- 软件/插件大小:26MB熵权-TOPSIS计算工具entropy-TOPSIS-tool-master.zip熵权-TOPSIS计算工具entropy-TOPSIS-tool-master.zip0 21浏览免费
- matlab大小:791B熵权法 matlab熵权法计算权重 matlab熵权法计算权重 matlab熵权法计算权重熵权法 matlab熵权法计算权重 matlab熵权法计算权重 matlab熵权法计算权重0 73浏览免费
- 神经网络大小:819KBbp神经网络 代码仅供参考学习! 基于 Python 编写的 BP 神经网络,该神经网络可以用于解决分类和回归问题。以下是该神经网络的主要特点和组成部分: 多层结构: 该神经网络采用多层结构,包括输入层、隐藏层和输出层。用户可以根据问题的复杂性调整隐藏层的数量和节点数。 激活函数: 在每个神经元中使用激活函数,常用的包括 Sigmoid、ReLU 等。激活函数引入非线性性,使神经网络能够学习更复杂的模式。 反向传播算法: 通过反向传播算法,神经网络能够自动调整权重和偏差,以最小化预测输出与实际输出之间的误差。这是监督学习的核心机制。 损失函数: 采用适当的损失函数来衡量模型的性能。对于分类问题,常使用交叉熵损失函数;对于回归问题,可以选择均方误差等。 训练和验证: 用户可以使用训练数据对神经网络进行训练,并通过验证数据评估模型的性能。训练过程中,神经网络会不断优化权重和偏差。 灵活性: 提供了灵活的接口,使用户可以轻松配置网络参数、训练模型并进行预测。bp神经网络 代码仅供参考学习! 基于 Python 编写的 BP 神经网络,该神经网络可以用于解决分类和回归问题。以下是该神经网络的主要特点和组成部分: 多层结构: 该神经网络采用多层结构,包括输入层、隐藏层和输出层。用户可以根据问题的复杂性调整隐藏层的数量和节点数。 激活函数: 在每个神经元中使用激活函数,常用的包括 Sigmoid、ReLU 等。激活函数引入非线性性,使神经网络能够学习更复杂的模式。 反向传播算法: 通过反向传播算法,神经网络能够自动调整权重和偏差,以最小化预测输出与实际输出之间的误差。这是监督学习的核心机制。 损失函数: 采用适当的损失函数来衡量模型的性能。对于分类问题,常使用交叉熵损失函数;对于回归问题,可以选择均方误差等。 训练和验证: 用户可以使用训练数据对神经网络进行训练,并通过验证数据评估模型的性能。训练过程中,神经网络会不断优化权重和偏差。 灵活性: 提供了灵活的接口,使用户可以轻松配置网络参数、训练模型并进行预测。0 76浏览会员免费
- 相关性分析 概述,相关分析分类和相关系数的计算方法0 22浏览会员免费
- 数据集大小:2MB数学建模数据集2018年度美国国民收入数据数学建模数据集2018年度美国国民收入数据0 12浏览免费
- qfedu_数据仓库学习大纲0 12浏览免费
- 软件/插件大小:85KB约瑟夫环问题源代码(直接运行)约瑟夫环问题源代码(直接运行)0 12浏览会员免费
- ZIP大小:7MB2024美国大学生数学建模比赛相关题目(A-F题英文版),以及相关数据资料2024美国大学生数学建模比赛相关题目(A-F题英文版),以及相关数据资料0 18浏览会员免费
- 摘 要 I 目 录 II 1 需求分析 3 1.1 需求概述 3 1.2 需求环境 3 1.3 功能描述 3 2 概要设计 5 2.1 程序功能模块 5 2.2 程序流程图 6 2.3 数据结构的设计 7 3 详细设计 8 3.1 主函数 8 3.1.1 代码功能 8 3.1.2 功能实现代码 8 3.2 操作菜单 9 3.2.1代码功能 9 3.2.2 功能实现代码 9 3.3 稀疏矩阵的输入和输出 9 3.3.1代码功能 9 3.3.2 功能实现代码 9 3.4 稀疏矩阵加法运算 11 3.4.1代码功能 11 3.4.2 功能实现代码 11 3.5 稀疏矩阵的转置 12 3.5.1 代码功能 12 3.5.2 功能实现代码 12 3.6 稀疏矩阵的乘法 13 3.6.1 代码功能 13 3.6.2 功能实现代码 13 3.7 稀疏矩阵的减法 14 3.7.1 代码功能 14 3.7.2 功能实现代码 14 4 测试与运行 15 总结 17 参考文献 180 53浏览会员免费
- 目 录 摘 要 IV 目 录 V 1.需求分析 6 1.1需求概述 6 1.2需求环境 6 1.3功能描述 7 2.概要设计 8 2.1设计思路 8 2.2主要流程图 8 2.2.1 SqList程序流程图 8 2.2.2 LinkList程序流程图 10 3.详细设计 12 3.1程序初始化 12 3.2程序一SqList 12 3.2.1 SqList程序的描述 12 3.2.2 关键代码 12 3.3程序二LinkList 14 3.3.1 LinkList程序的描述 14 3.3.2关键代码 14 4.调试与运行 17 4.1程序SqList运行结果: 17 4.2程序LinkList运行结果: 17 总 结 18 参 考 文 献 19 【此文档仅供参考学习使用】0 17浏览会员免费
- Matlab大小:8MBMatlab常用算法代码,在建模中常见的代码集,以及相关算法和数据处理代码Matlab常用算法代码,在建模中常见的代码集,以及相关算法和数据处理代码0 15浏览会员免费
- 动态规划大小:128MB0-1背包问题是一个经典的动态规划问题:有一个背包,最大承重为W,现有n件物品,每件物品的重量为w[i],价值为v[i]。要求在不超过背包承重的情况下,选择一些物品放入背包,使得背包中物品的总价值最大。 动态规划解决0-1背包问题的思路如下: 1. 定义状态:设dp[i][j]表示前i件物品放入承重为j的背包中所能获得的最大价值。 2. 状态转移方程:对于第i件物品,有两种情况: 不放入背包:此时dp[i][j] = dp[i-1][j] 放入背包:此时dp[i][j] = dp[i-1][j-w[i]] + v[i] 综上,状态转移方程为:dp[i][j] = max(dp[i-1][j], dp[i-1][j-w[i]] + v[i]) 3. 边界条件:当i=0或j=0时,dp[i][j] = 0,表示没有物品或背包承重为0时,所能获得的最大价值为0。 4. 求解最终结果:最终结果为dp[n][W],即前n件物品放入承重为W的背包中所能获得的最大价值。 通过动态规划的方法,可以高效地解决0-1背包问题,时间复杂度为O(n*W),其中n为物品数量,W为背包承重0-1背包问题是一个经典的动态规划问题:有一个背包,最大承重为W,现有n件物品,每件物品的重量为w[i],价值为v[i]。要求在不超过背包承重的情况下,选择一些物品放入背包,使得背包中物品的总价值最大。 动态规划解决0-1背包问题的思路如下: 1. 定义状态:设dp[i][j]表示前i件物品放入承重为j的背包中所能获得的最大价值。 2. 状态转移方程:对于第i件物品,有两种情况: 不放入背包:此时dp[i][j] = dp[i-1][j] 放入背包:此时dp[i][j] = dp[i-1][j-w[i]] + v[i] 综上,状态转移方程为:dp[i][j] = max(dp[i-1][j], dp[i-1][j-w[i]] + v[i]) 3. 边界条件:当i=0或j=0时,dp[i][j] = 0,表示没有物品或背包承重为0时,所能获得的最大价值为0。 4. 求解最终结果:最终结果为dp[n][W],即前n件物品放入承重为W的背包中所能获得的最大价值。 通过动态规划的方法,可以高效地解决0-1背包问题,时间复杂度为O(n*W),其中n为物品数量,W为背包承重0 91浏览会员免费
- 软件/插件大小:495KBGraph.exe是一个图论算法软件,用于执行各种图论算法。它可以用来解决图论问题,如最短路径、最小生成树、网络流等。用户可以输入图的结构和权重,然后选择所需的算法进行计算,最后得到相应的结果。该软件可以帮助用户快速有效地解决各种图论问题,提高工作效率。Graph.exe是一个图论算法软件,用于执行各种图论算法。它可以用来解决图论问题,如最短路径、最小生成树、网络流等。用户可以输入图的结构和权重,然后选择所需的算法进行计算,最后得到相应的结果。该软件可以帮助用户快速有效地解决各种图论问题,提高工作效率。0 79浏览会员免费
- 神经网络大小:1MB1. 加载MNIST数据集 2. 数据预处理:将图像数据归一化并reshape为合适的形状 3. 构建卷积神经网络模型 4. 编译模型:选择优化器、损失函数和评估指标 5. 训练模型:使用训练数据进行模型训练 6. 可视化训练过程:绘制训练和验证的准确率和损失随epoch的变化情况1. 加载MNIST数据集 2. 数据预处理:将图像数据归一化并reshape为合适的形状 3. 构建卷积神经网络模型 4. 编译模型:选择优化器、损失函数和评估指标 5. 训练模型:使用训练数据进行模型训练 6. 可视化训练过程:绘制训练和验证的准确率和损失随epoch的变化情况0 37浏览会员免费
- python大小:33MB数学建模 代码仅供参考学习! 包含:LinearRegression SVD奇异值分解 TOPSIS 主成分分析 分类 图论 层次分析法 岭回归和LASSO 插值算法 数学规划模型 时间序列分析 灰色关联分析 灰色预测 相关性分析 聚类 蒙特卡洛数学建模 代码仅供参考学习! 包含:LinearRegression SVD奇异值分解 TOPSIS 主成分分析 分类 图论 层次分析法 岭回归和LASSO 插值算法 数学规划模型 时间序列分析 灰色关联分析 灰色预测 相关性分析 聚类 蒙特卡洛0 125浏览会员免费
- 软件/插件大小:13MB数学建模代码资料mathematical-modeling--master.zip数学建模代码资料mathematical-modeling--master.zip0 20浏览免费
- 算法信息论:物理学家和自然科学家的综述 算法信息论:物理学家和自然科学家的综述 算法信息论:物理学家和自然科学家的综述0 13浏览会员免费
- 斯坦福 CS364A 算法博弈论讲义 斯坦福 CS364A 算法博弈论讲义 斯坦福 CS364A 算法博弈论讲义0 15浏览会员免费
- python大小:2MBpython+统计学+源码+用Python动手学统计学python+统计学+源码+用Python动手学统计学0 35浏览免费
- 逻辑回归python代码实现 ,逻辑回归的介绍和算法实现0 106浏览会员免费
- MIT 6.006 算法导论讲义 MIT 6.006 算法导论讲义 MIT 6.006 算法导论讲义 ==================0 20浏览会员免费
- 目前餐饮行业在数字化转型过程中存在信息利用率低、数据质量差、数据孤岛问题、企业投入度高等痛点,数据能力的应用需要长期学习最佳实践。美团餐饮系统数据中台通过数据中台产品和配套服务体系,帮助餐饮连锁企业高效、专业、平滑地建立数字化原生土壤。0 39浏览会员免费
- excel大小:17KBexcel统计分析-多组数据的秩和检验excel统计分析-多组数据的秩和检验0 27浏览会员免费
- 数据治理是企业数字化转型中的关键一环,为了让业务用户在数据分析和应用中能够更方便的获取高质量数据,企业必须首先开展数据治理工作,本建设指南梳理总结了一套数据治理和建设的方法论。0 24浏览会员免费
- 软件/插件大小:34KBlabVIEW 在获取数据的时候,1D数组中会存在重复的元素,那么当以想要知道重复元素有什么,和重复元素的个数是,就可以用本VI 进行数据解析。同时会做一下数据拼接,将元素以及元素数输出。labVIEW 在获取数据的时候,1D数组中会存在重复的元素,那么当以想要知道重复元素有什么,和重复元素的个数是,就可以用本VI 进行数据解析。同时会做一下数据拼接,将元素以及元素数输出。0 56浏览会员免费
- matlab大小:983KBmatlab matlab_使用matlab开发的车牌识别系统_项目实战matlab matlab_使用matlab开发的车牌识别系统_项目实战0 25浏览免费
- matlab大小:2MBmatlab matlab_使用matlab开发的PCA人脸识别项目_带GUImatlab matlab_使用matlab开发的PCA人脸识别项目_带GUI0 157浏览免费
- 范文/模板/素材大小:4MB包含数据调研、数据标准、数据接入、数据治理四个大项,设计数据治理全流程工作的标准模板和流程定义包含数据调研、数据标准、数据接入、数据治理四个大项,设计数据治理全流程工作的标准模板和流程定义0 46浏览会员免费
- matlab大小:18MBmatlab matlab_二维卷积神经网络的matlab实现matlab matlab_二维卷积神经网络的matlab实现0 40浏览免费
- excel大小:29KBexcel统计分析-成组数据秩和检验excel统计分析-成组数据秩和检验0 45浏览会员免费
- UIUC CS598CSC 近似算法讲义 UIUC CS598CSC 近似算法讲义 UIUC CS598CSC 近似算法讲义 ========================0 20浏览会员免费
- 康奈尔 CS6820 算法分析讲义 康奈尔 CS6820 算法分析讲义 康奈尔 CS6820 算法分析讲义 ======================0 19浏览会员免费
- UIUC CS598CSC 大数据算法讲义 UIUC CS598CSC 大数据算法讲义 UIUC CS598CSC 大数据算法讲义 ==========================0 23浏览会员免费
- 哈佛 CS229R 大数据算法讲义 哈佛 CS229R 大数据算法讲义 哈佛 CS229R 大数据算法讲义 =======================0 15浏览会员免费
- matlab大小:27KBCalling MATLAB in Julia through MATLAB Engine MATLAB.jl-master.zipCalling MATLAB in Julia through MATLAB Engine MATLAB.jl-master.zip0 17浏览免费
- matlab大小:4MB车牌识别,数学建模-2022年雷达题,轨迹规划与控制matlab-master.zip车牌识别,数学建模-2022年雷达题,轨迹规划与控制matlab-master.zip0 12浏览免费
- matlab大小:57KB非结构网格的绘制、matlab与origin的联动Matlab_Homework-master.zip非结构网格的绘制、matlab与origin的联动Matlab_Homework-master.zip0 14浏览免费
- excel大小:11KBexcel统计分析-成对数据秩和检验excel统计分析-成对数据秩和检验0 38浏览会员免费
- 分布式大小:26MB分布式光伏并网典型设计图集45份.zip分布式光伏并网典型设计图集45份.zip0 38浏览免费
- excel大小:17KBexcel统计分析-卡方适合性检验excel统计分析-卡方适合性检验0 63浏览会员免费
- 数据分析大小:300KB齐鲁工业大学大数据分析实验报告,学习与交流齐鲁工业大学大数据分析实验报告,学习与交流0 19浏览会员免费
- Hadoop入门帆帆帆帆0 19浏览会员免费
- Hadoop演示文稿20 13浏览会员免费
- Hadoop演示文稿jjjjjjjjj0 11浏览会员免费
- matlab大小:22KB图像模板匹配算法(MATLAB) 模板匹配是一种用于在图像中定位和识别对象的技术。它的基本思想是: 提取图像中的一个子图像作为“模板”(template)。这个子图像通常包含我们感兴趣的目标对象。 在整个原始图像上,逐点比较模板和原始图像的相似度。相似度通常用归一化的交叉相关(Normalized Cross Correlation, NCC)来度量。 当相似度达到最大时,原始图像中的该位置就是模板的匹配位置。也就是我们要找的目标对象的位置。图像模板匹配算法(MATLAB) 模板匹配是一种用于在图像中定位和识别对象的技术。它的基本思想是: 提取图像中的一个子图像作为“模板”(template)。这个子图像通常包含我们感兴趣的目标对象。 在整个原始图像上,逐点比较模板和原始图像的相似度。相似度通常用归一化的交叉相关(Normalized Cross Correlation, NCC)来度量。 当相似度达到最大时,原始图像中的该位置就是模板的匹配位置。也就是我们要找的目标对象的位置。5 151浏览会员免费
- 集群搭建教程0 34浏览会员免费
- 大数据 flink如何写入Elasticsearch5和Elasticsearch70 36浏览会员免费
- 汽车电子大小:22KB发电机抛负载仿真发电机抛负载仿真0 22浏览会员免费
- 线性回归大小:6KB线性回归与逻辑回归测试数据线性回归与逻辑回归测试数据0 57浏览会员免费
- 熵权法0 25浏览会员免费
- PY大小:2KB能够对三维数据进行可视化操作,并且是透明的颜色,能够看清楚内部结构,已解决内部报错,一键运行,对应的包请按照文件要求进行安装。相比于其他包,出图速度更快。能够对三维数据进行可视化操作,并且是透明的颜色,能够看清楚内部结构,已解决内部报错,一键运行,对应的包请按照文件要求进行安装。相比于其他包,出图速度更快。0 22浏览会员免费
- 神经网络大小:110KB基于神经网络的退化图像复原算法是一种通过训练深度学习模型来恢复退化图像质量的方法。这种算法利用神经网络的强大表示学习能力,能够学习从模糊、噪声等退化图像中提取出干净、清晰的原始图像信息。基于神经网络的退化图像复原算法是一种通过训练深度学习模型来恢复退化图像质量的方法。这种算法利用神经网络的强大表示学习能力,能够学习从模糊、噪声等退化图像中提取出干净、清晰的原始图像信息。0 184浏览会员免费
- matlab大小:15KBC4.5决策树算法是一种常见的机器学习方法,由Ross Quinlan在1993年提出。它是ID3算法的扩展和改进,主要用于分类任务,可以处理连续值和离散值属性的数据。 C4.5决策树算法的基本思路是通过特征选择的方式,将具有最佳分类能力的特征作为决策树的根节点。然后,根据这个特征的取值将数据集划分为多个子集,对每个子集递归地生成子树。在生成过程中,C4.5算法使用了信息增益比作为特征选择的准则,有效地解决了ID3算法偏向于选择取值多的特征的问题。C4.5决策树算法是一种常见的机器学习方法,由Ross Quinlan在1993年提出。它是ID3算法的扩展和改进,主要用于分类任务,可以处理连续值和离散值属性的数据。 C4.5决策树算法的基本思路是通过特征选择的方式,将具有最佳分类能力的特征作为决策树的根节点。然后,根据这个特征的取值将数据集划分为多个子集,对每个子集递归地生成子树。在生成过程中,C4.5算法使用了信息增益比作为特征选择的准则,有效地解决了ID3算法偏向于选择取值多的特征的问题。0 132浏览会员免费
- 软件/插件大小:240KBLEACH(低能量自适应聚簇层次)协议是无线传感器网络中最早的、最具有影响力的分簇协议之一。它通过随机选举一些传感器节点作为簇头,其他节点加入其中一个簇头组成一个簇,然后簇头负责汇聚数据并将数据发送给基站,从而达到减少能耗、提高网络寿命的目的。然而,LEACH协议的簇头选举过程随机性较强,可能导致簇头的能耗过快,进而影响网络性能。 为解决这个问题,可以采用遗传算法优化LEACH协议。遗传算法是一种模拟自然选择和遗传机制的全局搜索优化算法,具有优良的全局搜索能力和并行性。遗传算法可以用来优化簇头的选举和数据传输过程,以达到降低能耗、延长网络寿命的效果。 首先,构建初始种群,每个个体表示一种可能的簇头选举和数据传输方案。然后,对每个个体进行评价,得到适应度值,适应度函数可以设计为簇头的能耗和数据传输距离的函数。接着,根据适应度,采用遗传算子(选择、交叉、变异)产生新的种群。重复上述过程,种群将逐步向最优解区域进化。 通过遗传算法优化后的LEACH协议,可以有效地平衡簇头的能耗,保证簇内节点的能量消耗均衡,从而提高整个网络的能量效率,延长网络寿命。LEACH(低能量自适应聚簇层次)协议是无线传感器网络中最早的、最具有影响力的分簇协议之一。它通过随机选举一些传感器节点作为簇头,其他节点加入其中一个簇头组成一个簇,然后簇头负责汇聚数据并将数据发送给基站,从而达到减少能耗、提高网络寿命的目的。然而,LEACH协议的簇头选举过程随机性较强,可能导致簇头的能耗过快,进而影响网络性能。 为解决这个问题,可以采用遗传算法优化LEACH协议。遗传算法是一种模拟自然选择和遗传机制的全局搜索优化算法,具有优良的全局搜索能力和并行性。遗传算法可以用来优化簇头的选举和数据传输过程,以达到降低能耗、延长网络寿命的效果。 首先,构建初始种群,每个个体表示一种可能的簇头选举和数据传输方案。然后,对每个个体进行评价,得到适应度值,适应度函数可以设计为簇头的能耗和数据传输距离的函数。接着,根据适应度,采用遗传算子(选择、交叉、变异)产生新的种群。重复上述过程,种群将逐步向最优解区域进化。 通过遗传算法优化后的LEACH协议,可以有效地平衡簇头的能耗,保证簇内节点的能量消耗均衡,从而提高整个网络的能量效率,延长网络寿命。0 83浏览会员免费
- 神经网络大小:12KB发酵配方优化是一项复杂的多目标优化问题。为实现自动优化,可以采用遗传算法与BP神经网络相结合的方法。首先,根据发酵原料构建初始种群,每个个体表示一种配方。然后,利用BP神经网络对每个个体进行评价,得到适应度值。根据适应度,采用遗传算子(选择、交叉、变异)产生新一代种群。重复上述评价-选择过程,种群逐步向更优区域进化。同时,用新数据不断训练BP神经网络,使其评价更准确。经过多代进化,种群将收敛到包含多个优良配方的种群,完成发酵配方的优化。这种方法结合了遗传算法的全局搜索能力和BP神经网络的强大逼近能力,可有效解决复杂配方优化问题。发酵配方优化是一项复杂的多目标优化问题。为实现自动优化,可以采用遗传算法与BP神经网络相结合的方法。首先,根据发酵原料构建初始种群,每个个体表示一种配方。然后,利用BP神经网络对每个个体进行评价,得到适应度值。根据适应度,采用遗传算子(选择、交叉、变异)产生新一代种群。重复上述评价-选择过程,种群逐步向更优区域进化。同时,用新数据不断训练BP神经网络,使其评价更准确。经过多代进化,种群将收敛到包含多个优良配方的种群,完成发酵配方的优化。这种方法结合了遗传算法的全局搜索能力和BP神经网络的强大逼近能力,可有效解决复杂配方优化问题。0 75浏览会员免费
- 1.labelimg的介绍 LabelImg 是一个开源的图形图像注释工具,用于创建边界/矩形框(适用于要标注物体的位置和大小)和多边形注释(适用于标注非规则形状的物体)。它是用python写的,并使用Qt作为其图形界面。LabelImg能够在Windows、Linux和macOS等多个平台上运行。它还支持各种类型的图像文件格式,如JPG、PNG和 BMP等。 2.labelimg的功能 labelImg可以帮助用户快速而准确地标注大量图像数据,用于建立自己的数据集,以便机器学习研究人员、数据科学家和开发人员标注图像来训练计算机视觉模型。 可以标注三种格式 PascalVOC标签格式,保存为.xml文件 YOLO标签格式,保存为.txt格式 CreateML标签格式,保存为.json格式 3、LabelImg使用背景 在进行图像识别及目标检测领域,在对模型进行训练前,我们需要针对训练集进行对目标图像的标注,本文介绍一款使用便捷并且能够标注多种类别(亦可自定义类别)并能够直接生成xml文件的标注工具——labelImg工具。它的作用是在初始图像中标注目标物体大小及具0 158浏览会员免费
- Hadoop3.0集群环境安装0 19浏览免费
- elasticsearch大小:289MBelasticsearch-7.6.2.tar.gzelasticsearch-7.6.2.tar.gz0 9浏览会员免费
- 灰狼优化算法(GWO)是一种基于自然界灰狼群狩猎行为的启发式优化算法,由伊朗学者Mirjalili于2014年提出。该算法模拟了灰狼群体在捕食过程中表现出的社会行为、领导权动态转移以及搜索策略等特性,用于解决各种工程和科学领域的复杂优化问题0 76浏览会员免费
- gwo,优化求解基于粒子群结合灰狼算法PSOGWO求解最优目标matlab代码0 57浏览免费