分享
模式识别与人工智能（基于MATLAB）
电子书推荐
-
-
模式识别与机器学习 评分:
寻找数据中模式的问题是一个基本的问题,有着很长的很成功的历史。例如,16世纪 Tycho Brahe 的大量的观测使得 Johannes Kepler 发现行星运行的经验性规律,这反过来给经典力学的发 展提供了跳板。类似地,原子光谱的规律的发现在20世纪初期对于量子力学的发展和证明有着 重要的作用。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。
上传时间：2019-01 大小：11.58MB
452KB模式识别与机器学习期末考查试题及参考答案(20210221222717).pdf
2022-06-14模式识别与机器学习期末考查试题及参考答案(20210221222717).pdf模式识别与机器学习期末考查试题及参考答案(20210221222717).pdf模式识别与机器学习期末考查试题及参考答案(20210221222717).pdf模式识别与机器学习...
- 94KB
模式识别与机器学习教学大纲.pdf
2022-06-16模式识别与机器学习教学大纲.pdf模式识别与机器学习教学大纲.pdf模式识别与机器学习教学大纲.pdf模式识别与机器学习教学大纲.pdf模式识别与机器学习教学大纲.pdf模式识别与机器学习教学大纲.pdf模式识别与机器学习...
- 440KB
模式识别与机器学习思考题及参考答案.pdf
2022-06-14模式识别与机器学习思考题及参考答案.pdf模式识别与机器学习思考题及参考答案.pdf模式识别与机器学习思考题及参考答案.pdf模式识别与机器学习思考题及参考答案.pdf模式识别与机器学习思考题及参考答案.pdf模式识别与...
6.10MB国科大模式识别与机器学习复习资料
2022-02-212021年整理，国科大模式识别与机器学习课程
1.41MB模式识别与机器学习PPT课件.pptx
2021-10-08模式识别与机器学习PPT课件.pptx
2.83MB国科大模式识别与机器学习15-19试卷.rar
2021-02-27国科大模式识别与机器学习15-19试卷
- 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
- 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
- 5.0MB
国科大模式识别与机器学习2015-2019试卷答案--郭立东.zip
2020-01-10国科大模式识别与机器学习2015-2019试卷答案；国科大模式识别与机器学习2015-2019试卷答案；国科大模式识别与机器学习2015-2019试卷答案
447KB国科大模式识别与机器学习考题总结(详细答案)
2016-01-21国科大模式识别与机器学习考题总结 国科大秋季学期
- 72.25MB
国科大模式识别与机器学习作业2018最新版
2019-03-04模式识别与机器学习，就是通过计算机用数学技术方法来研究模式的自动处理和判读。我们把环境与客体统称为“模式”。随着计算机技术的发展，人类有可能研究复杂的信息处理过程。信息处理过程的一个重要形式是生命体对...
- 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
- 38.70MB
中国科学院模式识别与机器学习期末考试试题4份+预测题（有作者答案）（全网最全）
2021-01-03中国科学院模式识别与机器学习期末考试试题4份+预测题（有作者答案），答案有误，请联系我，我会进行修改。如若转发，请注明来源。
- 3.80MB
模式识别与机器学习答案
2016-07-23模式识别与机器学习答案
- 187KB
模式识别与机器学习_机器学习_模式识别_人工智能_机器学习论文_
2021-09-29这是一篇关于模式识别与机器学习的高级论文 主要介绍学习方法
- 4.9MB
模式识别与机器学习（II）
2011-10-10学术界非常经典的一本模式识别与机器学习的书，里面的东西较为理论化但是作者非常严谨，非常具有学习型。
- 523KB
国科大_模式识别与机器学习第四章作业
2018-08-29国科大_模式识别与机器学习第四章作业
- 707KB
模式识别与机器学习 (1).pdf
2021-09-24模式识别与机器学习 (1).pdf
- 2.27MB
模式识别与机器学习官方笔记与代码
2019-03-03模式识别与机器学习 官方源代码与学习笔记 学习参考 Python codes implementing algorithms described in Bishop's book "Pattern Recognition and Machine Learning
- 1.58MB
模式识别与机器学习全部答案
2016-10-13 - 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；
- 47.85MB
Neural Networks from Scratch in Python学习资料
2024-04-29Neural Networks from Scratch in Python的学习材料，PDF版本，机器学习入门必学，全英文版本
- 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。
- 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
- 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。
