图表展示）（只用循环几轮即可）使用torch.nn实现二维卷积，并在至少一个数据集上进行实验，从训练时间、预测精度、Loss变化等角度分析实验结果（最好使用图表展示）不同超参数的对比分析（包括卷积层数、卷积核大小、batchsize、lr等）选其中至少1-2个进
11egativ1ty·2024-02-05 11:36

机器学习本科课程 实验4 支持向量机

第一题：支持向量机的核函数实验内容：了解核函数对SVM的影响绘制不同核函数的决策函数图像简述引入核函数的目的1.导入模型importnumpyasnpimportmatplotlib.pyplotasplt%matplotlibinlinefrommatplotlib.colorsimportListedColormapimportwarningswarnings.filterwarnings('
11egativ1ty·2024-02-05 10:55

深度学习本科课程 实验1 Pytorch基本操作

一、Pytorch基本操作考察1.1任务内容使用初始化一个×的矩阵和一个×的矩阵，对两矩阵进行减法操作（要求实现三种不同的形式），给出结果并分析三种方式的不同（如果出现报错，分析报错的原因），同时需要指出在计算过程中发生了什么①利用创建两个大小分别×和×的随机数矩阵和，要求服从均值为0，标准差0.01为的正态分布；②对第二步得到的矩阵进行形状变换得到的转置^；③对上述得到的矩阵和矩阵$^$求矩阵相
11egativ1ty·2024-02-05 09:29

【大厂AI课学习笔记】1.5 AI技术领域（2）语音识别

语音识别技术涉及到信号处理、模式识别、自然语言处理等多个领域的知识。二、关键技术信号处理和特征提取：语音信号是一种复杂的时
giszz·2024-02-05 08:46

编译原理本科课程 专题4 算符优先语法分析设计原理与实现

一、程序功能描述本程序由C/C++编写，实现了：算符优先文法、最左素短语、算符优先矩阵、优先函程序等概念的定义及实例。以专题1词法分析程序的输出为语法分析的输入，实现算符优先分析算法，完成以下描述算术表达式的算符优先文法的算符优先分析过程：G[E]:E→E+T∣E-T∣TT→T*F∣T/F∣FF→(E)∣i二、主要数据结构描述关于具体的数据结构，主要使用了C语言的数组，其中字符数组运用最多，主要用
11egativ1ty·2024-02-05 08:38

编译原理本科课程 专题5 基于 SLR(1)分析的语义分析及中间代码生成程序设计

一、程序功能描述本程序由C/C++编写，实现了赋值语句语法制导生成四元式，并完成了语法分析和语义分析过程。以专题1词法分析程序的输出为语法分析的输入，完成以下描述赋值语句SLR(1)文法的语义分析及中间代码四元式的过程，实现编译器前端。G[S]:S→V=EE→E+T∣E-T∣TT→T*F∣T/F∣FF→(E)∣iV→i二、主要数据结构描述关于本程序的数据结构，首先用map存储了非终结符及终结符的编
11egativ1ty·2024-02-05 08:38

编译原理本科课程 专题3 LL(1)语法分析设计

一、程序功能描述本程序由C/C++编写，运用了自顶向下语法分析的设计方法和实现原理，实现了：LL（1）分析表的构造、LL(1)分析过程、LL(1)分析器的构造。程序以专题1词法分析程序的输出为语法分析的输入，实现了LL(1)分析中控制程序（表驱动程序），完成了以下描述赋值语句的LL(1)文法的LL(1)分析过程：G[S]:S→V=EE→TE′E′→ATE′|εT→FT′T′→MFT′|εF→(E)
11egativ1ty·2024-02-05 08:08

机器学习本科课程 实验1 线性模型

第三章线性模型3.1一元线性回归3.2多元线性回归3.3对数几率回归，线性判别分析（二选一）3.4类别不均衡3.1一元线性回归——Kaggle房价预测使用Kaggle房价预测数据集：打乱数据顺序，取前70%的数据作为训练集，后30%的数据作为测试集分别以LotArea,BsmtUnfSF,GarageArea三种特征作为模型的输入，SalePrice作为模型的输出在训练集上，使用最小二乘法求解模型
11egativ1ty·2024-02-05 08:38

深度学习在智能交互中的应用：人与机器的和谐共生

深度学习作为机器学习的一个重要分支，具有强大的特征学习和模式识别能力，可以模拟人脑的神经网络进行数据分析和预测。
wd90119·2024-02-05 08:37

机器学习本科课程 实验3 决策树处理分类任务

实验3.1决策树处理分类任务使用sklearn.tree.DecisionTreeClassifier完成肿瘤分类（breast-cancer）计算最大深度为10时，十折交叉验证的精度(accuracy)，查准率(precision)，查全率(recall)，F1值绘制最大深度从1到10的决策树十折交叉验证精度的变化图1.读取数据importnumpyasnpimportpandasaspddat
11egativ1ty·2024-02-05 08:05

深度学习的进展

一、深度学习的基本原理和算法：深度学习是一种基于神经网络的机器学习方法，其基本原理是模仿人脑神经网络的结构和功能，通过多层次的神经网络模型来实现对数据的学习和模式识别。
csdn_aspnet·2024-02-04 20:52

深度学习的发展历程和最新进展

深度学习是机器学习领域的一个子集，它通过模仿人脑的神经网络结构，使用多层神经网络（深度神经网络）进行学习和模式识别。它的发展经历了多个阶段，早期阶段，冷静期，深度学习复兴时期等。
稚肩·2024-02-03 19:14

向量机SVM原理详解

zhenandaci/category/31868.html（一）SVM的简介支持向量机(SupportVectorMachine)是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势
AI-CS研究生·2024-02-03 17:35

SVM原理介绍！

zhenandaci/category/31868.html（一）SVM的简介支持向量机(SupportVectorMachine)是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势
Wendark·2024-02-03 17:35

SVM入门（一）至（三）Refresh

（一）SVM的八股简介支持向量机(SupportVectorMachine)是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中
warmbeast·2024-02-03 17:34
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他