LEARN

KMeans聚类实战1

iris聚类--已知k值的情况iris聚类–已知k值的情况#导入第三方模块importpandasaspdimportnumpyasnpimportmatplotlib.pyplotaspltfromsklearn.clusterimportKMeansfromsklearnimportmetricsimportseabornassns
浊酒南街·2025-02-10 22:34

股票分析工具Python源码

系统的需求设计和实现企业财务管理系统的需求设计和实现董事会办公管理系统的需求设计和实现公司组织架构图设计工具库存管理系统的需求设计和实现批量执行SQL脚本导出Excel文件数据库巡检工具Python源码分享E-Learning
mosquito_lover1·2025-02-10 21:01

pytorch 人脸修复_修复pytorch数据加载器

Hackingdatascienceworkflows)Icameacrossaninterestingproblemrecently.AteammateandIwereworkingonaseriesofDeepLearningexperimentsthatinvolvedanimagedatasetthatspannedhundredsofgigab
weixin_26729375·2025-02-10 19:18

论文解读（MGAE）《MGAE: Masked Autoencoders for Self-Supervised Learning on Graphs》

Python量化交易实战入门级手把手带你打造一个易扩展、更安全、效率更高的量化交易系统论文信息论文标题：MGAE:MaskedAutoencodersforSelf-SupervisedLearningonG
虚幻私塾·2025-02-10 03:26

基于对比增强的超声视频的域知识为乳腺癌诊断提供了深度学习

DomainKnowledgePoweredDeepLearningforBreastCancerDiagnosisBasedonContrast-EnhancedUltrasoundVideos期刊分析摘要引言相关工作乳腺癌中的
Philo`·2025-02-10 03:56

【论文精读】《Towards Deep Learning Models Resistant to Adversarial Attacks》

摘要本文探讨了深度学习模型在面对对抗性攻击时的脆弱性，并提出了一种基于鲁棒优化的方法来增强神经网络的对抗鲁棒性。通过鞍点优化框架，作者提供了对抗攻击和防御机制的统一视角，并在MNIST和CIFAR-10数据集上验证了其方法的有效性。本文的核心贡献包括：1）定义攻击模型和扰动集以优化模型参数；2）强调网络容量对对抗鲁棒性的影响；3）提出对抗训练作为提升模型鲁棒性的关键方法。本文为深度学习模型的对抗鲁
智算菩萨·2025-02-10 03:25

CNN-day5-经典神经网络LeNets5

经典神经网络-LeNets51998年YannLeCun等提出的第一个用于手写数字识别问题并产生实际商业（邮政行业）价值的卷积神经网络参考：论文笔记：Gradient-BasedLearningAppliedtoDocumentRecognition-CSDN
谢眠·2025-02-10 03:54

一切皆是映射：域适应在DQN中的研究进展与挑战

1.背景介绍1.1深度强化学习与域适应的邂逅深度强化学习(DeepReinforcementLearning,DRL)在近年来取得了瞩目的成就，从Atari游戏到围棋，再到机器人控制，其强大的学习能力令人惊叹
AI天才研究院·2025-02-10 00:33

DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning论文解读

基础模型的大规模强化学习蒸馏：较小的模型也可以很强大2.评估结果概览reasoningtasksknowledgeohters四、方法1.Overview2.DeepSeek-R1-Zero:ReinforcementLearningontheBaseModelReinforcementLearningAlgorithm
tangjunjun-owen·2025-02-09 23:54

dify聊天机器人接入企业微信

仅作技术分享,有封号风险,请自行斟酌是否运行dify官方接入文档https://docs.dify.ai/v/zh-hans/learn-more/use-cases/dify-on-wechat我使用的是
火山引擎许同学·2025-02-09 20:01

基于机器学习的DDoS检测系统实战

基于机器学习的DDoS检测系统实战（Python+Scikit-learn）｜毕业设计必备摘要：本文手把手教你从0到1实现一个轻量级DDoS攻击检测系统，涵盖数据预处理、特征工程、模型训练与可视化分析。
计算机毕业设计指导·2025-02-09 19:28

【人工智能专栏】Stochastic Gradient Descent (SGD) 随机梯度下降

SGD)随机梯度下降IntroducingSGDAI:StochasticGradientDescent(SGD)isapopularoptimizationalgorithmusedinmachinelearningforfindingtheminimumofacostfunction.Itisavariantofthegradientdesc
manylinux·2025-02-09 17:09

翻译模型

提出基于规则的翻译1993年，IBM提出基于词的统计翻译模型2003年，Koehn提出基于短语的统计翻译模型2014年，谷歌和蒙特利尔大学提出端到端神经网络机器翻译，SequencetoSequenceLearningwithNeuralNetworks
daisy190127·2025-02-09 16:08

深入学习 Python 量化编程

可以通过以下命令安装这些库：pipinstallnumpypandasmatplotlibyfinancebacktraderscikit-learnNumPy：用于高效的数值计算。
不是二师兄的八戒·2025-02-08 23:29

DQN深度强化学习：CartPole倒立摆任务（完整代码）

DQN（DeepQ-Network，深度Q网络）是Q-Learning的深度学习扩展，通过神经网络替代Q表的方式来解决高维状态空间问题（例如图像输入），开启了深度强化学习时代。它在2013年由Dee
林泽毅·2025-02-08 21:45

深度学习之DCGAN算法深度解析

DCGAN（深度卷积生成对抗网络）是IanGoodfellow在2014年提出的GAN（生成对抗网络）的改进版本，由Radford等人在2015年的论文《UnsupervisedRepresentationLearningwithDeepConvolutional
贾斯汀玛尔斯·2025-02-08 20:08

Deepseek成功启示：从 TRPO 到 GRPO训练LLM

本文将深入探讨LLMs的训练过程，特别是强化学习（ReinforcementLearning，RL）（深度解析DeepSeekR1：强化学习与知识蒸馏的协同力量）在这一领域的应用，从TRP
大模型之路·2025-02-08 20:03

蓝桥杯真题 - 冶炼金属 - 题解

题目链接：https://www.lanqiao.cn/problems/3510/learning/个人评价：难度2星（满星：5）前置知识：二分整体思路二分得到满足条件的最大值与最小值，这里以二分最大值为例
ExRoc·2025-02-08 14:27

深入浅出：机器学习的全面解析

深入浅出：机器学习的全面解析引言机器学习（MachineLearning,ML）作为人工智能的一个重要分支，近年来取得了显著进展，并在多个领域中得到了广泛应用。
python算法(魔法师版)·2025-02-08 10:56

人工智能应用实例-自动驾驶

1.环境准备在运行代码前，需要安装以下库：pipinstallnumpyopencv-pythonscikit-learn2.简单目标检测（模拟）目标检测是自动驾驶
小赖同学啊·2025-02-08 09:19

《使用深度生成学习预测无对比心脏电影 MRI 中急性心肌梗死的晚期钆增强》论文精度

PredictingLateGadoliniumEnhancementofAcuteMyocardialInfarctioninContrast-FreeCardiacCineMRIUsingDeepGenerativeLearning
 ⁢Easonhe·2025-02-08 03:07

机器学习算法分类

以下是详细的分类介绍：1.根据学习方式进行分类1.1监督学习(SupervisedLearning)监督学习是指在训练过程中，输入数据（特征）和输出数据（标签）都是已知的。
和风化雨·2025-02-07 23:07

【论文阅读】DeepSeek-R1：通过强化学习激励LLMs的推理能力 | DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via RL

DeepSeek-R1:IncentivizingReasoningCapabilityinLLMsviaReinforcementLearningDeepSeek-R1：通过强化学习激励LLMs的推理能力
AI天才研究院·2025-02-07 22:05

3D数据可视化与SVM分类

以下是原始代码：importnumpyasnpfromsklearn.datasetsi
t0_54coder·2025-02-07 07:24

智能运维 AIOps

1、什么是AIOpsArtificialIntelligenceforITOperations（AIOps，IT智能运维）是指结合大数据和MachineLearning（机器学习），将包括异常检测、事件关联以及运营数据采集和处理在内的
数字化信息化智能化解决方案·2025-02-07 04:05

KNN算法：从思想到实现（附代码）

本文将详细介绍KNN的核心概念、使用方法及其在sklearn中的实现，并展示如何自己动手编写一个简单的KNN算法。新样本寻找K个最近邻分类问题:多数表决回归问题:均值计算KNN核心思想如何做一个样
lihuayong·2025-02-07 03:29

深度学习篇---深度学习中的超参数&张量转换&模型训练

文章目录前言第一部分：深度学习中的超参数1.学习率（LearningRate）定义重要性常见设置2.批处理大小（BatchSize）定义重要性常见设置3.迭代次数（NumberofEpochs）定义重要性常见设置
Ronin-Lotus·2025-02-06 21:50

Apache MXNet 深度学习框架教程

ApacheMXNet深度学习框架教程mxnetLightweight,Portable,FlexibleDistributed/MobileDeepLearningwithDynamic,Mutation-awareDataflowDepScheduler
娄妃元Kacey·2025-02-06 21:17

深度可分离卷积_主干网络系列(6) - Xception: 使用深度可分离卷积的深度学习

论文地址：Xception:DeepLearningwithDepthwiseSeparableConvolutions工程代码：Github链接0.摘要该论文对Inception模块做了新的解释，认为
weixin_39630106·2025-02-06 17:22

【算法】动态规划专题④ ——LCS（最长公共子序列）+ LPS（最长回文子序列） python

LCS最长公共子序列https://www.lanqiao.cn/problems/1189/learning/?
查理零世·2025-02-06 16:15

TfidfVectorizer 和 word2vec

一、TfidfVectorizer简单使用例子，可以统计子变量的频次类特征fromsklearn.feature_extraction.textimportTfidfVectorizertext_list
SpiritYzw·2025-02-06 15:38

Python模型上线pmml以及自定义函数转换（1）

1、常规转换-模型训练好之后立即转换importjoblibfromsklearn2pmmlimportPMMLPipeline,sklearn2pmml#保存模型python可读入defdump(clf
jin_tmac·2025-02-06 12:46

深度学习与搜索引擎优化的结合：DeepSeek的创新与探索

深度强化学习与搜索结果排序4.DeepSeek的深度学习架构4.1查询解析与语义理解4.2搜索排名与相关性排序4.3个性化推荐与用户行为分析5、总结引言随着人工智能（AI）技术的迅速发展，深度学习（DeepLearning
云边有个稻草人·2025-02-06 10:37

基于Python的网络爬虫：天气数据爬取与可视化分析

gitcode.com/open-source-toolkit/55ebe项目简介本项目是一个基于Python的网络爬虫课程大作业，旨在通过网络爬虫技术爬取天气数据，并利用Matplotlib和sk-learn
傅炯耘Shelley·2025-02-06 07:16

gym-anytrading

参考：https://github.com/upb-lea/gym-electric-motorAnyTrading是一组基于reinforcementlearning(RL)的tradingalgorithms
AAA客服小高·2025-02-06 07:16

错误信息：Traceback (most recent call last):

错误信息Traceback(mostrecentcalllast):File"E:\python.learning\pythonDateExcavateTreat\数据挖掘课程设计\2_京东用户意向购买数据探索
L_cl·2025-02-06 03:11

五子棋ai启发式搜索_一种快速而简单的人工智能启发式学习语言的方法

ThespecialthingIfoundwhenIfirststarteddivingintothefieldofArtificialIntelligencewastheinfiniteamountofparallelsbetweenhowneuralnetworkslearnandmysubjectiveexperienceofmyownin
weixin_26630173·2025-02-06 02:05

java调用ONNX模型

fromsklearn.linear_modelimportLinearRegressionimportnumpyasnpimportonnxfromskl2onnximportconvert_sklearnfromskl2onnx.common.data_typesimportFloatTen
jason.zeng@1502207·2025-02-06 01:30

Python-机器学习（二）-K近邻算法的原理与鸢尾花数据集实现详解

fromsklearn.neighborsimportKNeighborsClassifierk=5#对模型训练clf=KNeighborsClassifier(n_neighbors=k)clf.fit
2401_84009679·2025-02-05 22:00

c语言八数码问题启发式搜索_一种快速且简单的AI启发式语言学习方法

ThespecialthingIfoundwhenIfirststarteddivingintothefieldofArtificialIntelligencewastheinfiniteamountofparallelsbetweenhowneuralnetworkslearnandmysubjectiveexperienceofmyow
weixin_26632369·2025-02-05 21:28

流式学习(简易版)

流形学习（ManifoldLearning）是一种用于降维（
想成为配环境大佬·2025-02-05 20:51

一切皆是映射：元学习中的神经架构搜索（NAS）

这种思想源于元学习（Meta-Learning），它关注的是如何使学习过程本身变得更加高效。本文将深入探讨NAS的原理、方法、
杭州大厂Java程序媛·2025-02-05 16:22

自定义数据集 使用scikit-learn中svm的包实现svm分类

引入必要的库importnumpyasnpfromsklearn.datasetsimportmake_classificationfromsklearn.model_selectionimporttrain_test_splitfromsklearn.svmimportSVCfromsklearn.metricsimportaccuracy_score
灵封～·2025-02-05 15:41

NeuralCF 模型：神经网络协同过滤模型

实验和完整代码完整代码实现和jupyter运行：https://github.com/Myolive-Lin/RecSys--deep-learning-recommendation-system/tree
Lewis@·2025-02-05 13:31

Python中的决策树算法探索基本原理

本文将探讨决策树的基本原理，并演示如何使用Python中的scikit-learn库实现决策树算法。
myCOTB·2025-02-05 12:21

机器学习之决策树！决策树算法实战：葡萄酒品质预测

数据集介绍我们将使用著名的UCIMachineLearningRepository中的“葡萄酒品质”数据集。这个数据集包含了葡萄酒的各种化学成分和物理特性，
风清扬雨·2025-02-05 12:18

Gaussian Splatting: 3D Reconstruction and Novel View Synthesis, a Review(3)

ABSTRACTImage-based3Dreconstructionisachallengingtaskthatinvolvesinferringthe3Dshapeofanobjectorscenefromasetofinputimages.Learning-basedmethodshavegainedattentionfortheirabilitytodirectlyestimate3Dsh
于初见月·2025-02-05 01:34

自定义数据集 使用scikit-learn中svm的包实现svm分类

数据集生成：-使用make_classification函数生成包含1000个样本的数据集，设置20个特征，其中10个是有信息的特征，类别数为2，通过设置random_state=42保证每次运行生成的数据相同。数据划分：-使用train_test_split函数将生成的数据集划分为训练集和测试集，测试集占比为20%，同样通过random_state=42保证划分的一致性。SVM模型：-初始化SV
知识鱼丸·2025-02-05 01:31

scikit-learn实现SVM

支持向量机（SVM）是一种监督学习算法，主要用于分类和回归分析。其基本原理是在数据集中找到一个最优的超平面，使得不同类别的数据被最大间隔分开。最大间隔超平面：SVM的目标是找到能够最大化训练样本间隔的超平面。间隔被定义为到最近训练样本点的距离，这些点被称为支持向量。这种策略的优势在于它提供了一种防止模型过拟合的方法，从而提高了泛化能力。核技巧：在实际应用中，许多数据集不是线性可分的，这就需要使用核
PeterClerk·2025-02-04 19:23

自定义数据集 使用scikit-learn中SVM的包实现SVM分类

生成自定义数据集生成一个简单的二维数据集，包含两类数据点，分别用不同的标签表示。importnumpyasnpimportmatplotlib.pyplotasplt#生成数据np.random.seed(42)X=np.r_[np.random.randn(100,2)-[2,2],np.random.randn(100,2)+[2,2]]y=[0]*100+[1]*100#可视化数据plt.s
Luzem0319·2025-02-04 19:22
上一页 3 4 5 6 7 8 9 10 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他