已找到以下 10000 条记录
  • 【高并发】深度解析ScheduledThreadPoolExecutor类源代码

    此时设置执行周期与scheduleAtFixedRate方法设置执行周期不同。此时设置执行周期规则为:下一次任务执行时间是上一次任务完成时间加上delay时长,时长单位由TimeUnit决定。也就是说,具体执行时间不是固定,但是执行周期是固定,整体采用是相对固定的延迟来执行定时任务。

    作者: 冰 河
    发表时间: 2022-10-24 02:10:40
    564
    0
  • 用强化机器学习实现无人机轨迹规划

    DRL),深度强化学习是强化学习深度学习结合结果。顾名思义,就是将传统强化学习某一部分用深度学习来完成。  传统强化学习行为以及价值都是需要人为定义,这也就是为什么传统强化学习起源较早,但是应用并不广泛原因之一。而深度学习恰好将这一问题解决了,强化学习行为以及价

    作者: 小小啦啦
    3521
    0
  • ROS机器人项目开发11例-ROS Robotics Projects(4)物体检测与识别

    ROS Robotics Projects(4)物体检测与识别 这是本书第6章,包括使用单目和深度视觉,分别为2D和3D检测和识别。 用到了一些Github上已有的库和功能包。 以find_object_2d为例(http://wiki.ros.org/find_object_2d):

    作者: zhangrelay
    发表时间: 2021-07-14 20:55:09
    1654
    0
  • 基于Mindspore/dataset/audio/transforms.py代码注释_Part1

    本模块transforms继承自_c_dataengine, 主体基于C++实现, 功能为可以高性能模块化增强音频。 从而使用户可以对音频数据应用适当增强以提高他们训练精度 """ import numpy as np import mindspore

    作者: 井仪
    430
    0
  • 机器学习笔记之奥卡姆剃刀原则

    奥卡姆剃刀原则主张选择与经验观察一致最简单假设,它在自然科学如物理学、天文学等领域中是 一个广为沿用基础性原则,例如哥臼尼坚持 “ 日心说 ” 理由之一就是它比托勒密 “ 地心说” 更简单且符合天文观测.奥卡姆剃刀在机器学习领域也有很多追随者[Blumer et al., 1996].但机器学习 中什么是

    作者: ypr189
    949
    1
  • 机器学习笔记之数据集 D

    给用 户模型另外,需注意是,我们通常把学得模型在实际使用中遇到数据称为测 试数据,为了加以区分,模型评估与选择中用千评估测试数据集常称为 “ 验 证集 ” (validation set).例如,在研究对比不同算法泛化性能时,我们用测试 集上判别效果来估计模型在实际使用时的泛化能力,而把训练数据进行划分。

    作者: ypr1894159
    617
    1
  • 大厂设计模式实战(01)-学习设计模式意义

    get到!因为优秀开源项目、框架、中间件,就像一个集各种高精尖技术在一起战斗机。如果你想剖析它原理、学习技术,而你没有积累深厚基本功,就算把这台战斗机摆在你面前,你也不能完全参透它精髓,只是了解皮毛,看热闹。 5. 为你职场发展做铺垫 普通、低级别的开发工程师

    作者: JavaEdge
    发表时间: 2022-05-11 13:53:47
    1140
    0
  • AI扬尘识别算法

    重庆广睿达科技有限公司扬尘识别是一款基于深度学习算法做扬尘检测算法,重点关注施工工地内以及道路范围内是否按照规定进行洒水降尘,对常见扬尘有很好检测能力重庆广睿达科技有限公司扬尘识别是一款基于深度学习算法做扬尘检测算法,重点关注施工工地内以及道路范围内是否按照规定进行洒水

    交付方式: API
  • 内容检测场景

    力,帮助客户减少业务违规风险。本文列举典型场景客户案例,及对应解决方案。 <align=left><b>内容审核</b></align><p>不合规内容识别和处理是UGC类网站重点工作,基于内容检测,可以识别并预警用户上传不合规内容,帮助客户快速定位处理,降低业务违规风险。</p>

    作者: happ
    58473
    1
  • 物联网学习笔记:(二) 物联网网关

    从不同感知网络到接入网络协议转换、将下层标准格式数据统一封装、保证不同感知网络协议能够变成统一数据和信令;将上层下发数据包解析成感知层协议可以识别的信令和控制指令。2、可管理能力首先要对网关进行管理,如注册管理、权限管理、状态监管等。网关实现子网内节点管理,如

    作者: Tianyi_Li
    1664
    1
  • 应用场景 - 数据接入服务 DIS

    实时收集城市各交通枢纽车辆通行数据,缓存在通道中,分析平台周期读取通道中数据分析后将结果应用到调度系统,实现对停车场开放时长和交通资源调配。 图1 场景示例图 实时文件传输 实时检测客户应用系统中产生文件,并采集上传到云上,进行离线分析、存储查询及机器学习,对客户进行分类和信

  • VScode学习资源链接

    1.官网 任何编程知识,寻找学习资源首选就应该是官网,一个是官网会提供最新更新信息,更为重要是官网会有最为准确标准 这在学习编程等知识时非常重要 https://code.visualstudio.com/ 2.vscode

    作者: CodeAllen
    发表时间: 2021-10-29 17:17:11
    306
    0
  • 什么是对抗性机器学习?攻击和防御类型

    抗性机器学习定义、主要攻击类型、以及防御策略。 1. 对抗性机器学习定义 对抗性机器学习旨在理解和提高机器学习模型在面对对抗性攻击时稳定性和可靠性。攻击者通过对输入数据施加微小扰动,使得经过训练模型产生错误预测,这种攻击手法被称为对抗性攻击。对抗性机器学习不仅关注攻

    作者: wljslmz
    发表时间: 2024-08-12 23:55:38
    11
    0
  • Java学习笔记3.2.3 类封装 - 方法递归

    三、课后作业 任务:采用递归方法获取斐波拉契数列第n项值 五、杂感:“一题多解”与“一诗多译” 零、本讲学习目标 理解递归含义 理解递推与递归区别 掌握如何实现递归 一、理解递推与递归 递推法是由已知向未

    作者: howard2005
    发表时间: 2022-05-11 15:42:55
    902
    0
  • 深度剖析Q-learning中Q值:解锁智能决策密码》

    马上得到奖励;下一个状态是执行当前动作后智能体所处新状态;下一个状态下所有可能动作指在新状态下智能体可以采取各种行动;学习率决定了新信息对Q值影响程度,取值较大时,智能体更倾向于学习经验,快速更新Q值;取值较小时,智能体对已有Q值依赖程度较高,学习新信息速度较慢

    作者: 程序员阿伟
    发表时间: 2025-01-29 17:12:10
    0
    0
  • 【机器学习】嘿马机器学习(科学计算库)第11篇:Pandas,学习目标【附代码文档】

    本教程知识点为:机器学习(常用科学计算库使用)基础定位 机器学习概述 机器学习概述 1.5 机器学习算法分类 1 监督学习 机器学习概述 1.7 Azure机器学习模型搭建实验 Azure平台简介 Matplotlib 3.2 基础绘图功能 — 以折线图为例 1 完善原始折线图

    作者: 程序员一诺python
    发表时间: 2025-01-20 10:16:52
    0
    0
  • 学习React框架-总结

    参加了华为云大前端全栈成长计划学习课程,每次学习一个新知识后都要总结一下学习过程,这样有助于自己知识整理,内容回顾,加深记忆。从前端基础Html,CSS,JavaScript学习,移动端H5开发学习,到前端框架NodeJs、Vue学习,现在已经到了最后一个阶段了。既

    作者: zekelove
    发表时间: 2021-09-17 06:11:47
    2618
    0
  • 分享MindSpore量子机器学习库MindQuantum(1)

    量子世界里,一些实体可以同时处于两种不同状态。例如电子,它自旋可以同时处于向上状态和向下状态,如果我们把这种向上和向下状态分别记为0和1,那么以电子自旋为代表量子比特则可以同时处于0和1叠加态。按照狄拉克符号规则,我们把这种0和1状态分别记为  ,称为右矢表

    作者: 初学者7000
    845
    2
  • 方案概述 - 地图

    物事宜播种范围,动态展示春耕进度; 通过对温度、降水等气象数据汇集,将现阶段与历史数据对比,给出气象对作物生长影响分析,给出建议调控,并对作物长势进行监测。 当前农业生产及管理部门痛点: 农业政府 缺少基于卫星遥感&人工智能能力,无法对园区作物快速精准识别,无法聚焦作物提供农业气象服务和决策分析;

  • 洞悉Hinton胶囊网络

    来自杭州电子科技大学郭春生教授给大家介绍了最新深度学习技术——胶囊网络。

    播放量  8158