VIP会员
作者:CSDN
出版社:CSDN《程序员》
ISBN:1111111111117
VIP会员免费
(仅需0.8元/天)
¥ 40000.0
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
-
矩阵分析与应用(第二版) 张贤达著 深度学习必备 评分:
矩阵分析与应用(第二版) 张贤达著 深度学习必备参考书
上传时间:2018-01 大小:23.32MB
- 11.19MB
矩阵分析与应用 课后答案
2011-10-12张贤达 矩阵分析与应用 课后答案 矩阵分析的有用资料
- 7.50MB
矩阵分析与应用[1-6]章
2010-09-28矩阵分析与应用[1-6]章.pdf (清华大学 张贤达)
- 11.15MB
张贤达 矩阵分析与应用习题解答
2019-02-10张贤达 矩阵分析与应用习题解答,针对矩阵分析与应用的参考书。在这里共享,供大家学习。
- 2.79MB
矩阵分析与应用答案.pdf
2020-06-01中科大研究生课程矩阵分析与应用习题的解答,有详细的过程,对学习矩阵分析与应用有较好的帮助,详细的过程
- 1.26MB
矩阵分析与应用课件_张贤达_第1讲(2010)
2017-10-15矩阵分析与应用课件_张贤达_第1讲(2010) 矩阵分析与应用课件_张贤达_第1讲(2010)
- 14.32MB
矩阵的分析与应用 张贤达 带目录
2017-10-23矩阵论还是比较难得,这是大家普遍推荐的可以作为工具的书。。。且学且珍惜
- 11.37MB
现代数字信号处理张贤达著
2011-07-11该书全面介绍了现代信号处理的基本理论,具有代表性的方法的典型应用,但是原理介绍相对来说比较晦涩,不适合初学者学习
- 12.2MB
矩阵分析与应用配套课件
2014-06-09张贤达《矩阵分析与应用》教材配套课件,非常清晰,非常详细。
- 14.42MB
矩阵分析_第1版_科学出版社_张贤达著_764页_2004年
2010-11-01矩阵分析 搞信号处理的可能用的上 我觉得这本写的不错 和大家分享一下
- 7.86MB
矩阵论十讲(69-102页)
2017-10-05非常好的书籍,欢迎广大生生学子疯狂下载,为祖国的盗版事业做出杰出贡献!
- 81KB
矩阵运算-AI及深度学习
2019-04-27矩阵运算-AI及深度学习中使用到的矩阵运算,是所有的运算,很齐全
- 31.74MB
线性代数以及矩阵论
2018-12-01本书是将矩阵论和线性空间理论溶合在一起编写的。先以中学时熟悉的多项式为基础,将多项式理论交代清楚。接下去讲多元多项式。然后是矩阵论和线性空间理论的基本工具:行列式、矩阵以及线性方程组求解理论。从而引进线性空间、线性不等式和它上面的线性变换,以及求复方阵的Jordan标准形的代数理论和几何解释,Jordan标准形的应用,它包含了方阵函数和方阵在复相似下的标准型理论。给出了线性函数和它的推广,即多重线性函数,Grassmann代数以及张量场。接着转向内积空间(即实和复Euclid 空间的结构和二次型的分类)。最后三章是广义逆矩阵的几何基础和矩阵处理,非负矩阵的基本性质和复矩阵偶在相抵下的标准形。 本书的特点是充分发挥矩阵技巧在矩阵论和线性空间理论中的应用,涉及面也比较广。本书的另一一个特点是书中的例题和习题比较难一点, 虽然本书的一些习题已经被一些作者 选为例题,但是本书的目的是使同学有一一个良好的严格训练环境,可以自由地选择这些习题来做。 本书可作为大学数学系高等代数或矩阵论的教科书或教学参考书,也可作为高年级学生考研的复习参考资料,同时希望本书能对科研工作者有较大的参考价值。
- 3.95MB
矩阵论及其应用--矩阵论
2010-05-23比较基础介绍矩阵有关知识,1.线性空间线性变换2.
- 87KB
矩阵理论在计算机视觉专业方面的应用
2018-12-05矩阵论在图像处理方面有着极为广泛的应用,比如奇异值分解,QR分解以及范数等
- 264KB
Hessian矩阵与牛顿法.pdf
2021-01-02深度学习数值计算之Hessian矩阵与牛顿法
- 17.74MB
非平稳信号分析与处理_张贤达
2010-03-05非平稳信号分析与处理_张贤达 保铮_1998 非平稳信号分析与处理_张贤达 保铮_1998
- 14.42MB
张贤达《矩阵分析》
2012-05-14张贤达写的《矩阵分析》,很好的一本书,内容很详尽。
- 6.52MB
矩阵分析课件
2011-11-27这是矩阵分析课件,希望对一些看课本比较难懂的学生有所帮助。
- 18.59MB
非平稳随机信号分析与处理 张贤达
2015-05-14非平稳随机信号分析与处理 张贤达
- 3.78MB
矩阵理论与应用(英文)
2009-08-05张贤达的矩阵理论,该书对通信学科的研究生很有用,讲的非常的详细,作者对数字信号处理中的矩阵应用理解非常深刻
- 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。