已找到以下 10000 条记录
  • 学习文章】基于云桌面实现网络安全隔离的应用

    摘要:网络安全隔离技术是保护企业内部信息安全的重要手段,一般通过传统网络设备,如防火墙、网闸等实现隔离,但安全规则相对固化,无法较好满足灵活多变的业务需求。对实际外联需求进行分析,利用云桌面技术,结合合理的网络规划,设计并实现一种能够普遍推广的网络安全隔离应用方式。通过灵活运用更多安全手段

    作者: yidaodao
    2170
    0
  • 华为云API入门学习赛:AI人脸识别【简单分享】

    今天是最后一天冲鸭!!!活动时间:11月16日~11月20日奖励规则:在11月16日至20日的5天时间内,按照操作指导完成作品提交,且成绩50分及以上(按照操作指导完成即可获得50分),即可获得作品提交当日的抽奖机会。抽奖规则:每天针对提交作品的同学进行抽奖,中奖概率为当日提交作

    作者: 橙子是红的
    635
    1
  • 【物联网课程学习课堂笔记】《人人学IoT》2.2 OC的特性

    2.2 OC的特性 业务使能层的主要功能:API&APP开放管理、数据管理、规则引擎 设备连接层的主要功能:设备管理、传输协议适配、轻量化鉴权设备(网关)管理:用户在SP Portal通过REST接口和HTTPS协议下发命令到OC的DM Server,DM Server通过CoA

    作者: 苏慕言
    1335
    0
  • 机器学习的资料,有视频,文档和代码,大家充充电吧

           [hide]链接:https://pan.baidu.com/s/1eok5XNkaz0-M4hLtlHG7Cw提取码:6qi8链接:https://pan.baidu.com/s/1ZKJyE1DIyLzab_X4VDFa0w提取码:qjw4链接:https://pan

    作者: ecstatic
    14177
    30
  • AutoSearch框架“ModelArts人工智能应用开发指南” 学习笔记

    AutoSearch框架ModelArts内置了自研的AutoSearch引擎,可以帮助开发者自动搜索数据增强策略,模型架构,优化器超参及模型压缩策略等,以最小的成本实现人工训练过程的自动化,在超参搜索方面,MoXing的HyperSelector搜索速度很快,但是依赖于MoXi

    作者: QGS
    2661
    4
  • 学习文献】云计算中存储数据安全性研究

    摘要:针对云计算中存储数据安全性问题,提出了一种基于显式精确最小存储再生代码(explicit exact minimal storage regenerating code,EEMSR)的云存储数据安全性新方法,该方法采用EEMSR和哈希函数通过Challenge-Respon

    作者: yidaodao
    1963
    1
  • 华为云API入门学习赛:AI人脸识别(分享贴)

    作者昵称:王亦臻大赛链接:https://competition.huaweicloud.com/information/1000041287/introduction、正文:从华为云高校青年活动得知有AI人脸识别大赛这次技术活动,就参与了。按照大赛给与的赛题指导,一步一步操作,

    作者: 小番茄11
    225
    0
  • 华为云API入门学习赛:AI人脸识别(分享贴)

    从华为云高校青年活动得知有AI人脸识别大赛这次技术活动,就参与了。按照大赛给与的赛题指导,一步一步操作,明白了人脸识别下的API服务。直接上传准备好的人脸图片,然后按照操作,调试。结果图:以后直接调用API,就可以识别人的各种信息,很方便。

    作者: 王亦臻
    1538
    1
  • [学习微服务-第1天] ServiceComb+SpringCloud Zuul网关

    在微服务架构模式中后端服务的实例数一般是动态的,于客户端而言很难发现动态改变的服务实例的访问地址信息,服务网关能对用户提供统一的入口。 ServiceComb Java-Chassis 内置了网关服务EdgeService,开发者可以非常简单的搭建一个EdgeService服务。具体可参考:https://docs

    作者: 花花
    7734
    0
  • 【SQL语言基础学习】零基础如何玩转PL/SQL DEVELOPER?

    一、介绍PL/SQL DEVELOPER是一个集成开发环境,它专门针对Oracle数据库的存储程序单元的开发所用。PL/SQL开发者在开发Oracle应用程序的时候都注重于开发工具简单易用,代码简洁和开发效率高等特点。二、下载和安装想要使用 PL/SQL DEVELOPER ,需要先下载安装介质:PL/SQL

    作者: yr云淡风轻
    4502
    0
  • 【AI实战营】第五章OCR延伸学习材料

    1. 参考文章传统OCR识别综述文字识别在计算机视觉的重要性、基本技术和最新进展2. 算法2.1 文字检测文字检测算法基本上经历了以下几个阶段:(1)基于文字笔画特征点的文字检测算法FASText,2015,该论文认为所有的文字都是由笔画构成的,因此可以使用一个笔画特征点检测器先

    作者: ModelArts开发者
    10269
    42
  • 深入学习区块链的隐私保护(五)数据隐私保护

    区块链作为公开账本解决了各方信任问题,但却带来了一个新的问题: 用户的隐私如何得到保证?这在传统的集中式系统中,不存在此问题,或者 说只有“可信”第三方拥有上帝视角。如果在区块链上用户的交易信息被恶意 敌手进行分析和利用,将给用户带来严重的威胁。隐私保护问题不仅在公链 中需要考虑

    作者: 区块链小白白
    78
    0
  • 深度解析NLP文本摘要技术:定义、应用与PyTorch实战

    quo;可再生能源”可能具有较高的TF-IDF权重,因此包含这些词汇的句子可能会被选为摘要的一部分。 2.3 深度学习的应用 近年来,随着深度学习技术的发展,尤其是循环神经网络(RNN)和变压器(Transformers)的引入,文本摘要领域得到了革命性的提升。这些技

    作者: TechLead
    发表时间: 2023-11-05 09:23:07
    15
    0
  • 【我要去HDC2021 】每天学习《初识华为云IoT Studio》

    华为云账号:Jack20Flag:每天坚持学习一点《初识华为云IoT Studio》,不断提高自己物联网方面的知识,冲冲冲课程链接:https://education.huaweicloud.com/courses/course-v1:HuaweiX+CBUCNXT010+Self-paced/about

    作者: Jack20
    1448
    32
  • Python监督学习之分类算法的概述

    初入机器学习,无论是在书本上,还是在学习平台上,第一个介绍的就是监督学习,那么什么是监督学习呢?监督——顾名思义,把你“看着学习”,说的直白一点就是让你的计算机明白一种规律,并且按照这种规律进行大量的学习,最后通过该规律进行预测或者分类。 生活

    作者: 王小王-123
    发表时间: 2022-01-24 14:32:40
    645
    0
  • Opengl es2.0 学习笔记(一)初始化

    EGL_RED_SIZE, 8, //r 8位 EGL_DEPTH_SIZE,24,//深度24位 EGL_NONE// }; EGLint format(0);

    作者: 鱼酱
    发表时间: 2022-01-06 15:45:28
    767
    0
  • 其他维度评估“ModelArts人工智能应用开发指南” 学习笔记

    入,评价模型输入输出是否产生巨大变化。对抗样本就是向原始样本中添加一些难以察觉的噪声。添加这些噪声后不会影响人类的识别,但是很容易欺骗机器学习模型,使其做出与正确结果完全不同的判定。对抗性样本的存在导致模型的脆弱性,成为模型在许多关键的安全环境中的主要风险之一。生成样本(伪造样本

    作者: QGS
    2946
    3
  • 吴恩达机器学习课程——单变量线性回归

    线性回归 在上一篇文章中,我们介绍了机器学习可以划分为监督学习(Supervised Learning)与无监督学习(Unsupervised Learning),监督学习即一致数据的正确答案:‘right answer’ for each example in the data。

    作者: KevinQ
    发表时间: 2022-01-11 10:11:44
    1138
    0
  • 地球引擎中级教程——机器学习参数调优

    提高机器学习模型准确性的推荐最佳实践是调整不同的参数。例如,在使用ee.Classifier.smileRandomForest()分类器时,我们必须指定Number of Trees。我们知道更多的树会导致更多的计算需求,但这并不一

    作者: 此星光明
    发表时间: 2022-04-15 17:25:53
    980
    0
  • 深度学习应用篇-自然语言处理-命名实体识别[9]:BiLSTM+CRF实现命名实体识别、实体、关系、属性抽取实战项目合集

    小样本下NER 针对小样本问题,可以使用迁移学习或元学习等技术来解决。迁移学习是指将预先训练好的模型应用于新任务中,从而将新任务的训练时间缩短,但前提是预训练模型和待解决的任务有一定的相关性。元学习则是一种针对小样本学习问题的方法,它能够通过学习如何学习来提高模型在少量样本的情况下的泛化能力。

    作者: 汀丶
    发表时间: 2023-06-12 11:26:55
    32
    0