自然语言处理Python进阶
作者:Krishna Bhavsar, Pratap Dangeti
出版社:机械工业出版社
ISBN:9787111616436
VIP会员免费
(仅需0.8元/天)
¥ 25.0
温馨提示: 价值40000元的1000本电子书,VIP会员随意看哦!
电子书推荐
-
自然语言处理综论 评分:
本书是一本全面系统地讲述计算机自然语言处理的优秀教材。本书英文版出版之后好评如潮,国外许多著名大学纷纷把本书选为自然语言处理和计算语言学课程的主要教材,该书被誉为该领域教材的“黄金标准”。本书包含的内容十分丰富,分为四个部分,共21章,深入细致地探讨了计算机处理自然语言的词汇、句法、语义、语用等各个方面的问题,介绍了自然语言处理的各种现代技术。从层次的角度看,本书的论述是按照自然语言的不同层面逐步展开的,首先论述单词的自动形态分析,接着论述自动句法分析,然后论述各种语言单位的自动语义分析,最后论述连贯文本的自动分析、对话与会话的智能代理以及自然语言生成。从技术的角度看,本书介绍了正则表达式、有限状态自动机、文本-语音转换、发音与拼写的概率模型、词类自动标注、N元语法、隐马尔可夫模型、上下文无关语法、特征与合一、词汇化剖析与概率剖析、一阶谓词演算、词义排歧、修辞结构理论、机器翻译等非常广泛的内容。本书具有“覆盖全面、注重实用、强调评测、语料为本”四大特色。在本书的配套网站上,还提供了相关的资源和工具,便于读者在实践中进一步提高。, -------, 目录, 第1章 导论, 1.1 语音与语言处理中的知识, 1.2 歧义, 1.3 模型和算法, 1.4 语言. 思维和理解, 1.5 学科现状与近期发展, 1.6 语音和语言处理简史, 1.6.1 基础研究:20世纪40年代和20世纪50年代, 1.6.2 两个阵营:1957年至1970年, 1.6.3 四个范型:1970年至1983年, 1.6.4 经验主义和有限状态模型的复苏:1983年至1993年, 1.6.5 不同领域的合流:1994年至1999年, 1.6.6 多重发现, 1.6.7 心理学的简要注记, 1.7 小结, 1.8 文献和历史说明, 第一部分 词汇的计算机处理, 第2章 正则表达式与自动机, 2.1 正则表达式, 2.1.1 基本正则表达式模式, 2.1.2 析取. 组合与优先关系, 2.1.3 一个简单的例子, 2.1.4 一个比较复杂的例子, 2.1.5 高级算符, 2.1.6 正则表达式中的替换. 存储器与ELIZA, 2.2 有限状态自动机, 2.2.1 用FSA来识别羊的语言, 2.2.2 形式语言, 2.2.3 另外的例子, 2.2.4 非确定FSA, 2.2.5 使用NFSA接收符号串, 2.2.6 识别就是搜索, 2.2.7 确定自动机与非确定自动机的关系, 2.3 正则语言与FSA, 2.4 小结, 2.5 文献和历史说明, 第3章 形态学与有限状态转录机, 3.1 英语形态学概观, 3.1.1 屈折形态学, 3.1.2 派生形态学, 3.2 有限状态形态剖析, 3.2.1 词表和形态顺序规则, 3.2.2 用有限状态转录机进行形态剖析, 3.2.3 正词法规则和有限状态转录机, 3.3 把FST词表与规则相结合, 3.4 与词表无关的FST:PORTER词干处理器, 3.5 人是怎样进行形态处理的, 3.6 小结, 3.7 文献和历史说明, 第4章 计算音系学与文本-语音转换, 4.1 言语语音与语音标音法, 4.1.1 发音器官, 4.1.2 辅音:发音部位, 4.1.3 辅音:发音方法, 4.1.4 元音, 4.1.5 音节, 4.2 音位和音位规则, 4.3 音位规则和转录机, 4.4 计算音系学中的一些高级问题, 4.4.1 元音和谐, 4.4.2 模板式形态学, 4.4.3 优选理论, 4.5 音位规则的机器学习, 4.6 TTS中从文本映射到语音, 4.6.1 发音词典, 4.6.2 词典之外的查找:文本分析, 4.6.3 基于有限状态转录机(FST)的发音词典, 4.7 文本-语音转换中的韵律, 4.7.1 韵律的音系学性质, 4.7.2 韵律的语音和声学性质, 4.7.3 语音合成中的韵律, 4.8 人处理音位和形态的过程, 4.9 小结, 4.10 文献和历史说明, 第5章 发音与拼写的概率模型, 5.1 关于拼写错误, 5.2 拼写错误模式, 5.3 非词错误的检查, 5.4 概率模型, 5.5 把贝叶斯方法应用于拼写, 5.6 最小编辑距离, 5.7 英语的发音变异, 5.8 发音问题研究中的贝叶斯方法, 5.8.1 发音变异的决策树模型, 5.9 加权自动机, 5.9.1 从加权自动机计算似然度:向前算法, 5.9.2 解码:Viterbi算法, 5.9.3 加权自动机和切分, 5.9.4 用切分来进行词表的自动归纳, 5.10 人类发音研究, 5.11 小结, 5.12 文献和历史说明, 第6章 N元语法, 6.1 语料库中单词数目的计算, 6.2 简单的(非平滑的)N元语法, 6.2.1 N元语法及其对训练语料库的敏感性, 6.3 平滑, 6.3.1 加1平滑, 6.3.2 Witten-Bell打折法, 6.3.3 Good-Turing打折法, 6.4 回退, 6.4.1 回退与打折相结合, 6.5 删除插值法, 6.6 拼写和发音的N元语法, 6.6.1 上下文有关的错拼更正, 6.6.2 发音模型的N元语法, 6.7 熵, 6.7.1 用于比较模型的交叉熵, 6.7.2 英语的熵, 6.8 小结, 6.9 文献和历史说明, 第7章 HMM与语音识别, 7.1 语音识别的总体结构, 7.2 隐马尔可夫模型概述, 7.3 再谈Viterbi算法, 7.4 先进的解码方法, 7.4.1 A*解码算法, 7.5 语音的声学处理, 7.5.1 声波, 7.5.2 怎样解释波形, 7.5.3 声谱, 7.5.4 特征抽取, 7.6 声学概率的计算, 7.7 语音识别系统的训练, 7.8 用于语音合成的波形生成, 7.8.1 音高和音延的修正, 7.8.2 单元选择, 7.9 人的语音识别, 7.10 小结, 7.11 文献和历史说明, 第二部分 句法的计算机处理, 第8章 词的分类与词类标注, 8.1 大多数英语词的分类, 8.2 英语的标记集, 8.3 词类标注, 8.4 基于规则的词类标注, 8.5 随机词类标注, 8.5.1 说明问题的一个例子, 8.5.2 实际的HMM标注算法, 8.6 基于转换的标注, 8.6.1 怎样应用TBL规则, 8.6.2 怎样学习TBL规则, 8.7 其他问题, 8.7.1 多重标记和多项词, 8.7.2 未知词, 8.7.3 基于类的N元语法, 8.8 小结, 8.9 文献和历史说明, 第9章 英语的上下文无关语法, 9.1 组成性, 9.2 上下文无关规则和树, 9.3 句子级的结构, 9.4 名词短语, 9.4.1 在中心名词前的成分, 9.4.2 名词后的成分, 9.5 并列关系, 9.6 一致关系, 9.7 动词短语和次范畴化, 9.8 助动词, 9.9 口语的句法, 9.9.1 不流畅现象, 9.10 语法等价与范式, 9.11 有限状态语法和上下文无关语法, 9.12 语法和人的语言处理, 9.13 小结, 9.14 文献和历史说明, 第10章 基于上下文无关语法的剖析, 10.1 剖析就是搜索, 10.1.1 自顶向下剖析, 10.1.2 自底向上剖析, 10.1.3 自顶向下剖析与自底向上剖析的对比, 10.2 基本的自顶向下剖析, 10.2.1 增加自底向上过滤, 10.3 基本的自顶向下剖析的问题, 10.3.1 左递归, 10.3.2 歧义, 10.3.3 子树的重复剖析, 10.4 Earley算法, 10.4.1 预测, 10.4.2 扫描, 10.4.3 完成, 10.4.4 示例, 10.4.5 从线图中检索剖析树, 10.5 有限状态剖析方法, 10.6 小结, 10.7 文献和历史说明, 第11章 特征与合一, 11.1 特征结构, 11.2 特征结构的合一, 11.3 语法中的特征结构, 11.3.1 一致关系, 11.3.2 中心语特征, 11.3.3 次范畴化, 11.3.4 其他词类的次范畴化, 11.3.5 长距离依存关系, 11.4 合一的实现, 11.4.1 合一的数据结构, 11.4.2 合一算法, 11.5 带有合一约束的剖析, 11.5.1 把合一结合到Earley剖析器中, 11.5.2 复制的必要性, 11.5.3 合一剖析, 11.6 类型与继承, 11.6.1 类型的扩充, 11.6.2 合一的其他扩充, 11.7 小结, 11.8 文献和历史说明, 第12章 词汇化剖析与概率剖析, 12.1 概率上下文无关语法, 12.1.1 PCFG的概率CYK剖析, 12.1.2 PCFG概率的学习, 12.2 PCFG的问题, 12.3 概率词汇化的CFG, 12.4 依存语法, 12.4.1 范畴语法, 12.5 人的剖析, 12.6 小结, 12.7 文献和历史说明, 第13章 语言的复杂性, 13.1 Chomsky层级, 13.2 怎么判断一种语言不是正则的, 13.2.1 抽吸引理, 13.2.2 英语和其他自然语言是正则语言吗, 13.3 自然语言是上下文无关的吗, 13.4 计算复杂性和人的语言处理, 13.5 小结, 13.6 文献和历史说明, 第三部分 语义的计算机处理, 第14章 意义的表示法, 14.1 意义表示的计算要求, 14.1.1 可能性验证, 14.1.2 无歧义表示, 14.1.3 规范形式, 14.1.4 推论与变元, 14.1.5 表达能力, 14.2 语言的意义结构, 14.2.1 谓词论元结构, 14.3 一阶谓词演算, 14.3.1 FOPC基础, 14.3.2 FOPC的语义, 14.3.3 变量和逻辑量词, 14.3.4 推论, 14.4 某些与语言学相关的概念, 14.4.1 范畴, 14.4.2 事件, 14.4.3 时间表示, 14.4.4 体, 14.4.5 信念表示, 14.4.6 缺陷, 14.5 有关的表示方法, 14.6 意义的其他表示方法, 14.6.1 作为行动的意义, 14.6.2 作为真值的意义, 14.7 小结, 14.8 文献和历史说明, 第15章 语义分析, 15.1 句法驱动的语义分析, 15.1.1 给上下文无关语法规则扩充语义, 15.1.2 量词辖域和复杂项的转译, 15.2 给英语片断附加语义分析, 15.2.1 句子, 15.2.2 名词短语, 15.2.3 动词短语, 15.2.4 介词短语, 15.3 把语义分析结合到Earley剖析中, 15.4 惯用语和组成性, 15.5 鲁棒的语义分析, 15.5.1 语义语法, 15.5.2 信息抽取, 15.6 小结, 15.7 文献和历史说明, 第16章 词汇语义学, 16.1 词位及其涵义之间的关系, 16.1.1 同形关系, 16.1.2 多义关系, 16.1.3 同义关系, 16.1.4 上下位关系, 16.2 WORDNET:词汇关系信息库, 16.3 词的内在结构, 16.3.1 题元角色, 16.3.2 选择限制, 16.3.3 基元分解, 16.3.4 语义场, 16.4 语言的创造性与词典, 16.4.1 隐喻, 16.4.2 换喻, 16.4.3 隐喻和换喻的计算方法, 16.5 小结, 16.6 文献和历史说明, 第17章 词义排歧与信息检索, 17.1 基于选择限制的排歧, 17.1.1 选择限制的局限性, 17.2 鲁棒的词义排歧, 17.2.1 机器学习方法, 17.2.2 基于词典的方法, 17.3 信息检索, 17.3.1 向量空间模型, 17.3.2 检索词加权, 17.3.3 检索词的选择和创造, 17.3.4 同形关系. 多义关系和同义关系, 17.3.5 改进用户的查询条件, 17.4 信息检索的其他任务, 17.5 小结, 17.6 文献和历史说明, 第四部分 语用的计算机处理, 第18章 话语, 18.1 所指判定, 18.1.1 所指现象, 18.1.2 同指的句法和语义约束, 18.1.3 代词解释中的优先关系, 18.1.4 代词判定算法, 18.2 文本的连贯, 18.2.1 现象, 18.2.2 基于推理的判定算法, 18.3 话语结构, 18.4 所指和连贯的心理语言学研究, 18.5 小结, 18.6 文献和历史说明, 第19章 对话与会话智能代理, 19.1 什么使对话出现差别, 19.1.1 话轮和话段, 19.1.2 对话的共同基础, 19.1.3 会话隐涵, 19.2 对话行为, 19.3 对话行为的自动解释, 19.3.1 对话行为的计划推理解释, 19.3.2 对话行为的基于提示的解释, 19.3.3 要点, 19.4 对话结构与连贯性, 19.5 会话智能代理中的对话管理, 19.6 小结, 19.7 文献和历史说明, 第20章 自然语言生成, 20.1 语言生成导引, 20.2 生成的体系结构, 20.3 表层实现, 20.3.1 系统语法, 20.3.2 功能合一语法, 20.3.3 要点, 20.4 话语规划, 20.4.1 文本说明图, 20.4.2 修辞关系, 20.4.3 小结, 20.5 其他问题, 20.5.1 微规划, 20.5.2 词汇选择, 20.5.3 生成系统评价, 20.5.4 语音生成, 20.6 小结, 20.7 文献和历史说明, 第21章 机器翻译, 21.1 语言的相似性和差异性, 21.2 转换模型, 21.2.1 句法转换, 21.2.2 词汇转换, 21.3 中间语的思想:使用意义, 21.4 直接转换, 21.5 使用统计技术, 21.5.1 流畅性的量化, 21.5.2 忠实性的量化, 21.5.3 输出的搜索, 21.6 可用性与系统开发, 21.7 小结, 21.8 文献和历史说明, 附录A 正则表达式的算符, 附录B PORTER STEMMING算法, 附录C 标记集C5和C7, 附录D HMM模型的训练:向前-向后算法, 参考文献, 术语表
上传时间:2018-01 大小:40.47MB
- 39.28MB
Speech and Language Processing,自然语言处理综论
2015-09-17Stanford大学的 Dan Jurafsky编著的经典NLP入门教材,Speech and Language Processing(自然语言处理综论)的中译本,本书英文版出版之后好评如潮,国外许多著名大学纷纷把本书选为自然语言处理和计算语言学课程的主要...
- 181.40MB
自然语言处理综论 第2版_2018.03_784_14391789.pdf
2019-07-21本书第一版综合了自然语言处理、计算语言学和语音识别的内容,全面论述计算机自然语言处理,深入探讨计算机处理自然语言的词汇、句法、语义、语用等各个方面的问题,介绍了自然语言处理的各种现代技术。该版对于第一...
- 39.27MB
自然语言处理综论 冯志伟译著
2018-06-04自然语言处理综论 冯志伟译著 本书是一本全面系统地讲述计算机自然语言处理的优秀教材。本书英文版出版之后好评如潮,国外许多著名大学纷纷把本书选为自然语言处理和计算语言学课程的主要教材,该书被誉为该领域教材...
- 53.89MB
自然语言处理综论(中英文)
2018-02-06自然语言处理综论,包含中文与英文两个版本。自然语言处理 入门书籍,很有帮助
- 40.52MB
自然语言处理综论#(美)Daniel Jurafsky著 冯志伟译.pdf
2019-06-04自然语言学习必备书籍,清华大学刘知远老师推荐,冯老师的经典作品
- 46.96MB
EM算法&Learn Python the Hard Way(第三版)&PYTHON自然语言处理中文版&集体智慧编程&自然语言处理综论 第二版
2017-02-03EM算法&Learn Python the Hard Way(第三版)&PYTHON自然语言处理中文版&集体智慧编程&自然语言处理综论 第二版
- 1.66MB
人工智能-语音识别-《自然语言处理综论》(节选)翻译实践报告.pdf
2022-06-27人工智能-语音识别-《自然语言处理综论》(节选)翻译实践报告.pdf
- 18.23MB
Speech and Language Processing draft en 3rd edition , 自然语言处理综论 第三版 9/23, 2018
2018-10-12自然语言处理综论,Daniel Jurafsky, Stanford University 斯坦福 教科书,第三版 draft,大幅增加了 神经网络内容,包括RNN 、lstm等,并且有独立的章节进行分析讨论。
- 5.3MB
英文版自然语言处理综论
2018-05-18知网论文,关于自然语言处理微博短文本。。。。。。。。。。
- 12.98MB
自然语言处理综论(第二版,英文打印版)
2018-08-22Daniel Jurafsky的《Speech and Language Processing(Second Edition)》是自然语言处理和计算语言学的开山扛鼎之作,这里对手稿重新编辑、排版以便打印。
- 1.95MB
ChatGPT教程(终极版)最全整理
2023-05-16这是一篇动了某些人利益的良心教程。 这是一篇姗姗来迟的ChatGPT教程。 纯小白关于ChatGPT入门,你看我这篇文章就够了。 如果你已经用上了ChatGPT,更要恭喜你挖到宝藏,后面的高级技巧一定能让你有收获。 文章包含以下内容: 一、ChatGPT是啥?有什么用; 二、ChatGPT如何注册; 三、ChatGPT使用方法; 四、用ChatGPT搞钱; 五、高级技巧;
- 1.7MB
yolov8调用zed相机实现三维测距(版本一)
2024-04-16yolov8调用zed相机实现三维测距(版本一),具体内容见博客https://blog.csdn.net/qq_45077760?type=blog
- 6.77MB
基于Python+pytorch的图像处理+附完整代码图像处理,能够轻松实现图像的读取、显示、裁剪等还有机器学习等操作
2024-04-17Python+PyTorch:图像处理界的“瑞士军刀” 在图像处理这个充满魔法的世界里,Python和PyTorch这对黄金搭档,就像一位技艺高超的魔法师和一把无所不能的“瑞士军刀”,总能轻松解决各种看似棘手的难题。它们以高效、灵活和强大的特性,引领着图像处理技术的发展潮流,让无数开发者为之倾倒。Python,这位优雅的魔法师,以其简洁易懂的语法和丰富的库资源,赢得了广大开发者喜爱。无论是数据处理、机器学习还是深度学习,Python都能轻松应对,展现出其无与伦比的魅力。在图像处理领域,Python更是如鱼得水,通过OpenCV、PIL等库,能够轻松实现图像的读取、显示、裁剪、缩放、滤波等操作,让图像在指尖起舞。而PyTorch,这把图像处理界的“瑞士军刀”,则以其灵活性和易用性,成为深度学习领域的翘楚。它拥有强大的自动求导功能,能够轻松构建和训练复杂的神经网络模型。在图像处理中,PyTorch能够助力开发者构建出各种高效的图像识别、分割、生成等模型,让图像焕发出新的生机。想象一下,当你掌握了Python和PyTorch这对黄金搭档,就如同掌握了一把魔法杖和一把瑞士军刀。必然大可作为
- 58KB
博客中Kmeans以及FCM算法数据(免积分)
2023-05-16博客中Kmeans以及FCM算法的数据,包括IRIS鸢尾花数据集、Wine葡萄酒数据集、Seed小麦种子数据集、glass数据集、WDBD乳腺癌数据集,下载在直接存入项目文件夹即可,如果下载不了,可以私信我,看到后会及时回复。
- 1.25MB
hugging face的models-openai-clip-vit-large-patch14文件夹
2023-10-25用于无法访问hugging face并需要运行stable-diffusion-webui时使用
- 10KB
神经网络回归预测--气温数据集
2021-11-26神经网络回归预测--气温数据集
- 1.87MB
XGBoost+LightGBM+LSTM-光伏发电量预测
2022-12-24包含比赛代码、数据、训练后的神经网络模型等。 在分析光伏发电原理的基础上,论证了辐照度、光伏板工作温度等影响光伏输出功率的因素,通过实时监测的光伏板运行状态参数和气象参数建立预测模型,预估光伏电站瞬时发电量,根据光伏电站DCS系统提供的实际发电量数据进行对比分析,验证模型的实际应用价值。 1 数据探索与数据预处理 1.1 赛题回顾 1.2 数据探索性分析与异常值处理 1.3 相关性分析 2 特征工程 2.1 光伏发电领域特征 2.2 高阶环境特征 3 模型构建与调试 3.1 预测模型整体结构 3.2 基于LightGBM与XGBoost的构建与调试 3.3 基于LSTM的模型构建与调试 3.4 模型融合与总结 4 总结与展望 参考文献
- 2.20MB
Mathwork+Matlab+编程手册
2023-08-25Introduction to Programming with MATLAB ~ Vanderbilt University
- 321KB
Stable-Diffusion WEBUI 简体中文语言包(2023.05.30更新)
2023-05-30AI绘图,Stable-Diffusion WEBUI,本地化(简体中文)语言文件。 原始文件来自翻译插件,根据自己实际使用情况,增加和修改了一些翻译。 配合【双语插件】看上去要自然一点,内容还在继续完善中。 本次增加了一些翻译内容,特别是插件。 同时继续合并了其它翻译插件的内容。 最近文字提示修改得有点多啊。 请放入“你的SDWebUI项目位置/localizations/”中。 中文翻译部分删掉了不少括起来的英文原文,所以别直接选它用。 请配合【Bilingual Localization】插件使用,双语同时显示,效果最好。
- 407KB
时间序列预测模型实战案例(Xgboost)(Python)(机器学习)包括时间序列预测和时间序列分类,点击即可运行!
2023-09-25内容概要 资源包括三部分(时间序列预测部分和时间序列分类部分和所需的测试数据集全部包含在内) 在本次实战案例中,我们将使用Xgboost算法进行时间序列预测。Xgboost是一种强大的梯度提升树算法,适用于各种机器学习任务,它最初主要用于解决分类问题,在此基础上也可以应用于时间序列预测。 时间序列预测是通过分析过去的数据模式来预测未来的数值趋势。它在许多领域中都有广泛的应用,包括金融、天气预报、股票市场等。我们将使用Python编程语言来实现这个案例。 其中包括模型训练部分和保存部分,可以将模型保存到本地,一旦我们完成了模型的训练,我们可以使用它来进行预测。我们将选择合适的输入特征,并根据模型的预测结果来生成未来的数值序列。最后,我们会将预测结果与实际观测值进行对比,评估模型的准确性和性能。 适合人群:时间序列预测的学习者,机器学习的学习者, 能学到什么:本模型能够让你对机器学习和时间序列预测有一个清楚的了解,其中还包括数据分析部分和特征工程的代码操作 阅读建议:大家可以仔细阅读代码部分,其中包括每一步的注释帮助读者进行理解,其中涉及到的知识有数据分析部分和特征工程的代码操作。
- 1.3MB
亚博K210模型训练部署
2023-07-11亚博K210模型训练部署
- 17.85MB
中文短信数据集-带标签
2024-02-05本数据集可用于进行文本分类、信息检索等自然语言处理实验,共包含80万条短信。数据集每行为1条短信,格式为“标签\t短信内容”,标签=0表示正常短信,标签=1表示垃圾短信。基于该数据集的文本分类详见文章https://blog.csdn.net/baidu_40395808/article/details/135793836,基于该数据集的信息检索详见文章https://blog.csdn.net/baidu_40395808/article/details/135897480。 示例如下: 0 商业秘密的秘密性那是维系其商业价值和垄断地位的前提条件之一 1 《依林美容》三.八.女人节倾情大放送活动开始啦!!!!超值套餐等你拿,活动时间x月x日一x月xx日, 详情进店咨询。美丽热线x
- 174.14MB
Plecs电力电子仿真PLECS41.64 电力系统仿真软件免安装版本
2023-02-02超级容易学习的电力电子仿真软件。 PLECS是一个用于电路和控制结合的多功能仿真软件,尤其适用于电力电子和传动系统。 对于仿真Buck电路,Boost电路,单相整流电路,单相逆变电路,三相整流电路,三相逆变电路,LLC电路等都能够完美实现。并且能够直接使用C语言进行编程仿真,让代码直接写完以后完整运行到控制板中。 Plecs主要解决了Matlab Simulink仿真速度很慢,学习过程复杂和困难等问题。 Plexim在电力电子仿真领域处于世界领先地位。首要软件产品PLECS可以协助用户加快产品开发和创新流程。其优势来源于先进的编程技术,以及融合了非常规建模概念的仿真算法。通过认真听取工程师的需求和建议,我们能够为客户的今天和未来提供满意的解决方案。 从2002年开始,PLECS已经在众多工业领域成为电力电子仿真的标准。典型应用涵盖新能源,车辆电子,航空航天,工业及牵引驱动等。
- 1.29MB
基于鲸鱼优化算法优化VMD参数试看效果代码(目标函数为样本熵)
2022-10-301.采用鲸鱼算法优化VMD分解层数和惩罚系数的MATLAB代码,目标函数根据样本熵计算。直接运行,可以换数据。 2.核心算法加密,有需要请在CSDN联系作者。
- 20KB
机器学习期末复习题及答案
2023-03-19机器学习期末复习题及答案
- 28.70MB
EDA探索式数据分析案例数据集
2024-02-25EDA探索式数据分析案例数据集
- 1.49MB
ML自学用,代码来自机器学习实战,我做了部分修改和大量注释。.zip
2024-04-18机器学习是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。它专门研究计算机如何模拟或实现人类的学习行为,以获取新的知识或技能,并重新组织已有的知识结构,从而不断改善自身的性能。机器学习是人工智能的核心,也是使计算机具有智能的根本途径。 应用: 机器学习在各个领域都有广泛的应用。在医疗保健领域,它可用于医疗影像识别、疾病预测、个性化治疗等方面。在金融领域,机器学习可用于风控、信用评分、欺诈检测以及股票预测。此外,在零售和电子商务、智能交通、生产制造等领域,机器学习也发挥着重要作用,如商品推荐、需求预测、交通流量预测、质量控制等。 优点: 机器学习模型能够处理大量数据,并在相对短的时间内产生可行且效果良好的结果。 它能够同时处理标称型和数值型数据,并可以处理具有缺失属性的样本。 机器学习算法如决策树,易于理解和解释,可以可视化分析,容易提取出规则。 一些机器学习模型,如随机森林或提升树,可以有效地解决过拟合问题。 缺点: 机器学习模型在处理某些特定问题时可能会出现过拟合或欠拟合的情况,导致预测结果不准确。 对于某些复杂的非线性问题,单一的机器学习算法可能难以有效地进行建模和预测。 机器学习模型的训练通常需要大量的数据和计算资源,这可能会增加实施成本和时间。 总的来说,机器学习虽然具有许多优点和应用领域,但也存在一些挑战和限制。在实际应用中,需要根据具体问题和需求选择合适的机器学习算法和模型,并进行适当的优化和调整。
- 71.17MB
改进版的yolov5+双目测距
2022-12-01新版本代码特点:(注意目前只适用于2560*720分辨率的双目,其他分辨率需要修改) 1、替换“回”字形查找改为“米”字形查找,可以设置存储像素点的个数20可修改,然后取有效像素点的中位数(个人觉得比平均值更有代表性)。 2、每10帧(约1/3秒)双目匹配一次,提升代码的运行速度。 3、可以进行实时检测,运行速度与机器的性能有关。
- 59KB
Matlab 基于支持向量机(SVM)的数据回归预测 SVM回归
2023-06-131. Matlab实现支持向量机的数据回归预测(完整源码和数据) 2. 多变量输入,单变量输出,数据回归预测 3. 评价指标包括:R2、MAE、MSE、RMSE 4. 包括拟合效果图和散点图 5. Excel数据,暂无版本限制,推荐2018B及以上版本 注:采用 Libsvm 工具箱(无需安装,可直接运行),仅支持 Windows 64位系统