深度+机器学习

基于深度学习的药物发现

基于深度学习的药物发现是一项正在迅速发展的技术，结合了人工智能、化学和生物学领域的前沿研究，旨在加速药物的研发过程，降低成本并提高新药的成功率。
SEU-WYL·2024-08-24 20:25

Learning Deep Learning（学习深度学习）

作者：chen_h微信号&QQ：862251340微信公众号：coderpai简书地址：https://www.jianshu.com/p/e98...LearningDeepLearning（学习深度学习
weixin_34056162·2024-08-24 20:24

Datawhale X 李宏毅苹果书 AI夏令营Day02

一、打卡Datawhale进入打卡链接选择相对应的任务打卡就可以了二、学习1、线性模型依旧是b站上老师的授课视频，我找到知乎上解释很好的文章，分享一下机器学习（一）线性模型————理论篇线性回归模型、对数几率模型
xuanEpiphany29·2024-08-24 19:21

Open3D mesh 裁剪

概述1.1常用裁剪方法1.2应用场景二、代码实现2.1轴对齐包围盒(AABB)裁剪2.2有向包围盒(OBB)裁剪2.3平面裁剪Open3D点云算法汇总及实战案例汇总的目录地址：Open3D点云算法与点云深度学习案例汇总
白葵新·2024-08-24 19:19

【请安全下载】黑神话：悟空 单机游戏 它是如何保证安全的 怎样防破解的？安全措施：D加密，反外挂，代码加密，资源保护

游戏以其独特的暗黑国风、深度的故事背景以及精致的游戏画面，重塑了西游题材，为玩家呈现了一个前所未有的悟空传奇。黑神话：悟空是如何保证安全的怎样防破解的？
小黄人软件·2024-08-24 18:47

Objective-C中的广播站：深度解析NSNotificationCenter

标题：Objective-C中的广播站：深度解析NSNotificationCenter在Objective-C中，NSNotificationCenter是一个强大的组件，它允许对象之间进行松耦合的通信
2401_85763639·2024-08-24 17:10

WebKit的语音交互新篇章：Web Speech API深度解析

WebKit的语音交互新篇章：WebSpeechAPI深度解析随着技术的进步，人机交互的方式正在不断演变。WebSpeechAPI作为现代Web技术的一部分，为浏览器提供了语音识别和语音合成的能力。
2401_85742452·2024-08-24 17:09

小侄儿走了

不做父母的人，大概不能懂得痛的深度。小侄儿是昨天早上六点走的，白血病，还差两个月就三岁了。七点多钟接到二嫂的电话，我坐在床沿上愣了半晌，真的是太突然了，怎么会？
梦里寻花·2024-08-24 17:57

Python 数据清洗与预处理

Python数据清洗与预处理在数据科学和机器学习的项目中，数据清洗与预处理是至关重要的一步。无论数据来源如何，原始数据通常都是不完整、不一致、含有噪声的，甚至可能包含错误。
天蓝蓝23528·2024-08-24 16:05

【论文阅读】APMSA: Adversarial Perturbation Against Model Stealing Attacks（2023）

摘要TrainingaDeepLearning(DL)model（训练深度学习模型）requiresproprietarydata（专有数据）andcomputing-intensiveresources
Bosenya12·2024-08-24 16:04

《深度解读代理模式：静态代理与动态代理的详尽剖析》

代理模式一、引言在Java开发中，代理模式是一种非常重要的设计模式，它为其他对象提供一种代理，以控制对这个对象的访问，在访问对象和目标对象之间起到中介作用。Java中的代理按照代理类生成时机不同分为静态代理和动态代理，而动态代理又有JDK代理和CGLib代理两种。本文将详细探讨代理模式的概念、角色、静态代理与动态代理的实现以及它们的优缺点和对比。二、代理模式的角色抽象角色（Subject）：通过接
Nonullpoint.·2024-08-24 16:32

新书上架 | 《智能计算系统：从深度学习到大模型（第2版）》重磅上市！

欢迎关注博主Mindtechnist或加入【智能科技社区】一起学习和分享Linux、C、C++、Python、Matlab，机器人运动控制、多机器人协作，智能优化算法，滤波估计、多传感器信息融合，机器学习
Mindtechnist·2024-08-24 16:31

深度挖掘积分墙，积分墙到底好不好？

国内积分墙发展也有七八年了，几次大起大落后，市场行情下，积分墙也在不断优化改进。翻看了一些经典的积分墙文章，也看了很多有关积分墙的问题与回答。有趣的是文章发布时间17年的居多，19，20年的信息比较少。从近两年积分墙行业发展来看，有关ASO方面的事情还真不少，苹果应用商店就那些事，积分墙也就那些事。积分墙随时都在变，两年里变化也是十分巨大的。很多老观点老看法已经不适用了，甚至有错误。移动互联网开始
906c13ec8879·2024-08-24 16:36

2021-09-16

但都在不断的修整我的思想，感恩这个时代，可以让我们在家就可以吸收到很多投资界大人物的思想精髓，同时激起灵魂深处的思考，修整我们的思想-观点-应用出来，会帮我们度过很多个坑，增加体验他人生命厚度，来拓展自己生命的深度
晓晓开怀大笑·2024-08-24 16:34

小白鞋神器真的有用吗？对人体有害吗？

对于深度沉积在鞋子表面的污渍，白鞋神器的清洁效果可能并不明显。实际上，一般的白鞋神器并没有什么神奇的功效。它的清洁液主要成分是水和一些清洁剂，这些成分并不比市面上的清洁剂更为特殊。
好项目氧券·2024-08-24 16:31

数学基础 -- 梯度下降算法

它广泛应用于机器学习、深度学习以及统计学中，用于最小化损失函数或误差函数。梯度下降的基本概念梯度下降算法通过以下步骤工作：初始化参数：随机初始化模型的参数（如权重和偏差），也可以用特定的策略初始化。
sz66cm·2024-08-24 15:25

早报|2022年9月28日

五菱汽车深度参与智能网联汽车产业峰会。4、国常会：对政策支持、商业化运营的个人养老金实行个税优惠，缴费者按每年1.2万元限额予以税前扣除。5、国家医保局：280个统筹地区已启动5种门诊慢特病费用跨
星问·2024-08-24 15:02

从奥迪A1到A8，为什么单单没有奥迪A2？

让我们来翻开历史，深度解析一下奥迪A2的诞生背景，上世纪90年代末期，全球经历了程度颇深的金融风暴，这一时期汽车的销量锐减，继70年代石油危机后，”轻便省油“再度成为人们购买汽车时的
胖子说点事·2024-08-24 14:29

《深度工作》-总结上

这本书的核心思想是：决定工作价值的，不是那些琐碎浮浅的表象，而在于“水面”之下真正的“深度”，也就是深度工作。
搬砖人1314·2024-08-24 13:39

【Pyspark-驯化】一文搞懂Pyspark修改hive表描述以及增加列使用技巧

相关内容文档获取微信公众号相关内容视频讲解B站博主简介：AI算法驯化师，混迹多个大厂搜索、推荐、广告、数据分析、数据挖掘岗位个人申请专利40+，熟练掌握机器、深度学习等各类应用算法原理和项目实战经验。
算法驯化师·2024-08-24 13:43

【Pyspark-驯化】一文搞懂Pyspark写入hive表的使用技巧

相关内容文档获取微信公众号相关内容视频讲解B站博主简介：AI算法驯化师，混迹多个大厂搜索、推荐、广告、数据分析、数据挖掘岗位个人申请专利40+，熟练掌握机器、深度学习等各类应用算法原理和项目实战经验。
算法驯化师·2024-08-24 13:43

【Pyspark-驯化】一文搞懂Pyspark中对json数据处理使用技巧：get_json_object

相关内容文档获取微信公众号相关内容视频讲解B站博主简介：AI算法驯化师，混迹多个大厂搜索、推荐、广告、数据分析、数据挖掘岗位个人申请专利40+，熟练掌握机器、深度学习等各类应用算法原理和项
算法驯化师·2024-08-24 13:43

【Pyspark-驯化】一文搞懂Pyspark中dropDuplicates和sort的使用技巧

相关内容文档获取微信公众号相关内容视频讲解B站博主简介：AI算法驯化师，混迹多个大厂搜索、推荐、广告、数据分析、数据挖掘岗位个人申请专利40+，熟练掌握机器、深度学习等各类应用算法原理和项目实战经验
算法驯化师·2024-08-24 13:13

【Pyspark-驯化】一文搞懂Pyspark中的withColumnRenamed函数的使用技巧

相关内容文档获取微信公众号相关内容视频讲解B站博主简介：AI算法驯化师，混迹多个大厂搜索、推荐、广告、数据分析、数据挖掘岗位个人申请专利40+，熟练掌握机器、深度学习等各类应用算法原理和项目实战经
算法驯化师·2024-08-24 13:13

掌握音频核心：Swift 中 Core Audio 的深度应用与实践

标题：掌握音频核心：Swift中CoreAudio的深度应用与实践在数字时代，音频处理已成为应用开发中不可或缺的一部分。
杨哥带你写代码·2024-08-24 11:30

Node 删除目录

深度优先删除letfs=require('fs');letpath=require('path');functionrmdir(dir,cb){fs.readdir(dir,function(err,files
草帽lufei·2024-08-24 10:25

锂电池龙头标的深度梳理

随着新能源行业一系列政策的落地，以及新能源汽车的快速成长，锂电池需求随之快速增长，今天就对锂电池行业全产业链进行梳理分析。综合各家机构研报的分析，可梳理出锂电池行业的各大龙头：{1}宁德时代：动力电池龙头全球领先的动力电池企业,连续三年全球排名前三位,2017年出货量全球第一,是配套车型最多的动力电池厂商{2}赣锋锂业：锂业龙头公司已成为全球锂行业上下游一体化的国际领先企业。目前拥有五大类逾40种
王峰xmu·2024-08-24 08:07

机器学习中分类算法的优缺点

决策树一、决策树优点1、决策树易于理解和解释，可以可视化分析，容易提取出规则。2、可以同时处理标称型和数值型数据。3、测试数据集时，运行速度比较快。4、决策树可以很好的扩展到大型数据库中，同时它的大小独立于数据库大小。二、决策树缺点1、对缺失数据处理比较困难。2、容易出现过拟合问题。3、忽略数据集中属性的相互关联。4、ID3算法计算信息增益时结果偏向数值比较多的特征。三、改进措施1、对决策树进行剪
qq_41581769·2024-08-24 07:37

《为“真学”而教》-⑧行云流水能打开思维通道吗

思考行云流水的课堂是否能做到：让学生深度思考，“一个都不能少”，让学生入乎其内、出乎其外（先学会，然后懂迁移、会应用、能创新），镌入学生灵魂、能够带的走。
师娘·2024-08-24 07:52

跨年复盘，不负韶华

01回顾目标参加格格读书成长营，学习六力成长飞轮--—阅读、践行、写作、链接、演讲、再践行，深度阅读吸收内化，刻意练习输出链接。
飘雪20191129·2024-08-24 07:47

Python和MATLAB和R对比敏感度函数导图

要点深度学习网络两种选择的强制选择对比度检测贝叶斯自适应估计对比敏感度函数空间观察对比目标量化视觉皮质感知差异亮度、红/绿值、蓝/黄值色彩空间改变OpenCV图像对比度对比敏感度函数模型空间对比敏感度估计眼球运动医学研究空间时间颜色偏心率对比敏感度函数模型
亚图跨际·2024-08-24 07:33

二叉树的最大深度

目录1-思路队列——层序遍历2-实现⭐104.二叉树的最大深度——题解思路3-ACM实现原题连接：104.二叉树的最大深度1-思路队列——层序遍历1-借助队列实现层序遍历Queuequeue=newLinkedListres
山脚ice·2024-08-24 06:29

校园打架行为识别检测系统 YOLOv5

校园打架行为识别检测系统基于python深度学习框架+边缘分析技术，校园打架行为识别检测系统自动对校园监控视频图像信息进行分析识别。
燧机科技SuiJi·2024-08-24 06:26

Magenta——利用深度学习生成音乐和艺术内容

一、Magenta介绍Magenta是由Google的Brain团队开发的一个开源研究项目，旨在探索机器学习在艺术和音乐创作中的应用。
爱研究的小牛·2024-08-24 05:23

opencv处理图片（实战指南）

一、OpenCV简介OpenCV（OpenSourceComputerVisionLibrary）是一个开源的计算机视觉和机器学习软件库。
富士达幸运星·2024-08-24 05:50

《菜菜的机器学习sklearn课堂》随机森林应用泛化误差调参实例

clf=DecisionTreeClassifier()clf_s=cross_val_score(clf,wine.data,wine.target,cv=10)plt.plot(range(1,11),rfc_s,label=“RandomForest”)plt.plot(range(1,11),clf_s,label=“DecisionTree”)plt.legend()plt.show()
2401_83977689·2024-08-24 05:50

pytorch深度学习基础 7（简单的的线性训练，SGD与Adam优化器）

接下来小编来讲一下一些优化器在线性问题中的简单使用使用，torch模块中有一个叫optim的子模块，我们可以在其中找到实现不同优化算法的类SGD随机梯度下降基本概念定义：随机梯度下降（SGD）是一种梯度下降形式，对于每次前向传递，都会从总的数据集中随机选择一批数据，即批次大小1。参数更新过程：这个参数的更新过程可以描述为随机梯度下降法，随机梯度下降（SGD）是一种简单但非常有效的方法，多用于支持向
不是浮云笙·2024-08-24 05:49

机器学习先导课《数值分析》（1）——绪论及误差分析

数值分析——绪论及误差分析数值分析——绪论及误差分析全文目录数值分析的作用及其学习工具使用数值分析常用工具数值分析的具体实例（多项式简化求值）计算机数值误差产生机理计算机的数值存储方式计算机误差产生原因误差误差限与精度模型误差观测误差截断误差舍入误差有效数字缺失误差的产生和避免误差的传播算法设计的稳定性与病态条件病态问题计算的稳定性练习题ReferenceAboutMe联系方式全文目录（博客园）机
WarrenRyan·2024-08-24 04:28

【深度学习入门项目】一文带你弄清决策树（鸢尾花分类）

.基尼指数4.剪枝处理一、加载数据集二、配置模型三、训练模型四、模型预测五、模型评估六、决策树调参1.criterion2.max_depth实验原理决策树(decisiontree)是一种应用广泛的机器学习方法
Better Rose·2024-08-24 03:07

探索网络安全的深度与广度：挑战、策略与未来展望

一、引言在当今数字化的时代，网络已经成为社会运转的核心基础设施之一。从个人的日常通信、娱乐到企业的业务运营、国家的关键服务，几乎所有领域都依赖于网络。然而，随着网络的普及和应用的深化，网络安全问题也日益凸显，成为了我们面临的严峻挑战。网络安全不仅关乎个人隐私和财产安全，也关系到企业的生存与发展，乃至国家的安全与稳定。因此，深入研究网络安全的重要性不言而喻。二、网络安全的内涵与重要性1、网络安全的定
白袍无涯·2024-08-24 03:37

【机器学习】Whisper：开源语音转文本（speech-to-text）大模型实战

目录一、引言二、Whisper模型原理2.1模型架构2.2语音处理2.3文本处理三、Whisper模型实战3.1环境安装3.2模型下载3.3模型推理3.4完整代码3.5模型部署四、总结一、引言上一篇对ChatTTS文本转语音模型原理和实战进行了讲解，第6次拿到了热榜第一。今天，分享其对称功能（语音转文本）模型：Whisper。Whisper由OpenAI研发并开源，参数量最小39M，最大1550M
LDG_AGI·2024-08-24 03:06

js如何实现深度优先遍历和广度优先遍历

最近碰到一个面试题，如何实现深度遍历和广度遍历，深度遍历我们常用，但是广度遍历会少一点，不知道的同学可以一起学习一下，知道的就当巩固知识点吧先说下区别名称采用区别深度优先遍历递归不需要记住所有的节点,所以占用空间小广度优先遍历队列需要先记录所有的节点占用空间大
写写而已·2024-08-24 03:58

#产品体系学习之旅#

以用户为中心的设计a）你自己是产品的深度用户b）不要为了1%的可能，去影响99%的用户c）质量比数量更重要，对活跃用户的关注要远大于新增用户d）关注产品的长期发展（一年以后），而非短期利益（产品、运营、
日日日gungun·2024-08-24 03:25

Few-shot Learning

Few-shotLearning一、基本概念Few-shotlearning是一种机器学习方法，旨在从少量的样本中学习新的概念或任务。
代维7·2024-08-24 03:04

《名人传》｜伟人的苦难史

苹果阅读法似乎不适用这本书，内容有深度。倍数阅读法，卡片阅读法加费曼阅读法，可以读通这本书。
玄春读旅吧·2024-08-24 02:51

WH780——017 语文教学何去何从——2021年秋期末试卷分析

年秋期末试卷分析一、试卷评价拿到语文试卷，我懵了，难度之大，远远超出了三年级孩子的承受范围，教了这么多年，第一次见到小学三年级出题难度系数如此之高：课本中的基础知识只考了34分，需要适度思考的题有13分，需要深度思考的题有
静水深流111·2024-08-24 02:50

Scikit-learn：用于数据挖掘和数据分析的简单而有效的工具，建立在 NumPy, SciPy 和 Matplotlib 上。

引言Scikit-learn是一个基于Python的机器学习库，旨在为数据挖掘和数据分析提供简单而有效的工具。
Jr_l·2024-08-24 02:28

Android笔试面试题AI答之Kotlin偏门考点总结

Kotlin面试中的偏门考点可能涵盖一些不太常见但具有深度和广度的知识点。
工程师老罗·2024-08-24 02:27

数据治理平台有哪些特色

数据治理提取平台（通常简称为数据治理平台）的特色主要体现在其全面的数据管理能力、先进的技术支持、灵活性与可扩展性、以及对企业数据治理需求的深度契合上。
ShiTuanWang·2024-08-24 01:26

AR技术的深度解读及实际应用

一、增强现实（AR）技术深度解读增强现实（AR）技术是一种将虚拟信息与现实世界相结合的技术。
m0_70960708·2024-08-24 01:24
上一页 21 22 23 24 25 26 27 28 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他