人工智能(第2版)
作者:[美]史蒂芬·卢奇(Stephen Lucci),丹尼·科佩克(Danny Kopec)
出版社:人民邮电出版社
ISBN:9787115488435
VIP会员免费
(仅需0.8元/天)
¥ 69.12
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
-
人工智能时代测绘遥感技术的发展机遇与挑战 评分:
龚院士的报告整理成的综述文章,较为详细地描述了人工智能时代测绘遥感技术应该发展的方向以及面临的挑战。力荐!
上传时间:2019-04 大小:9.12MB
- 1.31MB
智能时代测绘与位置服务领域的挑战与机遇
2017-12-03智能时代测绘与位置服务领域的挑战与机遇,刘经南院士大文。
- 1.18MB
信息时代测绘服务面临的机遇与挑战研究.pdf
2021-10-10信息时代测绘服务面临的机遇与挑战研究.pdf
- 862KB
测绘工作中测绘遥感技术的应用.pdf
2021-10-04测绘工作中测绘遥感技术的应用.pdf
- 102KB
2022年测绘遥感信息工程国家重点实验室开放研究基金申请书归类.pdf
2022-02-212022年测绘遥感信息工程国家重点实验室开放研究基金申请书归类.pdf
- 151KB
2018年测绘遥感信息工程国家重点实验室博士申请考核专业课笔试.jpg
2021-04-092018年测绘遥感信息工程国家重点实验室博士申请考核专业课笔试
- 168KB
测绘遥感信息工程国家重点实验室通信与信息系统考研试题
2012-11-27测绘遥感信息工程国家重点实验室通信与信息系统考研试题,信号与系统
- 1.56MB
2002测绘遥感信息国家重点实验室年报
2010-07-212002测绘遥感信息国家重点实验室年报 武汉大学 李德仁院士所写
- 12KB
遥感技术在测绘科学中的应用
2012-02-03遥感技术在地籍测绘和制作专题图上的应用,测绘科学的发展提供一些启发
- 12.47MB
光学测绘卫星高级测绘遥感影像产品生产技术流程.pdf
2021-02-16光学测绘卫星高级测绘遥感影像产品生产技术流程.pdf
- 28KB
2012年测绘遥感信息工程国家重点实验室GIS真题
2012-10-222012年测绘遥感信息工程国家重点实验室地理信息系统原理真题
- 1.99MB
测绘遥感课件
2013-04-18资源位遥感课件,可以为相关的同学提供学习指导,通过学习,可以快速理解遥感分类的概念
- 3.8MB
大数据时代测绘地理信息服务面临的机遇和挑战.pdf
2021-07-07大数据时代测绘地理信息服务面临的机遇和挑战.pdf
- 3.7MB
大数据时代测绘地理信息服务面临的机遇和挑战.zip
2021-10-18大数据时代测绘地理信息服务面临的机遇和挑战.zip
- 3.16MB
遥感的定义与发展简史.ppt
2022-06-08二、遥感的发展简史 4、航天遥感阶段(1957-) 二、遥感的发展简史 1972年美国发射了第一颗地球资源技术卫星. 1986年法国发射SPOT-1,装有PAN和XS遥感器,分辨率提10米; 1999年美国发射 IKNOS,空间分辨率提高到1...
- 1.46MB
人工智能时代下测绘工程专业人才培养模式探索.pdf
2021-07-11人工智能时代下测绘工程专业人才培养模式探索.pdf
- 243KB
测绘遥感信息工程国家重点实验室2015-2016学年国家奖学金获奖名单
2016-11-17武汉大学测绘遥感信息工程国家重点实验室(含中国南极测绘研究中心)2015-2016学年国家奖学金获奖名单
- 24KB
“互联网+”时代下测绘地理信息服务的机遇和挑战.docx
2022-06-05“互联网+”时代下测绘地理信息服务的机遇和挑战.docx
- 84KB
人工智能时代测绘工程教育改革.docx
2021-10-29人工智能时代测绘工程教育改革.docx
- 8.38MB
常用测绘遥感地信软件使用手册.part3
2009-11-19包括MAPGIS、EARDAS、南方CASS。共三个分卷,这是第三分卷。
- 775KB
光学卫星测绘遥感影像深化应用关键技术国家测绘地理信息局卫星.pdf
2023-10-07光学卫星测绘遥感影像深化应用关键技术国家测绘地理信息局卫星.pdf
- 293.88MB
YOLOv8-deepsort 实现智能车辆目标检测+车辆跟踪+车辆计数
2023-10-06本资源纯属免费,不收任何钱和任何积分,纯粹为爱发电,本资源已经为大家整合好了的,看我的博客部署好直接用:https://blog.csdn.net/Little_Carter/article/details/133610076?spm=1001.2014.3001.5501 资源原本项目源码地址:https://github.com/MuhammadMoinFaisal/YOLOv8-DeepSORT-Object-Tracking 本资源提供了基于YOLOv8-deepsort算法的智能车辆目标检测、车辆跟踪和车辆计数的实现方案。首先,利用YOLOv8算法对视频中的车辆目标进行检测,并对检测到的目标进行标记。然后,通过deepsort算法对标记的车辆目标进行跟踪,实现车辆目标的持续跟踪。最后,根据跟踪结果对车辆数量进行统计,实现车辆计数功能。本资源提供了完整的代码实现和详细的使用说明,帮助读者快速掌握基于YOLOv8-deepsort的智能车辆目标检测、车辆跟踪和车辆计数技术。
- 98KB
YOLOv8网络结构图,自制visio文件,yolov8.vsds,需要的自取,在原有的基础上直接改就行了
2024-03-12YOLOv8网络结构图,自制visio文件,yolov8.vsds,需要的自取,在原有的基础上直接改就行了
- 367.44MB
yolov8(2023年8月版本),已经下好yolov8s.pt和yolov8n.pt
2023-10-09yolov8(2023年8月版本),已经下好yolov8s.pt和yolov8n.pt,需要创建的文件夹都以创建,方便大家不用再去GitHub下载 可以搭配该博客:https://blog.csdn.net/weixin_43366149/article/details/132206526?spm=1001.2014.3001.5501
- 26.50MB
Transformer模型实现长期预测并可视化结果(附代码+数据集+原理介绍)
2023-11-12这篇文章给大家带来是Transformer在时间序列预测上的应用,这种模型最初是为了处理自然语言处理(NLP)任务而设计的,但由于其独特的架构和能力,它也被用于时间序列分析。Transformer应用于时间序列分析中的基本思想是:Transformer 在时间序列分析中的应用核心在于其自注意力机制,这使其能够有效捕捉时间序列数据中的长期依赖关系。通过并行处理能力和位置编码,Transformer 不仅提高了处理效率,而且确保了时间顺序的准确性。其灵活的模型结构允许调整以适应不同复杂度这篇文章给大家带来是Transformer在时间序列预测上的应用,这种模型最初是为了处理自然语言处理(NLP)任务而设计的,但由于其独特的架构和能力,它也被用于时间序列分析。Transformer应用于时间序列分析中的基本思想是:Transformer 在时间序列分析中的应用核心在于其自注意力机制,这使其能够有效捕捉时间序列数据中的长期依赖关系。通过并行处理能力和位置编码,Transformer 不仅提高了处理效率,而且确保了时间顺序的准确性。定制化训练个人数据集进行训练利用python和pytorch实现
- 141KB
社交平台上经济类话题的文章热度信息,数据是真实的,但不是真实日期
2023-03-16使用LSTM模型进行时序预测的代码与说明见:https://blog.csdn.net/Q_M_X_D_D_/article/details/109366895
- 123.13MB
Unet眼底血管图像分割数据集+代码+模型+系统界面+教学视频.zip
2024-02-17本资源配套对应的视频教程和图文教程,手把手教你使用Unet做眼底图像分割的训练、测试和界面封装,包含了Unet原理的解析、处理好的训练集和测试集、训练和测试的代码以及训练好的模型,并封装为了图形化界面,只需点击上传按钮上传图像即可完成眼底图像的预测。 随着生活水平的提高,眼科疾病以及心脑血管疾病的发病率呈现逐年增长的趋势。视网膜血管是这类疾病诊断和监测的重要信息来源,其形态和状况的变化可以反映出许多疾病的早期病理变化。然而,由于受眼底图像采集技术的限制以及视网膜血管自身结构的复杂性和多变性,使得视网膜血管的分割变得非常困难。传统方法依靠人工手动分割视网膜血管,不仅工作量巨大,极为耗时,而且受主观因素影响严重。通过眼底血管图像分割可以提高诊断准确性、效率以及推动科学研究和改进治疗方法等方面。 B站主页:https://space.bilibili.com/161240964 C站主页:https://blog.csdn.net/ECHOSON
- 62.4MB
行人跌倒数据集(VOC格式)
2023-01-30行人跌倒数据集(VOC格式)
- 40.38MB
YOLOV5 + 双目相机实现三维测距(新版本)
2024-04-14YOLOV5 + 双目相机实现三维测距(新版本)
- 728KB
全新的SOTA模型YOLOv9
2024-02-22当今的深度学习方法专注于如何设计最合适的目标函数,以使模型的预测结果尽可能接近真实值。同时,还需要设计一个合适的架构,以便获取足够的信息进行预测。现有方法忽略了一个事实:当输入数据经过逐层的特征提取和空间变换时,会丢失大量信息。本文将深入探讨数据在深度网络中传输时数据丢失的重要问题,即信息瓶颈和可逆函数问题。我们提出了可编程梯度信息(PGI)的概念,以应对深度网络实现多个目标所需的各种变化。PGI能够为目标任务提供完整的输入信息,以计算目标函数,从而获得可靠的梯度信息以更新网络权重。此外,我们还设计了一种基于梯度路径规划的新型轻量级网络架构——广义高效层聚合网络(GELAN)。GELAN的架构证明了PGI在轻量级模型上获得了优越的结果。我们在基于MS COCO数据集的目标检测上验证了所提出的GELAN和PGI。结果显示,GELAN仅使用传统的卷积运算符就实现了比基于深度卷积的最新方法更好的参数利用率。PGI可用于从轻量级到大型的各种模型,它可以获取完整信息,使得从零开始训练的模型比使用大型数据集预训练的最新模型获得更好的结果,比较结果如图1所示。
- 850.77MB
YOLOV5口罩检测数据集+代码+模型 2000张标注好的数据+教学视频.zip
2021-12-14YOLOV5口罩检测数据集+代码+模型 2000张标注好的数据+教学视频 代码的下载地址在:https://gitee.com/song-laogou/yolov5-mask-42 大家可以按照这里的视频教程配置环境:https://www.bilibili.com/video/BV1YL4y1J7xz/ 更多数据请看:https://blog.csdn.net/ECHOSON/article/details/121892887 遇到问题请小伙伴通过私信联系作者,感谢大家的支持!