已找到以下 10000 条记录
  • 基于LK光流提取算法的图像序列晃动程度计算matlab仿真

    1.算法运行效果图预览 (完整程序运行后无水印) 2.算法运行软件版本 matlab2022a   3.部分核心程序 (完整版代码包含详细中文注释和操作步骤视频) %晃动指标 axes(handles.axes1); imshow(uint8(I0{kk}));

    作者: 简简单单做算法
    发表时间: 2024-09-03 11:39:01
    224
    0
  • 《scikit-learn机器学习常用算法原理及编程实战》—1.4.6 模型性能评估和优化

    模型性能评估和优化  模型出来后,我们需要对机器学习的算法模型进行性能评估。性能评估包括很多方面,具体如下。  训练时长是指需要花多长时间来训练这个模型。对一些海量数据的机器学习应用,可能需要1个月甚至更长的时间来训练一个模型,这个时候算法的训练性能就变得很重要了。  另外,还需要判断数

    作者: 华章计算机
    发表时间: 2019-05-31 15:56:07
    7742
    0
  • 【愚公系列】2023年12月 十一大排序算法(五)-选择排序

    领域知识。 🏆🎉欢迎 👍点赞✍评论⭐收藏 🚀前言 排序算法是一种将一组数据按照特定的规则进行排列的方法。排序算法通常用于对数据的处理,使得数据能够更容易地被查找、比较和分析。 下面是常见的11种排序算法: 冒泡排序(Bubble Sort):比较相邻的元素,如果前

    作者: 愚公搬代码
    发表时间: 2023-12-31 06:03:58
    9
    0
  • 数学建模学习(72):隔离森林算法模型,较大数据集的异常值处理

    何完成的。 隔离森林特点如下: 隔离森林算法是一种集成学习算法 隔离森林算法将异常识别为具有短路径的节点 隔离森林算法具有多个作为“专家”的树,以针对不同的异常 隔离森林算法不是基于模型(model-based)的算法 线性事件复杂度&

    作者: 川川菜鸟
    发表时间: 2022-05-18 15:56:15
    343
    0
  • LeetCode刷题141-简单-环形链表

    ☀️ 前言 ☀️ 算法作为极其重要的一点,是大学生毕业找工作的核心竞争力,所以为了不落后与人,开始刷力扣算法题! 🙀 作者简介 🙀 大家好,我是布小禅,一个尽力让无情的代码变得生动有趣的IT小白,很高兴能偶认识你,关注我,每天坚持学点东西,我们以后就是大佬啦! 📢

    作者: 布小禅
    发表时间: 2021-08-27 00:51:11
    879
    0
  • 如何访问ModelArts Pro - 企业级AI应用开发专业套件 ModelArts Pro

    如何访问ModelArts Pro 云服务平台提供了提供了管理控制台的管理方式。 ModelArts Pro提供了简洁易用的管理控制台,包括自然语言处理、视觉AI、文字识别、语音识别等应用开发功能,您可以在管理控制台端到端完成您的AI应用开发。 使用ModelArts Pro管理控制

  • 准备训练数据 - 知识图谱 KG

    准备训练数据 在创建抽取模型时,需要您提前准备用于训练模型的数据并上传至OBS目录,数据格式为txt文本的自然语言短句。KG服务当前支持的数据类型请参见训练数据类型介绍。 准备数据流程如下: 准备待标注的数据 定义三元组类型(schema) 标注数据 上传至OBS 准备待标注的数据

  • 申请私有证书 - 云证书管理服务 CCM

    参数名称 参数说明 示例 密钥算法 选择待申请私有证书的密钥算法和密钥的位大小。 可选择“RSA2048”、“RSA4096”、“EC256”、“EC384”、“SM2”。 RSA2048 签名哈希算法 当“密钥算法”选择“SM2”时,,待申请私有证书签名哈希算法默认为“SM3”,无需进行选择。

  • 创建VPN连接 - 虚拟专用网络 VPN

    SHA2-256 加密算法 加密算法,支持的算法: AES-128 AES-192 AES-256 3DES(此算法安全性较低,请慎用) 默认配置为:AES-128。 AES-128 DH算法 Diffie-Hellman密钥交换算法,支持的算法: Group 1(此算法安全性较低,请慎用)

  • Python中的函数式编程探究与实践

    代码更加灵活和可扩展。 递归和算法实现:函数式编程更自然地支持递归和递归式算法的实现,因为它强调函数的递归调用和无状态性。这使得函数式编程在一些算法实现中更为简洁和优雅。 解决特定问题:在某些特定的问题领域,如数学建模、符号计算、自然语言处理等,函数式编程的思想和技术更为

    作者: 柠檬味拥抱
    发表时间: 2024-03-23 01:20:57
    1
    0
  • 啥是AI、机器学习与深度学习?

    ”只是大数据技术上的一个应用。常用的10大机器学习算法有:决策树、随机森林、逻辑回归、SVM、朴素贝叶斯、K最近邻算法、K均值算法、Adaboost算法、神经网络、马尔科夫。Apache有个开源项叫mahout,提供了这些经典算法的实现;但是后来spark出来了,由于在内存迭代计

    作者: 大数据杨锋
    发表时间: 2017-10-11 10:10:20
    6522
    0
  • KNN

    @toc 1、最近邻算法   最近邻算法是一种基于实例的学习,或者是局部近似和将所有计算推迟到分类之后的惰性学习,可以用于基本的分类与回归方法。   如下图所示,最近邻算法的工作原理是==存在一个样本数据集合,也称作训练样本集,并且样本集中每个数据都存在标签,即我们知道样本集中

    作者: CodeLeader
    发表时间: 2023-01-09 01:09:25
    88
    0
  • 2022“杭电杯”中国大学生算法设计超级联赛(5)签到题3题

    node 5 using 2 units of power. Total cost=2+8+2=12 Source 2022“杭电杯”中国大学生算法设计超级联赛(5) 题意: 给出一个有n(1e6)个点的树,然后n-1条边都有一个代价(1e6),现在有一个魔法,可以从任意一点u快速

    作者: 小哈里
    发表时间: 2022-08-04 14:57:13
    318
    0
  • 一个使用Mindspore进行简单线性函数拟合的例子

    ndpsore的基本操作。我在学习中发现,官网教程一上来就用一个图片分类的例子作为基础教程,对于初学者来说非常不友好。所以在这里我给大家分享一个我自己参照官网教程编写的,比图片分类更简单的线性函数拟合的例子,希望能对大家学习使用Mindpsore有所帮助。我们希望实现一个对 y =

    作者: Yesterday
    4418
    1
  • 每日算法&面试题,大厂特训二十八天——第十一天(数组)

    目录标题 导读算法特训二十八天面试题点击直接资料领取 导读 肥友们为了更好的去帮助新同学适应算法和面试题,最近我们开始进行专项突击一步一步来。上一期我们完成了动态规划二十一天现在我们进行下一项对各类算法进行二十八天的一个小总结。还在等什么快来一起肥学进行二十八天挑战吧!!

    作者: 肥学
    发表时间: 2022-03-25 16:45:48
    320
    0
  • Meanshift

    通过有限次迭代计算,Meanshift 算法一定可以收敛到图中概率密度最大的位置,即数据分布的稳定点,称为模点。利用Meanshift做图像分割,就是把具有相同模点的像素聚类到同一区域的过程,其形式化定义为:其中,xi表示待聚类的样本点,yk代表点的当前位置,yk+1代表点的下一个位置,h表示带宽。Meanshift

    作者: @Wu
    728
    2
  • 通过Faster R-CNN梳理两阶段目标检测算法框架

    Faster CNN是一个具有里程碑意义的,也是目前用得非常多的两阶段目标检测算法,完全搞懂Faster R-CNN的算法原理对理解两阶段目标检测算法框架非常有帮助。之前下功夫学过一次Faster R-CNN,但当时没有自己整理,现在发现很多细节都不是很清楚。现在决定亲自整理一遍

    作者: hao540137644
    发表时间: 2020-03-19 15:00:51
    12337
    0
  • App ID鉴权(推荐)

    开发者已经为自己的应用申请AppID,并获取App ID和App Key。 开发者在自己的服务端集成Signature生成算法,请参考“第三方服务集成Signature生成算法”。 SDK初始化时传入App ID,请参考《客户端SDK参考》中各个端的“初始化”接口。

  • 软件安全服务域_招聘_社会招聘

    有良好的编程习惯; 3、具备独立工作能力和解决问题的能力、善于沟通,乐于合作,热衷新技术,善于总结分享,喜欢动手实践; 4、对数据结构、算法有一定了解; 5、优选条件: (1)熟悉云计算/大数据/机器学习等某一特定领域的工程方法或工具; (2)有IT应用软件、互联网软件、IOS

  • 【转载】MindSpore AI科学计算系列(11):基于AlphaFold2算法的蛋白质结构预测推理工具在MindSpore中

    】,相比于原版算法端到端运算速度有2-3倍的提升。图1 昇思MindSpore模型与AlphaFold2精度对比图2 通过昇思MindSpore预测的T1079,绿色代表试验获得,红色代表预测获得。针对蛋白质结构预测及折叠问题,联合团队未来还会发布创新的全栈(算法+软件+硬件)国

    作者: sayhifive
    3227
    0