模式识别&机器学习

【TVM教程】为 Mobile GPU 自动调优卷积网络

ApacheTVM是一个深度的深度学习编译框架，适用于CPU、GPU和各种机器学习加速芯片。
·2025-03-11 19:35

Flink-DataStreamAPI-生成水印

这通常是通过使用TimestampAssigner从元素中的某个字段访问/提取时间戳来完成的。时间戳分配与生成水印密切相关，水印告诉系统事件时间的进度。我们
隔着天花板看星星·2025-03-11 19:22

深度学习PyTorch之数据加载DataLoader

Dataset类详解2、DataLoader核心参数解析3、数据增强数据加载基础架构核心类关系图torch.utils.data├──Dataset(抽象基类)├──DataLoader(数据加载器)├──Sampler
@Mr_LiuYang·2025-03-11 18:49

XGBoost常见面试题（五）——模型对比

XGBoost与GBDT的区别机器学习算法中GBDT和XGBOOST的区别有哪些？
月亮月亮要去太阳·2025-03-11 18:15

Python从0到100（七十六）：计算机视觉-直方图和自适应直方图均衡化

想做这件事情很久了，这次我更新了自己所写过的所有博客，汇集成了Python从0到100，共一百节课，帮助大家一个月时间里从零基础到学习Python基础语法、Python爬虫、Web开发、计算机视觉、机器学习
是Dream呀·2025-03-11 17:35

机器学习之线性代数

文章目录一、引言：线性代数为何是AI的基石二、向量：AI世界的基本构建块（一）向量的定义（二）向量基础操作（三）重要概念三、矩阵：AI数据的强大容器（一）矩阵的定义（二）矩阵运算（三）矩阵特性（四）矩阵分解（五）Python示例（使用NumPy库）四、线性代数在AI中的应用（一）数据表示（二）降维：PCA（三）线性回归（四）计算机视觉（五）自然语言处理一、引言：线性代数为何是AI的基石在人工智能领
珠峰日记·2025-03-11 15:20

页面跳转隐藏url参数

xxx=xx&xx=xx*@paramparams可选参数json对象数据{‘a’:1}*/functionh
Otaku love travel·2025-03-11 14:45

机器学习(Machine Learning)

《BriefHistoryofMachineLearning》介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Ada
七指琴魔御清绝·2025-03-11 14:42

机器学习实战——音乐流派分类（主页有源码）

✨个人主页欢迎您的访问✨期待您的三连✨✨个人主页欢迎您的访问✨期待您的三连✨✨个人主页欢迎您的访问✨期待您的三连✨1.简介音乐流派分类是音乐信息检索（MusicInformationRetrieval,MIR）中的一个重要任务，旨在通过分析音频信号的特征，将音乐自动分类到不同的流派（如古典、摇滚、爵士、流行等）。随着数字音乐平台的普及，音乐流派分类技术被广泛应用于音乐推荐、自动标签生成和音乐库管理
喵了个AI·2025-03-11 13:37

【春招笔试真题】饿了么2025.03.07-开发岗真题

使用模板匹配技术识别验证码图片中的"#"符号分布模式3️⃣：构建字典树（Trie）优化异或查询，实现高效的数字黑板游戏整体难度这套题目整体难度适中，由简到难逐步递进：第一题是基础的计数问题，需要理解交换操作的特性第二题是模式识别问题
春秋招笔试突围·2025-03-11 12:59

git subtree 高频使用方法

高频使用方法官网添加新的子项目查看子项目的差异使用子项目克隆存储库引入超级项目更新改变分支引入子项目更新对子项目进行更改将更改推送到子项目存储库高效配置添加新的子项目subtreegitsubtreeadd--prefix=example-submodulehttps
NickDeCodes·2025-03-11 12:59

Docker Compose国内镜像一键部署dify

克隆代码gitclonehttps://github.com/langgenius/dify.git进入docker目录cddocker修改.env部分#将环境模版文件变量重命名cp.env.example.env
llody_55·2025-03-11 11:52

HarmonyNext实战案例：基于ArkTS的高性能分布式机器学习应用开发

HarmonyNext实战案例：基于ArkTS的高性能分布式机器学习应用开发引言在HarmonyNext生态系统中，分布式机器学习是其核心特性之一。
·2025-03-11 11:52

成功案例丨开发时间从1小时缩短到3分钟：如何利用历史数据训练AI模型，预测设计性能？

（以下简称Hero）致力于通过将人工智能（AI）和机器学习技术融入有限元分析（FEA）流程，以加速产品开发周期。
Altair澳汰尔·2025-03-11 11:45

scala针对复杂数据源导入与分隔符乱码处理

本文将探讨如何解析分隔符混乱的数据，和如何导入各种数据源文件一、非标准分隔符处理当数据源的分隔符混乱或不统一时（如,、|、\t混合使用），可采用以下方法：1.1动态检测分隔符//示例：自动检测前100行的常用分隔符valsampleLines
Tometor·2025-03-11 11:45

Python学习指南：系统化路径 + 避坑建议

数据分析（如Excel自动化、可视化）Web开发（如搭建网站）人工智能（如机器学习）自动化办公（如处理文件、邮件）目标不同，后续学习侧重点不同（但基础通用）。
程之编·2025-03-11 09:39

机器学习之KMeans算法

目录一、KMeans的核心思想二、KMeans算法流程三、KMeans的关键点1.优点：2.缺点：四、如何确定最佳k值1.肘部法则2.轮廓系数五、Kmeans的典型应用场景六、代码示例KMeans是一种广泛使用的无监督学习算法，主要用于聚类分析（Clustering）。它的目标是将数据集划分为K个互不重叠的子集（簇，Cluster），使得同一簇内的数据点尽可能相似，不同簇之间的数据点尽可能差异显著
Mr终游·2025-03-11 09:07

Python机器学习实战：构建序列到序列(Seq2Seq)模型处理翻译任务

Python机器学习实战：构建序列到序列(Seq2Seq)模型处理翻译任务1.背景介绍1.1问题的由来翻译是跨语言沟通的重要桥梁，随着全球化进程的加速，翻译需求日益增长。
AGI大模型与大数据研究院·2025-03-11 09:03

【漫话机器学习系列】130.主成分（Principal Components）

主成分（PrincipalComponents）详解1.什么是主成分？主成分（PrincipalComponents，PCs）是数据集中方差最大的线性组合，它是主成分分析（PrincipalComponentAnalysis，PCA）中的核心概念。主成分可以看作是对原始特征的新表述方式，它通过数学变换找到一组新的正交坐标轴，使得数据的主要变化方向与这些轴对齐。简单来说：主成分是数据集中信息量（方差
IT古董·2025-03-11 08:25

C++开源库大全

程序员要站在巨人的肩膀上，C++拥有丰富的开源库，这里包括：标准库、Web应用框架、人工智能、数据库、图片处理、机器学习、日志、代码分析等。
大王算法·2025-03-11 07:47

基于PyTorch的深度学习——机器学习3

激活函数在神经网络中作用有很多，主要作用是给神经网络提供非线性建模能力。如果没有激活函数，那么再多层的神经网络也只能处理线性可分问题。在搭建神经网络时，如何选择激活函数？如果搭建的神经网络层数不多，选择sigmoid、tanh、relu、softmax都可以；而如果搭建的网络层次较多，那就需要小心，选择不当就可导致梯度消失问题。此时一般不宜选择sigmoid、tanh激活函数，因它们的导数都小于1
Wis4e·2025-03-11 07:47

AI 驱动的软件测试革命：从自动化到智能化的进阶之路

人工智能技术的突破为测试领域注入了新动能，通过机器学习、深度学习、自然语言处理等技术，测试流程正从“被动验证”向“主动预防”演进。
綦枫Maple·2025-03-11 06:08

XGBClassifiler函数介绍

XGBoost是一种高效且灵活的梯度提升决策树（GBDT）实现，它在多种机器学习竞赛中表现出色，尤其擅长处理表格数据。
浊酒南街·2025-03-11 05:32

基于大数据架构的就业岗位推荐系统的设计与实现【java或python】—计算机毕业设计源码+LW文档

该系统通过收集、整合并分析大量求职者简历信息、企业招聘信息以及市场动态数据，运用先进的机器学习算法，为求职者提供个性化的岗位推荐服务，同时帮助企业快速定位到合适的候选人。
qq_375279829·2025-03-11 05:59

【Android】setText调用导致的悬浮窗抖动问题

试验例子packagecom.example.testfloatview;importandroid.app.Service;impor
aaajj·2025-03-11 04:24

向量数据库简介

向量数据库通常使用高效的向量索引技术，支持基于向量相似度的查询和检索，可以应用于图像搜索、自然语言处理、推荐系统、机器学习等领域。
openwin_top·2025-03-11 04:54

Ubuntu22.04安装CP2K最新版2025.1

近年来结合机器学习与lammps，已成为热度逐年增加的软件。但是目前使用它仍存在不少难点。本文讲解在Ubun
jhonwyyc·2025-03-11 04:50

Azure AI Document Intelligence 使用指南

AzureAIDocumentIntelligence使用指南AzureAIDocumentIntelligence（原名AzureFormRecognizer）是一项基于机器学习的服务，可以从数字或扫描
scaFHIO·2025-03-11 03:42

鸢尾花数据集的四个特征具体是什么？

鸢尾花数据集（IrisDataset）是机器学习领域中最经典的数据集之一，它包含150个样本，每个样本有4个特征，分别是：1.花萼长度（SepalLength）描述：花萼（花的外部绿色部分）的长度，单位为厘米
学术乙方·2025-03-11 03:41

p5.js 交互应用实战 —— 音乐可视化(案例)

案例一将振幅转化为图形准备工作：打开编辑器左边菜单，uploadmp3音乐素材（不超过5m）//定义变量//Sound--声音,amplitude--振幅letSound,amplitude;//1.预读器
十一迪迪·2025-03-11 02:04

DeepSeek源码解析（2）

Tensor（张量）的介绍在计算机科学和机器学习领域，“张量”（Tensor）是一个数学概念，它被用来表示多维数组。
白鹭凡·2025-03-11 01:26

机器学习数学基础：29.t检验

一、t检验的定义与核心思想（一）定义t检验（Student’st-test）是一种在统计学领域中广泛应用的基于t分布的统计推断方法。其主要用途在于判断样本均值与总体均值之间，或者两个独立样本的均值之间、配对样本的均值之间是否存在显著差异。例如，在教育研究中，可以通过t检验判断某个班级学生的平均成绩与全校学生的平均成绩是否有显著差异；在医学实验里，可用于比较实验组和对照组的患者某项生理指标的均值是否
@心都·2025-03-11 00:23

android okhttp几种日志拦截级别区别

**Example:*```*-->POST/greetinghttp/1.1(3-bytebody)**POST/greetinghttp/1.1*Host:example.com*Content-Type
stevenzqzq·2025-03-10 23:44

机器学习算法（2）—— 线性回归算法

‘’‘构造数据集’‘’x=[[80,86],[82,80],[85,78],[90,90],[86,82],[82,90],[78,80],[92,94]]y=[84.2,80.6,80.1,90,83.2,87.6,79.4,93.4]‘’‘模型训练’‘’实例化一个估计器estimator=LinearRegression()使用fit方法进行训练estimator.fit(x,y)查看回归系数
疯狂的石头。·2025-03-10 21:35

鸿蒙HarmonyOS应用配置文件：app对象内部结构

Bundle名称通常采用反向域名形式表示（例如，"com.example.myapplication"）。建
让开，我要吃人了·2025-03-10 21:00

Python实例：PyMuPDF实现PDF翻译，英文翻译为中文，并按段落创建中文PDF

、功能预览：将英文翻译为中文后创建的PDF二、完整代码fromreportlab.lib.pagesizesimportletterfromreportlab.lib.stylesimportgetSampleStyleSheet
布啦啦李·2025-03-10 20:51

Voice Translation of Audio Files into Different Languages Using Gpt-4o

openai-cookbook/examples/voice_solutions/voice_translation_into_different_languages_using_GPT-4o.ipynbatmain
开发者每周简报·2025-03-10 20:18

putty运行python代码_当我关闭putty时如何保持python脚本运行

我准备在VPS上运行Ubuntu上的python脚本.这是机器学习培训过程,因此需要花费大量时间进行培训.如何在不停止该过程的情况下关闭腻子.解决方法:您有两个主要选择：>使用nohup运行命令.这会将它与您的会话取消关联
weixin_39943000·2025-03-10 19:44

同一个问题看看Grok3怎么回答-什么是智能体？

证据倾向于认为，智能体可以是简单的（如恒温器），也可以是复杂的（如自动驾驶汽车），并可能通过机器学习改进性能。
释迦呼呼·2025-03-10 18:40

ROS2使用RCLPY编写节点

.创建文件夹mkdir-pchapt2/chapt2_ws_py/src/2.进入指定文件夹cdchapt2/chapt2_ws_py/src/3.创建Python功能包ros2pkgcreateexample_py
ct1027038527·2025-03-10 18:40

决策树（Decision Tree）：机器学习中的经典算法

决策树（DecisionTree）是一种基于树形结构的机器学习算法，适用于分类和回归任务。其核心思想是通过一系列的规则判断，将数据集不断划分，最终形成一棵树状结构，从而实现预测目标。
Jason_Orton·2025-03-10 18:39

学习总结项目

近段时间学习了机器学习、线性回归和softmax回归、多层感知机、卷积神经网络、Pytorch神经网络工具箱、Python数据处理工具箱、图像分类等的知识，学习了利用神经网络实现cifar10的操作、手写图像识别项目以及其对应的实验项目报告总结
苏小夕夕·2025-03-10 18:07

深度学习和机器学习的差异

一、技术架构的本质差异传统机器学习（MachineLearning）建立在统计学和数学优化基础之上，其核心技术是通过人工设计的特征工程（FeatureEngineering）构建模型。
The god of big data·2025-03-10 16:28

PyBroker: 使用Python进行机器学习驱动的算法交易指南

PyBroker:使用Python进行机器学习驱动的算法交易指南pybrokerAlgorithmicTradinginPythonwithMachineLearning项目地址:https://gitcode.com
任铃冰Flourishing·2025-03-10 16:22

从前端程序员到大模型工程师的转型攻略

第一阶段：打牢基础（第1-4周）深入了解AI与机器学习概念理解：阅读相关书籍、在线课程或观
七七Seven～·2025-03-10 15:19

PyBroker：利用 Python 和机器学习助力算法交易

PyBroker：利用Python和机器学习助力算法交易你是否希望借助Python和机器学习的力量来优化你的交易策略？那么你需要了解一下PyBroker！
skywalk8163·2025-03-10 15:48

Java 中操作 R：深度整合与高效应用

Java中操作R：深度整合与高效应用引言随着大数据和机器学习的快速发展，R语言在数据分析和可视化方面扮演着越来越重要的角色。
froginwe11·2025-03-10 15:18

大话机器学习三大门派：监督、无监督与强化学习

以武侠江湖为隐喻，系统阐述了机器学习的三大范式：监督学习（少林派）凭借标注数据精准建模，擅长图像分类等预测任务；无监督学习（逍遥派）通过数据自组织发现隐藏规律，在生成对抗网络（GAN）等场景大放异彩；强化学习
安意诚Matrix·2025-03-10 15:44

从零开始学机器学习——什么是机器学习

这个系列的文章旨在为初学者提供机器学习知识，避免使用专业术语和复杂的概念，以便更好地理解和应用。
努力的小雨·2025-03-10 14:12

《基于机器学习的DDoS攻击检测与防御系统设计与实现》开题报告

目录一、课题的研究目的和意义1.1课题背景1.2课题目的（1）提高DDoS攻击检测的准确性（2）加强DDoS攻击的防御能力（3）提升网络安全防护的技术水平1.3课题意义（1）理论意义（2）实践意义二、国内(外)研究现状及分析2.1国内研究现状2.2国外研究现状2.3总结回顾三、课题主要研究内容及可行性分析3.1课题主要内容3.2可行性分析（1）技术成熟度与应用前景（2）数据处理能力四、研究方案和技
大数据蟒行探索者·2025-03-10 14:41
上一页 7 8 9 10 11 12 13 14 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他