模式识别与人工智能(基于MATLAB)
电子书推荐
-
PRML_模式识别与机器学习_中文 评分:
PRML_模式识别与机器学习_中文
上传时间:2017-07 大小:11.72MB
- 11.55MB
PRML模式识别和机器学习-Chinese-Edition花书中文版1
2022-08-03绪论例:多项式曲线拟合.概率论 .概率密度 .期望和协差.贝叶斯概率 .斯分布 .重新考察曲线拟合问题 .贝叶斯曲线拟合 .模型选择 .维度灾难 .决策论 .最
- 1.41MB
模式识别与机器学习PRML课后习题完整答案
2017-11-03模式识别与机器学习PRML课后习题完整答案,大家一起学习
- 19.17MB
模式识别与机器学习中英文版本PRML.zip
2021-10-13模式识别与机器学习PRML 中英皆有
- 11.56MB
PRML中文版_模式识别与机器学习1
2022-08-04绪论例:多项式曲线拟合.概率论 .概率密度 .期望和协差.贝叶斯概率 .斯分布 .重新考察曲线拟合问题 .贝叶斯曲线拟合 .模型选择 .维度灾难 .决策论 .最
- 11.50MB
PRML_Translation.pdf
2019-07-06PRML_Pattern Recognition And Machine Learning 的翻译版,模式识别与机器学习
- 6.29MB
PRML中文版_模式识别与机器学习-1-2761
2022-08-03绪论例:多项式曲线拟合.概率论 .概率密度 .期望和协差.贝叶斯概率 .斯分布 .重新考察曲线拟合问题 .贝叶斯曲线拟合 .模型选择 .维度灾难 .决策论 .最
- 1.58MB
模式识别与机器学习全部答案
2016-10-13 - 70KB
国科大模式识别与机器学习2018-2019回忆版
2019-01-18中国科学院大学 模式识别与机器学习
- 12.35MB
模式识别与机器学习PRML_Chinese_vision2
2022-08-03绪论例:多项式曲线拟合.概率论 .概率密度 .期望和协差.贝叶斯概率 .斯分布 .重新考察曲线拟合问题 .贝叶斯曲线拟合 .模型选择 .维度灾难 .决策论 .最
- 5.37MB
模式识别与机器学习:PRMLCourse2-DimensionReduction.pdf
2021-09-19模式识别与机器学习:PRMLCourse2-DimensionReduction.pdf
- 10.63MB
模式识别与机器学习PRML 学习笔记
2022-02-07模式识别与机器学习PRML 学习笔记
- 2.41MB
PRML模式识别与机器学习 第一章
2023-09-21模式识别与机器学习第一章内容
- 4.65MB
模式识别与机器学习:PRMLCourse3-SemiSupervisedLearning.pdf
2021-09-19模式识别与机器学习:PRMLCourse3-SemiSupervisedLearning.pdf
- 85KB
模式识别与机器学习PRML 源代码
2022-02-07模式识别与机器学习PRML 源代码
- 1.50MB
模式识别与机器学习PRML 习题答案
2022-02-07模式识别与机器学习PRML 习题答案
- 0B
PRML英文版-模式识别与机器学习.pdf
2022-12-02PRML英文版-模式识别与机器学习.pdf
- 11.58MB
B模式识别和机器学习PRML_伯克利教授中文翻译版1
2022-08-03绪论例:多项式曲线拟合.概率论 .概率密度 .期望和协差.贝叶斯概率 .斯分布 .重新考察曲线拟合问题 .贝叶斯曲线拟合 .模型选择 .维度灾难 .决策论 .最
- 11.67MB
PRML_Chinese_vision.pdf
2019-06-18这是第一本提出贝叶斯方法的模式识别教科书。本书提出了近似推理算法和用于描述概率分布的图模型等多种最新分类方法。 在阅读本书之前,最好有多变量微积分和基本线性代数等数理基础,面向人群为高年级本科生、研究...
- 26.55MB
《机器学习与模式识别(prml)》PPT课件
2020-04-09prml的课件整合版,不是出自同一学校。 大部分章节的PPT是英文版,但由于英文版不全,所以有几个章节挑选了其他学校的中文版作为补充。 基本上能够跟prml的内容能够对应。
- 10.31MB
PRML_中译版.pdf马春鹏
2018-06-21模式识别领域关注的是利⽤计算机算法⾃动发现数据中的规律,以及使⽤这些规 律采取将数据分类等⾏动。 考虑⼿写数字识别的例⼦,如图1.1所⽰。每个数字对应⼀个 28 × 28 像素的图像,因此可以 表⽰为⼀个由784个...
- 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;
- 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。
- 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
- 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。
- 40.89MB
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。其中:原始数据集data.txt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。train.csv和test.csv为拆分后的训练集与测试集,拆分代码为train_test_split.py。stopwords.txt为使用的停用词。 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