遗传算法优化BP神经网络

基于Python实现的【机器学习】小项目教程案例

鸢尾花分类（SVM算法）数据集：IrisDataset（含150个样本，4个特征，3个类别）目标：根据花瓣与萼片长度预测鸢尾花种类步骤：环境准备：安装scikit-learn、pandas、matplotlibpipinstallsciki
xinxiyinhe·2025-02-28 16:03

报告称2024年上半年DDoS攻击数量激增，同比增长46%

在攻击力度方面，2024年上半年记录到的最大DDoS攻击规模达到了1.7Tbps，略高于2023年记录的1.6Tbps。虽然0.1Tbps的增长看似微小，但这预示着网络
·2025-02-28 16:53

中值滤波结合快速排序算法优化传感器数据预处理

一、算法核心逻辑目标：在嵌入式系统中，通过快速排序的“部分排序”特性，优化中值滤波的计算效率。适用场景：实时传感器数据处理（如红外、超声波、加速度计等），窗口大小N=5（可根据需求调整）。优势：时间复杂度从O(N²)（冒泡排序）优化至O(N)（快速排序部分排序）。内存占用低，适合资源受限的嵌入式设备（如STM32）。二、完整代码与注释#include//定义滑动窗口大小（N=5）#defineWI
Gui林·2025-02-28 15:30

WPF7-布局元素

WrapPanel控件（环绕布局）2.4.DockPanel控件（停靠布局）2.5.Canvas面板控件（绝对定位布局）2.6.UniformGrid控件2.7.GridSplitter网格分割器2.8.TabPanel
Zy100Papa·2025-02-28 13:13

Python深度学习实践：使用TensorFlow构建图像分类器

我们将深入探讨卷积神经网络（CNN）的基本原理，实现一个能够识别MNIST手写数字的数据集模型，并通过实战代码演示整个过程，最终展示模型的训练与评估。
Evaporator Core·2025-02-28 13:42

深度学习进阶：构建多层神经网络

在上一篇文章中，我们从零开始构建了一个简单的两层神经网络，并通过异或问题（XOR）展示了神经网络的强大能力。
孤寂大仙v·2025-02-28 12:37

佐企 BPM 表单设计器：重塑业务流程数字化基石

佐企BPM作为一款卓越的业务流程管理解决方案，其中的表单设计器宛如一颗璀璨明珠，为企业构建高效、灵活的业务流程数字化框架提供了核心支撑。
牛油果爱编程·2025-02-28 11:03

智能推送系统的敏感词过滤功能：合规防线与用户体验的守护者

MobPush智能推送系统的敏感词过滤功能，通过技术手段在推送内容发布前自动拦截违规信息，已成为企业规避风险、维护品牌声誉的核心工具。
·2025-02-28 11:47

智能推送系统的敏感词过滤功能：合规防线与用户体验的守护者

MobPush智能推送系统的敏感词过滤功能，通过技术手段在推送内容发布前自动拦截违规信息，已成为企业规避风险、维护品牌声誉的核心工具。
·2025-02-28 11:46

MobPush扩展业务功能设置

扩展业务说明MobPush提供的扩展业务功能包括：按照地域提供更为精准的推送；实现网络链路的选择与优化、检测并实现与特定区域相关的服务；生成用户画像；合并链路服务。
·2025-02-28 11:43

【现代前端框架中本地图片资源的处理方案】

本文将详细探讨在webpack和Vite等构建工具中处理本地图片引用的各种方法。传统方式的局限性在传统开发中，我们可能习惯这样引用图片：constl
Gazer_S·2025-02-28 10:51

Composer如何通过GitHub Personal Access Token安装私有包：完整教程

传统的账号密码验证方式存在安全隐患，而GitHubPersonalAccessToken（PAT）提供了一种更安全的鉴权方案。
lihuang319·2025-02-28 08:03

神经网络中的Adam

Adam（AdaptiveMomentEstimation）是一种广泛使用的优化算法，结合了RMSprop和动量（Momentum）的优点。它通过计算梯度的一阶矩估计（mean）和二阶矩估计（uncenteredvariance），为每个参数提供自适应学习率。Adam由DiederikP.Kingma和JimmyBa在2014年的论文《Adam:AMethodforStochasticOptimi
化作星辰·2025-02-28 08:01

神经网络中的Nesterov Momentum

NesterovAcceleratedGradient(NAG)，也称为NesterovMomentum，是一种改进版的动量优化算法，旨在加速梯度下降过程中的收敛速度，并提高对最优解的逼近效率。它由YuriiNesterov在1983年提出，是对传统动量方法的一种增强。###传统动量法回顾在传统的动量方法中，更新规则不仅考虑当前的梯度，还包含了之前所有梯度的方向和大小的累积（即“动量”），以帮助克
化作星辰·2025-02-28 08:31

一个基于 React + SpringBoot 的在线多功能问卷系统（附源码）

简介：一个基于React+SpringBoot的在线多功能问卷系统前端技术栈：React、React-Router、Webpack、Antd、Zustand、Echarts、DnDKit后端技术栈：SpringBoot
程序员-李旭亮·2025-02-28 07:23

神经网络中的Adagrad

Adagrad（AdaptiveGradient）是一种自适应学习率的优化算法，专门设计用于在训练过程中自动调整每个参数的学习率。这种方法对于处理稀疏数据特别有效，并且非常适合那些需要频繁更新但很少使用的参数的学习任务。###Adagrad的核心思想Adagrad通过累积过去所有梯度平方的和来调整每个权重的学习率。具体来说，它为网络中的每个参数维护一个历史梯度平方和，然后用这个累积值来缩放当前的学
化作星辰·2025-02-28 07:53

扑克强化学习：DouZero/douzero/dmc/dmc.py （train）

Thisisthemainfuntionfortraining.Itwillfirstinitilizeeverything,suchasbuffers,optimizers,etc.Thenitwillstartsubprocessesasactors.Then
强化学习曾小健·2025-02-28 03:54

大模型专栏博文汇总和索引

大模型专栏主要是汇总了我在学习大模型相关技术期间所做的一些总结和笔记，主要包括以下几个子专栏：DeepSeek-R1AIGC大模型实践Transformer多模态系统视频理解对比学习目标检测目标跟踪图神经网络大模型专栏汇总了以上所有子专栏的论文
Donvink·2025-02-28 03:53

金融风控与医疗影像算法创新前沿

医疗影像诊断领域则依托三维卷积神经网络（3D-CNN）架构，实现了对CT、MRI等多模态影像的精准病灶分割，诊断准确率较传统方法提升23.6%。
智能计算研究中心·2025-02-28 02:44

DroidDissector本地部署

DroidDissector本地部署我启动的是MediumPhoneAPI30安卓虚拟机先决条件：把frida-server推送到虚拟机的/data/local/tmp/目录中cdH:\frida_serveradbpushH
想做后端的小C·2025-02-28 01:09

智能路径规划：从数学建模到算法优化的理论与实践

智能路径规划：从数学建模到算法优化的理论与实践一、引言在机器人学、自动驾驶、物流调度等领域，路径规划是实现自主导航的核心技术。
木子算法·2025-02-28 00:59

AI探索笔记：浅谈人工智能算法分类

这张图片通过三个同心圆展示了人工智能、机器学习和深度学习之间的包含关系，其中人工智能是最广泛的范畴，机器学习是其子集，专注于数据驱动的算法改进，而深度学习则是机器学习中利用多层神经网络进行学习的特定方法
安意诚Matrix·2025-02-28 00:52

pytorch阶段性总结2

nn神经网络functional当中卷积的使用importtorchimporttorch.nn.functionalasF#数据input=torch.tensor([[1,2,0,3,1],[0,1,2,3,1
Colinnian·2025-02-27 23:41

AI探索笔记：线性回归

下面分别用传统方法（sklearn）和神经网络（pytorch）来解决线性回归问题。
安意诚Matrix·2025-02-27 22:37

DCMNet一种用于目标检测的轻量级骨干结构模型详解及代码复现

早期的手工特征提取方法如Viola-Jones和HOG逐渐被卷积神经网络（CNN）取代，其中AlexNet在2012年的ILSVRC比赛中表现突出，推动了CNN在计算机视觉中的广泛应用。
清风AI·2025-02-27 21:03

UNet：UNet在自然环境监测中的应用案例_2024-07-24_09-14-11.Tex

UNet：UNet在自然环境监测中的应用案例UNet模型概述UNet是一种广泛应用于图像分割任务的卷积神经网络模型，由OlafRonneberger、PhilippFischer和ThomasBrox在
chenjj4003·2025-02-27 21:29

高精度 A+B Problem

题目描述高精度加法，相当于a+bproblem，不用考虑负数。输入格式分两行输入。a,b≤。输出格式输出只有一行，代表a+b的值。
咚咚轩·2025-02-27 21:27

神经网络参数量计算

算一个只有两层的神经网络的参数量，我们需要考虑两层之间的连接权重和偏置项。以下是详细的计算步骤：网络结构输入层（第一层）：有2个神经元。输出层（第二层）：有3个神经元。
坠金·2025-02-27 20:49

常用Python代码

选择一款你喜欢的代码片高亮样式，下面展示同样高亮的代码片.1Value=[(10,150),(100,200),(180,230)]fori,(minVal,maxVal)inenumerate(Value):plt.subplot
newlz2000·2025-02-27 20:19

图神经网络：拓扑数据分析的新时代

随着图数据的广泛应用，图神经网络（GraphNeuralNetwork,GNN）作为一种强大的深度学习工具，逐渐成为机器学习领域中的一颗新星。
Jason_Orton·2025-02-27 19:44

TensorFlow基础架构

处理结构计算图纸Tensorflow首先要定义神经网络的结构,然后再把数据放入结构当中去运算和training.处理结构因为TensorFlow是采用数据流图（dataflowgraphs）来计算,所以首先我们得创建一个数据流流图
humbinal·2025-02-27 19:40

深度学习重要论文阅读笔记 ResNet （2025.2.26）

文章目录问题背景数据预处理神经网络模型模型性能知识点积累英语单词积累问题背景随着神经网络变得更深（层数变多），模型的训练过程也会变得更加困难。
北岛寒沫·2025-02-27 16:50

深度学习-自学手册

人工智能机器学习神经网络前馈神经网络：没有回路的反馈神经网络：有回路的DNN深度神经网络CNN卷积神经网络RNN循环神经网络LSTM是RNN的一种，长短期记忆网络自然语言处理神经网络神经元-分类器Hebb
谁用了尧哥这个昵称·2025-02-27 15:37

DeepSeek 高阶应用技术详解（4）

本篇将深入探讨DeepSeek在时间序列分析、图神经网络（GNN）和推荐系统中的应用。这些领域是深度学习的前沿方向，具有广泛的实际应用价值。
Evaporator Core·2025-02-27 14:33

【漫话机器学习系列】106.线性激活函数（Linear Activation Function）

在神经网络中，激活函数的作用是将网络的线性组合映射到某种非线性输出。传统的线性激活函数常用于一些特定场景，比如回归问题，其中预测的目标值与输入特征之间可能存在线性关系。
IT古董·2025-02-27 13:25

Windows环境安装torch_geometric库报错

  Windows下安装，最近在学习图神经网络需要用到geometric_torch结果怎么装都装不上。
一穷二白到年薪百万·2025-02-27 11:11

Springboot 文件下载

org.springframework.bootspring-boot-starter-webpackagecom.sh.system.controller;importorg.springframework.core.io.ClassPathResource
松岛的枫叶·2025-02-27 11:38

Vite 与 Webpack：性能差异解析

牛客高级专题作者、打造专栏《前端面试必备》、《2024面试高频手撕题》蓝桥云课签约作者、上架课程《Vue.js和Egg.js开发企业级健康管理项目》、《带你从入门到实战全面掌握uni-app》文章目录Vite与Webpack
阿珊和她的猫·2025-02-27 11:07

PubSubJS的基本使用

前言日常积累,欢迎指正参考PubSubJS-GitHubPubSubJS-npm使用说明首先说明我当前使用的pubsub版本为1.6.0什么是pubsub?
SarinaDu·2025-02-27 10:04

KNN 算法优化实战分享

KNN算法优化实战分享KNN算法优化实战分享一、引言1.KNN算法的核心思想与特点KNN（K-NearestNeighbors）算法是一种基于距离的相似性分类与回归算法。
轻口味·2025-02-27 09:55

用 PyTorch/TensorFlow 搭建简单全连接神经网络

目录用PyTorch/TensorFlow搭建简单全连接神经网络网络结构概述1.使用PyTorch构建网络2.使用TensorFlow构建网络总结用PyTorch/TensorFlow搭建简单全连接神经网络在本篇博客中
gs80140·2025-02-27 08:21

50、深度学习-自学之路-自己搭建深度学习框架-11、添加RNN递归神经网络层为了浮现RNN的神经网络使用框架。

importnumpyasnpclassTensor(object):def__init__(self,data,autograd=False,creators=None,creation_op=None,id=None):self.data=np.array(data)self.autograd=autogradself.grad=Noneif(idisNone):self.id=np.rand
小宇爱·2025-02-27 06:01

计算机视觉：经典数据格式(VOC、YOLO、COCO)解析与转换(附代码)

第一章：计算机视觉中图像的基础认知第二章：计算机视觉：卷积神经网络(CNN)基本概念(一)第三章：计算机视觉：卷积神经网络(CNN)基本概念(二)第四章：搭建一个经典的LeNet5神经网络(附代码)第五章
全栈你个大西瓜·2025-02-27 05:57

深度学习的前沿与挑战：从基础到最新进展

深度学习的工作原理深度学习的关键技术1.卷积神经网络（CNN）2.循环神经网络（RNN）3.生成对抗网络（GAN）4.变分自编码器（VAE）5.自注意力机制与Transformer深度学习的应用1.计算机视觉
Jason_Orton·2025-02-27 03:09

第十三站：卷积神经网络（CNN）的优化

前言：在上一期我们构建了基本的卷积神经网络之后，接下来我们将学习一些提升网络性能的技巧和方法。这些优化技术包括数据增强、网络架构的改进、正则化技术。
武狐肆骸·2025-02-27 03:08

深度学习：从神经网络到智能应用

二.深度学习的基本原理1.神经网络的组成2.激活函数3.反向传播（Backpropagation）三.深度学习的常见模型四.深度学习的应用场景五.深度学习的挑战与未来结语引言深度学习（DeepLearning
Jason_Orton·2025-02-27 00:43

JavaScript系列（87）--Webpack 高级配置详解

Webpack高级配置详解️Webpack是前端工程化中最流行的构建工具之一，掌握其高级配置可以帮助我们构建更高效、更优化的应用。本文将深入探讨Webpack的高级配置技巧和最佳实践。
ᅟᅠ        ‌‍‎‏ 一进制·2025-02-27 00:11

理解CPU与GPU频繁数据传输

基础理解在学习深度学习神经网络过程中，有时候会遇到一些描述“尽量避免CPU与GPU频繁数据传输”。那这句话应该如何理解呢？我们知道CPU可以访问内存，而GPU也有自己的显存。
_DCG_·2025-02-26 22:58

深度学习批次数据处理的理解

基础介绍在计算机视觉深度学习网络中，在训练阶段数据输入通常是一个批次，即不是一次输入单张图片，而是一次性输入多张图片，而神经网络的结构内部一次只能处理一张图片，这时候很自然就会考虑为什么要这样的输入？
_DCG_·2025-02-26 22:28

cocosCreator 和 Laya 的常用API与方法 ，多边形点击解决正方形重叠点击问题，emit，dispatchEvent，EventCustom

常用API引入：require/import导出：export/module.exports/exportsNodejs不支持import和exportes6兼容以上所有语法，当然需要webpack+babel
qq_42838904·2025-02-26 21:17
上一页 10 11 12 13 14 15 16 17 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他