特征算子

Python机器学习实战：主成分分析(PCA)的原理和实战操作

主成分分析（PrincipalComponentAnalysis，PCA）是一种常用的无监督学习算法，用于数据降维和特征提取。它通过线性变换将原始高维数据映射到低维空间，同时保留数据的主要特征和信息。
AI天才研究院·2025-02-03 20:17

深度学习盛行，还记得哪些传统机器学习方法和模型？

这些传统方法通常依赖于手工设计的特征提取和模型结构。而深度学习是一种机器学习技术，它通过深层神经网络从原始数据中学习特征表
硬件学长森哥·2025-02-03 19:11

DAMA-CDGA 练习题 - 第13章 数据质量

开发一种让数据符合用途的管理方法B.定义数据质量控制的标准、要求和规范C.识别和提倡提高数据质量的机会D.所有描述都正确参考答案:D题目解析:语境关系图2、数据质量维度是数据的某个可测量的特性，以下哪项不属于客观衡量的特征
Jerry76^.^·2025-02-03 18:54

使用朴素贝叶斯对自定义数据集进行分类

创建一个简单的二维数据集，其中每个样本有两个特征，并且属于两个类别之一。
Luzem0319·2025-02-03 17:15

Apache Iceberg数据湖技术在海量实时数据处理、实时特征工程和模型训练的应用技术方案和具体实施步骤及代码

ApacheIceberg在处理海量实时数据、支持实时特征工程和模型训练方面的强大能力。Iceberg支持实时特征工程和模型训练，特别适用于需要处理海量实时数据的机器学习工作流。
weixin_30777913·2025-02-03 15:07

Ubuntu终端跑colmap实验记录——生成sparse和poses_bounds.npy

2.单步重建——生成sparse图像2.1提取特征点2.2特征点匹配2.3稀疏重建3.使用LLFF生成poses_bounds.npy前言：我一直习惯使用autodl的服务器，在上面配置了nerfstudio
Yunni_root·2025-02-03 15:36

【图像处理】基于双目立体匹配的景深计算（Matlab代码实现）

本文目录如下：目录1概述1.双目相机标定2.图像预处理3.特征提取与匹配4.视差计算5.深度图生成与校正6.景深计算7.误差分析与优化应用领域2运行结果3参考文献4Matlab代码实现1概述双目立体匹配一直是双眼视觉的研究热点
然哥爱编程·2025-02-03 15:05

Colmap根据相机内外参数重建稀疏模型

Colmap根据相机内外参数重建稀疏模型1.创建稀疏模型工作文件夹2.命令行执行稀疏重建2.1提取图像特征点2.2手动导入相机内参2.3特征匹配2.4三角测量官方文档：https://colmap.github.io
失去对象的野指针·2025-02-03 15:34

【车间调度】基于卷积神经网络的柔性作业车间调度问题的两阶段算法（Matlab代码实现）

本文目录如下：目录1概述两阶段算法概述第一阶段：特征提取与表示学习第二阶段：调度策略生成与优化研究挑战与前景2运行结果3参考文献4Matlab代码实现1概述该文提出一种基于卷积神经网络的有效两阶段算法，
宇哥预测优化代码学习·2025-02-03 12:08

【车间调度】基于卷积神经网络的柔性作业车间调度问题的两阶段算法（Matlab代码实现）

本文目录如下：目录1概述两阶段算法概述第一阶段：特征提取与表示学习第二阶段：调度策略生成与优化研究挑战与前景2运行结果3参考文献4Matlab代码实现1概述该文提出一种基于卷积神经网络的有效两阶段算法，
Ps.729·2025-02-03 11:31

图论复习第二章

最短路径问题针对最短路网络（带权有向无环图）存在性：如果s到v的途径上包含负费用有向圈，则不存在最短s-v途径，否则存在最短s-v简单路最优性原理（最优子结构特征）：若图G不存在非负有向圈，则任意最短子路也是相应点对之间的最短路三角不等式定理
sinat_40210730·2025-02-03 11:00

基于TensorFlow 2.0的DBN故障诊断程序

以下是一个基于TensorFlow2.0的DBN故障诊断程序，包含特征可视化和结果分析。程序使用合成振动数据进行演示，可直接运行。
ydlhnust·2025-02-03 07:27

C语言实现图像二值化变换项目源码

项目展示如何使用C语言进行图像的读取、处理和保存，特别是二值化转换的实现，通过设定阈值将图像简化为黑白色调，以突出其特征。
爽新全效瓷兔膏·2025-02-03 06:20

Python机器学习实战：人脸识别技术的实现和挑战

ZenandtheArtofComputerProgramming关键词：人脸识别技术,模型训练,多人识别,动态人脸检测,应用场景1.背景介绍1.1问题的由来随着科技的进步和互联网的普及，人脸识别技术因其在安全验证、生物特征识别
AI天才研究院·2025-02-03 06:19

深度学习：基础原理与实践

深度学习模型能够自动从原始数据中提取复杂的特征，而不需要人为设计特征提取算法。定义：深度学习可以定义为使用深层神经网络进行学习的过程，这些网络由多个非线性的变换组成，能够学习数据的多层次表示。
阿尔法星球·2025-02-03 06:49

代码随想录算法训练营Day38||完全背包问题、leetcode 518. 零钱兑换 II 、 377. 组合总和 Ⅳ 、70. 爬楼梯 （进阶）

一、完全背包问题相较于01背包，完全背包的显著特征是每个物品可以用无数次，遍历顺序也不需要为了保证每个物品只去一次而倒序遍历。
jiegongzhu3z·2025-02-03 05:15

探索高效图像识别：基于OpenCV的形状匹配利器

探索高效图像识别：基于OpenCV的形状匹配利器【下载地址】形状匹配find_scaled_shape_model资源文件本资源文件提供了使用OpenCV实现Halcon中算子`find_scaled_shape_model
崔庭盼Melvina·2025-02-03 05:45

什么是MoE？

MOE通过集成多个专家来显著提高模型的容量和表达能力，每个专家可以专注于学习输入数据的不同方面或特征，使得整个模
CM莫问·2025-02-03 05:14

计算机视觉领域的轻量化模型——GhostNet 模型

它的核心创新是Ghost模块，该模块通过生成更多的特征图来减少计算资源消耗。GhostNet适用于实时计算任务，如图像分类和物体检测，同时在保持较高准确率的基础上，优化了计算效率。
DuHz·2025-02-03 04:05

图像边缘检测与轮廓提取详解及python实现

第二部分：常见的图像边缘检测算法2.1Sobel算子2.2Canny边缘检测2.3拉普拉斯算子（LaplacianofGaussian，LoG）2.4Prewitt算子2.5Roberts交叉算子第三部分
闲人编程·2025-02-03 03:25

【无监督特征选择方法综述】

无监督特征选择方法综述前言一、Filter方法1.单变量Informationbasedmethods基于信息理论Spectral-similaritybasedmethods基于光谱相似性的方法2、多变量
潘儿er·2025-02-03 02:17

人工智能导论--第1章-知识点与学习笔记

思维能力是智能的重要特征之一，结合教材1.1.2节内容，从思维的定义、分类及其特点等角度，阐述思维的含义。参考教材1.1.3节的内容介绍，名词解析“人工智能”。
想拿高薪的韭菜·2025-02-03 00:32

学习日志009--面向对象的编程

一、面向对象编程的核心概念封装（Encapsulation）封装是面向对象编程的一个主要特征，它将对象的数据（属性）和操作这些数据的方法（行为）结合在一起，形成一个独立的对象。
Z211613347·2025-02-02 18:16

监督学习、无监督学习和强化学习的特点和应用场景

以下是对这三种学习方法的详细对比和总结：监督学习（SupervisedLearning）特点：数据标注：训练数据包含明确的输入特征和对应的标签（目标输出）。
BugNest·2025-02-02 16:03

【机器学习与数据挖掘实战】案例11：基于灰色预测和SVR的企业所得税预测分析

它利用统计和计算方法，使模型能够从数据中自动提取特征并做出预测或决策。数据挖掘则是从大型数据集中发现模式、关联和异常的过程，旨在提取有价值的信息和知识。
Francek Chen·2025-02-02 14:20

新浪微博签到数据集可视化系列（一）：数据介绍

微博签到数据不仅反映了用户在特定时间的所处位置，还能体现其活动轨迹、兴趣偏好以及与周围环境的互动关系，具有高频性、实时性等特征，以及蕴含丰富的时间、空间和语义等多维信息，在社会科学、地理信息科学、城市研究
雪山青木·2025-02-02 13:48

【深度学习】因果推断与机器学习的高级实践 数学建模_问题根因 分析 机器学习

现阶段深度学习有三大特征：数据驱动：即数据训练，将数据输入到模型中进行训练；关联学习：模型基于给定训练数据集，进行关联学习；概率输出：即最后的输出，判断这个图片有“狗“的概率是多少。
2401_84239830·2025-02-02 13:41

程序员之路：编程语言面向对象的特征

面向对象编程（Object-OrientedProgramming，OOP）有以下四个主要特征：封装（Encapsulation）概念封装是指将对象的状态（数据成员）和行为（方法）包装在一个单元（类）中
ysdysyn·2025-02-02 12:05

【产品经理修炼之道】-一文搞懂微服务架构

文章从微服务架构的引入和发展讲起，详细对比了传统单体应用与微服务的差异，并探讨了微服务架构的具体特征。进一步，文章阐释了SOA与微服务的区别，并提供了微服务架构实践的指导，包括设计模式和应用案例。
xiaoli8748_软件开发·2025-02-02 11:30

YOLOv10改进策略【Neck】| NeurIPS 2023 融合GOLD-YOLO颈部结构，强化小目标检测能力

GOLD-YOLO颈部结构中的GD机制借鉴了全局信息融合的理念，通过独特的模块设计，在不显著增加延迟的情况下，高效融合不同层级的特征信息。
Limiiiing·2025-02-02 10:50

YOLOv10改进策略【Neck】| HS-FPN：高级筛选特征融合金字塔，加强细微特征的检测

HS-FPN借助通道注意力机制及独特的多尺度融合策略，有效应对目标尺寸差异及特征稀缺问题。
Limiiiing·2025-02-02 10:49

手机直连低轨卫星通信：架构、关键技术和未来展望

【摘要】借助低轨卫星星座全时全域覆盖优势，手机直连卫星通信预期成为6G重要特征之一。首先介绍了手机直连卫星的测试验证、标准化与商业项目发展现状。
罗思付之技术屋·2025-02-02 09:46

C中面向对象的三大特征是什么？

###C语言中面向对象的三大特征及其详细解释与示例####1.封装**定义**：封装是将对象的状态（成员变量）和行为（成员函数）封装在一起，通过访问修饰符对外部隐藏对象的内部实现细节。
计算机学长大白·2025-02-02 08:02

深度学习基因组学+机器学习单细胞分析，当下最火热研究方向！

深度学习模型的能力更强且更灵活，在适当的训练数据下，深度学习可以在较少人工参与的情况下自动学习特征和规律。调控基因组学，变异检测，致病性评分成功应用。
qwmb919·2025-02-02 07:25

向量语义（Vector Semantics）与表征学习（Representation Learning）详解

关键词：词向量（WordRepresentations）：单词被表示为一个多维向量，每个维度对应于该单词的某种语义特征。分布式表示（D
苏西月·2025-02-02 07:54

《深入浅出HTTPS》读书笔记（31）：HTTPS和TLS/SSL

就是说HTTPS拥有HTTP所有的特征，并且HTTP消息由TLS/SSL协议进行安全保护。对于客户端（比如浏览器）来说，发送HTTPS请求就是连
earthzhang2021·2025-02-02 06:51

深度学习——线性代数

文章目录1.基本数学概念2.线性相关和生成子空间3.范式4.特殊类型的矩阵和向量5.特征分解6.奇异值分解1.基本数学概念标量(scalar):一个标量就是一个单独的数，它不同于线性代数中研究的其他大部分对象
取个名字真难啊啊·2025-02-02 06:19

matlab神经网络遥感反演,基于BP神经网络的盐渍土盐分遥感反演模型研究

采用遥感技术和BP神经网络技术,结合野外实测的盐渍土光谱特征和实验室化验的土壤含盐数据,对盐渍土盐分的遥感反演进行了模型的设计与编程实现。
老许的花开·2025-02-02 01:24

大语言模型丨ChatGPT-4o深度科研应用、论文与项目撰写、数据分析、机器学习、深度学习及AI绘图（BP神经网络、支持向量机、决策树、随机森林、变量降维与特征选择、群优化算法等）

目录第一章、2024大语言模型最新进展与ChatGPT各模型第二章、ChatGPT-4o提示词使用方法与高级技巧（最新加入思维链及逆向工程及GPTs）第三章、ChatGPT4-4o助力日常生活、学习与工作第四章、基于ChatGPT-4o课题申报、论文选题及实验方案设计第五章、基于ChatGPT-4o信息检索、总结分析、论文写作与投稿、专利idea构思与交底书的撰写第六章、ChatGPT-4o编程入
赵钰老师·2025-02-02 01:50

【python】在【机器学习】与【数据挖掘】中的应用：从基础到【AI大模型】

目录一、Python在数据挖掘中的应用1.1数据预处理数据清洗数据变换数据归一化高级预处理技术1.2特征工程特征选择特征提取特征构造二、Python在机器学习中的应用2.1监督学习分类回归2.2非监督学习聚类降维三
小李很执着·2025-02-01 23:43

Encoder-only decoder-only encoder-decoder大模型的区别

-优点：能够更好地理解输入文本的语义和上下文信息，适合需要特征提取的任务。-缺点：无法直接生成文本输出。-代表模型：BERT、RoBERTa、ALBERT等。
阿牛牛阿·2025-02-01 23:40

Python大数据之PySpark(三)使用Python语言开发Spark程序代码_windows spark python

算子：rdd的api的操作，就是算子，flatMap扁平化算子，map转换算子Transformation算子Action算子步骤：1-首先创建SparkContext上下文环境2-从外部文件数据源读取数据
2401_84181704·2025-02-01 23:09

机器学习笔记——特征工程

本笔记介绍机器学习中常见的特征工程方法、正则化方法和简要介绍强化学习。
好评笔记·2025-02-01 21:56

自定义数据集 使用pytorch框架实现逻辑回归并保存模型，然后保存模型后再加载模型进行预测，对预测结果计算精确度和召回率及F1分数

importtorchimportnumpyasnpimporttorch.nnasnnfromsklearn.metricsimportaccuracy_score,precision_score,recall_score,f1_score#定义数据：x_data是特征
〖是♂我〗·2025-02-01 21:54

使用PaddlePaddle实现逻辑回归：从训练到模型保存与加载

importpaddleimportpandasaspdimportnumpyasnpimportmatplotlib.pyplotasplt2.加载自定义数据集假设有一个CSV文件custom_dataset.csv，其中包含特征
Luzem0319·2025-02-01 21:51

不同物体运动方向的检测-python

方法优点适用场景缺点光流法实时性强、支持稠密方向分析视频流中物体整体运动对背景复杂场景鲁棒性差特征点跟踪精确捕捉局部运动特征点明显的物体特征点丢失影响结果帧间差分简单快速，适合实时检测背景稳定、低复杂度场景对噪声和阴影敏感深度摄像头三维方向检测
人工智能专属驿站·2025-02-01 20:49

Flink Connector 写入 Iceberg 流程源码解析_confluent icebergsinkconnector

//添加Writer算子，有并行度SingleOutputStreamOperatorwriterStream=appendWriter(distributeStream,flinkRowType,equalityFieldIds
字节全栈_mMD·2025-02-01 20:16

StarRocks实战——表设计规范与监控体系

目录前言一、StarRocks表设计1.1字段类型1.2分区分桶1.2.1分区规范1.2.2分桶规范1.3主键表1.3.1数据有冷热特征1.3.2大宽表1.4实际案例1.4.1案例一：主键表内存优化1.4.2
吵吵叭火·2025-02-01 17:53

大数据笔记之 Flink1.17 算子

文章目录前言一、Partition分区（物理分区）1.1随机分区shuffle1.2轮询分区rebalance1.3重缩放分区rescale1.4广播分区broadcast1.5全局分区global1.6keyby1.7自定义分区Custom二、transform2.1flatMap2.2filter2.3RichFunction2.4map三、Aggregate聚合3.1keyBy()3.2ma
凡许真·2025-02-01 17:20

【人工智能时代】-Deepseek用到的技术架构

DeepSeek技术架构的详细介绍：1.混合专家架构（MoE）DeepSeek-V3采用了混合专家（Mixture-of-Experts,MoE）架构，这种架构通过将模型分解为多个“专家”网络来处理不同的输入特征
xiaoli8748_软件开发·2025-02-01 16:07
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他