- r语言大小:147KB基于R语言的数据分析项目.zip基于R语言的数据分析项目.zip0 47浏览会员免费
- 高校教育信息化行业最新、最前瞻数据治理解决方案; 众多高校已成功上线使用,诸如北京理工大学、北京师范大学、北京工业大学、北方工业大学等;0 26浏览会员免费
- 机器学习大小:762KB数据集数据集0 38浏览会员免费
- 线性回归大小:3KB操作数据操作数据0 15浏览会员免费
- 实验报告(完整、提交作业版0 50浏览会员免费
- 数据科学大小:414KB实验用到的完整代码文件实验用到的完整代码文件0 18浏览会员免费
- 情感分析大小:30MB本项目旨在通过爬取大量的评论数据,分析游客对潍坊和淄博的情感态度,从而为有意向去这两个城市旅游的人提供有价值的参考。通过对评论的情感分析,我们可以解游客对潍坊和淄博的整体评价以及他们在评论中表达的情感倾向。同时,我们还可以获取对这两个城市的客观评价、满意度水平和不满意之处的细节解。这些信息可以帮助旅游从业者、景点管理者和相关决策者更好地了解游客对潍坊和淄博旅游体验的感受,进一步改善景点的服务质量和提升游客的满意度。此外,这些评论数据的情感分析还可以为市场营销活动、旅游推广和舆情管理等方面的决策提供有价值的参考。本项目旨在通过爬取大量的评论数据,分析游客对潍坊和淄博的情感态度,从而为有意向去这两个城市旅游的人提供有价值的参考。通过对评论的情感分析,我们可以解游客对潍坊和淄博的整体评价以及他们在评论中表达的情感倾向。同时,我们还可以获取对这两个城市的客观评价、满意度水平和不满意之处的细节解。这些信息可以帮助旅游从业者、景点管理者和相关决策者更好地了解游客对潍坊和淄博旅游体验的感受,进一步改善景点的服务质量和提升游客的满意度。此外,这些评论数据的情感分析还可以为市场营销活动、旅游推广和舆情管理等方面的决策提供有价值的参考。0 276浏览免费
- 大数据大小:7MB一、项目背景 M 网站是一个深受用户欢迎的电影社区网站,他提供大量的电影介绍及评论,包括上映影片的影讯查询与购票服务。用户可以记录想看、在看和看过的电影,顺便打分、写影评。为了提高用户的使用体验与满意度,网站计划为广大用户提供更加精准、更个性化的电影推荐服务。 二、操作要求 1.理解 KNN 算法的原理 2.掌握以 MapReduce 编程实现 KNN 算法 3.掌握以 MapReduce 编程实现 KNN 分类器评价 三、项目分析 什么有个性化的电影推荐服务?举个最简单的例子,不同性别的人偏爱电影的类型会有所不同,如大部分男生可能比较喜欢看警匪类型或动作类型的电影,而大部分女生一般喜欢看浪漫的爱情片。那么网站就可以根据性别特点为用户推荐合适的电影。如某会员是女生,那么当该会员登录时,网站可以为她推荐最新上映的浪漫爱情片;如果该用户是男性,则网站可以为他推荐最新上映的警匪片或者动作片。相对于常规的针对整体对象的推荐方式,比如好评排行榜、热门电影等,这类个性化的推荐方式更适合用户的真实需求,从而提高用户体验及增加用户黏性。一、项目背景 M 网站是一个深受用户欢迎的电影社区网站,他提供大量的电影介绍及评论,包括上映影片的影讯查询与购票服务。用户可以记录想看、在看和看过的电影,顺便打分、写影评。为了提高用户的使用体验与满意度,网站计划为广大用户提供更加精准、更个性化的电影推荐服务。 二、操作要求 1.理解 KNN 算法的原理 2.掌握以 MapReduce 编程实现 KNN 算法 3.掌握以 MapReduce 编程实现 KNN 分类器评价 三、项目分析 什么有个性化的电影推荐服务?举个最简单的例子,不同性别的人偏爱电影的类型会有所不同,如大部分男生可能比较喜欢看警匪类型或动作类型的电影,而大部分女生一般喜欢看浪漫的爱情片。那么网站就可以根据性别特点为用户推荐合适的电影。如某会员是女生,那么当该会员登录时,网站可以为她推荐最新上映的浪漫爱情片;如果该用户是男性,则网站可以为他推荐最新上映的警匪片或者动作片。相对于常规的针对整体对象的推荐方式,比如好评排行榜、热门电影等,这类个性化的推荐方式更适合用户的真实需求,从而提高用户体验及增加用户黏性。0 60浏览会员免费
- 数据集大小:78KB数据集1数据集10 25浏览会员免费
- 软件/插件大小:358KB代码文件代码文件0 12浏览会员免费
- chatgtp大小:70Bchatgpt免费使用网站chatgpt免费使用网站0 2644浏览免费
- 手写BP神经网络大小:15KBnumpy手写BP神经网络-分类问题numpy手写BP神经网络-分类问题0 67浏览会员免费
- 软件/插件大小:7KB携程景点评论搜集代码-python携程景点评论搜集代码-python0 36浏览会员免费
- 大数据治理数字化运营平台建设方案0 15浏览会员免费
- 网络协议大小:511KB运行文件所需要的数据运行文件所需要的数据0 64浏览会员免费
- BP神经网络大小:13KBnumpy手写BP神经网络numpy手写BP神经网络0 66浏览会员免费
- 介绍了注意力机制与强化学习在推荐系统中的应用。0 26浏览会员免费
- RAR大小:15KB遗传算法(Genetic Algorithm,GA)是一种基于自然选择和遗传机制的优化算法,常被用于解决组合优化问题,如特征选择。在二进制特征选择中,每个候选特征子集都可以用一个二进制编码来表示,其中每一位对应一个特征是否被选中。以下是使用GA进行二进制特征选择的一般步骤: 编码:将特征选择问题转化为一个二进制编码的优化问题。假设有N个特征,可以用一个N位的二进制串来表示一个特征子集,其中每一位表示对应的特征是否被选中(1表示选中,0表示未选中)。 初始化种群:随机生成一定数量的二进制串作为初始种群。这些二进制串代表了不同的特征子集。 适应度函数:定义一个适应度函数来评估每个特征子集的好坏。这个适应度函数通常是根据某种性能指标(如分类准确率、回归误差等)来计算的,可以通过训练模型并在验证集上进行评估来得到。 选择:使用选择操作(如轮盘赌选择、竞赛选择等)根据每个特征子集的适应度值来选择父代。适应度值高的特征子集被选中的概率更大。 交叉:对选出的父代进行交叉操作,生成新的特征子集作为下一代种群的一部分。交叉操作可以使用单点交叉、多点交叉等方式。 变异:对新生成的特征子集进行变遗传算法(Genetic Algorithm,GA)是一种基于自然选择和遗传机制的优化算法,常被用于解决组合优化问题,如特征选择。在二进制特征选择中,每个候选特征子集都可以用一个二进制编码来表示,其中每一位对应一个特征是否被选中。以下是使用GA进行二进制特征选择的一般步骤: 编码:将特征选择问题转化为一个二进制编码的优化问题。假设有N个特征,可以用一个N位的二进制串来表示一个特征子集,其中每一位表示对应的特征是否被选中(1表示选中,0表示未选中)。 初始化种群:随机生成一定数量的二进制串作为初始种群。这些二进制串代表了不同的特征子集。 适应度函数:定义一个适应度函数来评估每个特征子集的好坏。这个适应度函数通常是根据某种性能指标(如分类准确率、回归误差等)来计算的,可以通过训练模型并在验证集上进行评估来得到。 选择:使用选择操作(如轮盘赌选择、竞赛选择等)根据每个特征子集的适应度值来选择父代。适应度值高的特征子集被选中的概率更大。 交叉:对选出的父代进行交叉操作,生成新的特征子集作为下一代种群的一部分。交叉操作可以使用单点交叉、多点交叉等方式。 变异:对新生成的特征子集进行变0 40浏览免费
- python大小:2KB二进制遗传算法(Binary Genetic Algorithm)是一种启发式搜索算法,用于解决优化问题。与传统的遗传算法相比,二进制遗传算法适用于解决决策变量为二进制编码的优化问题。以下是二进制遗传算法的基本描述: 初始化种群:初始时,随机生成一定数量的二进制编码的个体(也称为染色体),这些个体组成了种群。 确定适应度函数:针对具体的优化问题,需要定义一个适应度函数来评价每个个体的优劣。适应度函数通常根据问题的特性来定义,例如在投资组合优化中可以是收益、风险和相关性等指标的组合。 选择操作:通过轮盘赌选择、竞赛选择等方式,根据个体的适应度值选择父代个体用于繁殖下一代。 交叉操作:选定一定的交叉概率,对选出的父代个体进行交叉操作,生成新的个体作为下一代种群的一部分。 变异操作:选定一定的变异概率,对新生成的个体进行变异操作,以增加种群的多样性。 评估适应度:对新生成的个体,计算其适应度值。二进制遗传算法(Binary Genetic Algorithm)是一种启发式搜索算法,用于解决优化问题。与传统的遗传算法相比,二进制遗传算法适用于解决决策变量为二进制编码的优化问题。以下是二进制遗传算法的基本描述: 初始化种群:初始时,随机生成一定数量的二进制编码的个体(也称为染色体),这些个体组成了种群。 确定适应度函数:针对具体的优化问题,需要定义一个适应度函数来评价每个个体的优劣。适应度函数通常根据问题的特性来定义,例如在投资组合优化中可以是收益、风险和相关性等指标的组合。 选择操作:通过轮盘赌选择、竞赛选择等方式,根据个体的适应度值选择父代个体用于繁殖下一代。 交叉操作:选定一定的交叉概率,对选出的父代个体进行交叉操作,生成新的个体作为下一代种群的一部分。 变异操作:选定一定的变异概率,对新生成的个体进行变异操作,以增加种群的多样性。 评估适应度:对新生成的个体,计算其适应度值。0 68浏览免费
- 机器学习大小:2KB实数编码遗传算法(Real-coded Genetic Algorithm)是一种启发式搜索算法,用于解决优化问题。与二进制遗传算法不同,实数编码遗传算法适用于解决决策变量为实数的优化问题。以下是实数编码遗传算法的基本描述: 初始化种群:初始时,随机生成一定数量的个体(也称为染色体),每个个体由一组实数值(决策变量)构成,这些个体组成了种群。 确定适应度函数:根据具体的优化问题,定义一个适应度函数来评估每个个体的优劣程度。适应度函数通常基于问题的特性和优化目标来定义。 选择操作:使用选择算子(如轮盘赌选择、竞赛选择等),根据个体的适应度值选择父代个体用于繁殖下一代。 交叉操作:选定一定的交叉概率,对选出的父代个体进行交叉操作,生成新的个体作为下一代种群的一部分。在实数编码遗传算法中,可以使用一些常见的交叉方式,如单点交叉、多点交叉、均匀交叉等。 变异操作:选定一定的变异概率,对新生成的个体进行变异操作,以增加种群的多样性。在实数编码遗传算法中,可以使用一些常见的变异方式,如高斯变异、多项式变异等。 评估适应度:对新生成的个体,计算其适应度值。 替换操作:根据适应度值,选择实数编码遗传算法(Real-coded Genetic Algorithm)是一种启发式搜索算法,用于解决优化问题。与二进制遗传算法不同,实数编码遗传算法适用于解决决策变量为实数的优化问题。以下是实数编码遗传算法的基本描述: 初始化种群:初始时,随机生成一定数量的个体(也称为染色体),每个个体由一组实数值(决策变量)构成,这些个体组成了种群。 确定适应度函数:根据具体的优化问题,定义一个适应度函数来评估每个个体的优劣程度。适应度函数通常基于问题的特性和优化目标来定义。 选择操作:使用选择算子(如轮盘赌选择、竞赛选择等),根据个体的适应度值选择父代个体用于繁殖下一代。 交叉操作:选定一定的交叉概率,对选出的父代个体进行交叉操作,生成新的个体作为下一代种群的一部分。在实数编码遗传算法中,可以使用一些常见的交叉方式,如单点交叉、多点交叉、均匀交叉等。 变异操作:选定一定的变异概率,对新生成的个体进行变异操作,以增加种群的多样性。在实数编码遗传算法中,可以使用一些常见的变异方式,如高斯变异、多项式变异等。 评估适应度:对新生成的个体,计算其适应度值。 替换操作:根据适应度值,选择0 45浏览免费
- qupath操作流程学习0 194浏览会员免费
- 数据库大小:3MB随着社交、电商、金融、零售、物联网等行业的快速发展,现实社会织起了了一张庞大而复杂的关系网,传统数据库很难处理关系运算。大数据行业需要处理的数据之间的关系随数据量呈几何级数增长,急需一种支持海量复杂数据关系运算的数据库,图数据库应运而生。 世界上很多著名的公司都在使用图数据库,比如: 社交领域:Facebook, Twitter,Linkedin用它来管理社交关系,实现好友推荐零售领域:eBay,沃尔玛使用它实现商品实时推荐,给买家更好的购物体验金融领域:摩根大通,花旗和瑞银等银行在用图数据库做风控处理 汽车制造领域:沃尔沃,戴姆勒和丰田等顶级汽车制造商依靠图数据库推动创新制造解决方案电信领域:Verizon, Orange和AT&T 等电信公司依靠图数据库来管理网络,控制访问并支持客户 360 酒店领域:万豪和雅高酒店等顶级酒店公司依使用图数据库来管理复杂且快速变化的库存图数据库并非指存储图片的数据库,而是以图数据结构存储和查询数据。 图数据库是基于图论实现的一种NoSQL数据库,其数据存储结构和数据查询方式都是以图论为基础的,图数据库主要用于存储更多的连接数据。随着社交、电商、金融、零售、物联网等行业的快速发展,现实社会织起了了一张庞大而复杂的关系网,传统数据库很难处理关系运算。大数据行业需要处理的数据之间的关系随数据量呈几何级数增长,急需一种支持海量复杂数据关系运算的数据库,图数据库应运而生。 世界上很多著名的公司都在使用图数据库,比如: 社交领域:Facebook, Twitter,Linkedin用它来管理社交关系,实现好友推荐零售领域:eBay,沃尔玛使用它实现商品实时推荐,给买家更好的购物体验金融领域:摩根大通,花旗和瑞银等银行在用图数据库做风控处理 汽车制造领域:沃尔沃,戴姆勒和丰田等顶级汽车制造商依靠图数据库推动创新制造解决方案电信领域:Verizon, Orange和AT&T 等电信公司依靠图数据库来管理网络,控制访问并支持客户 360 酒店领域:万豪和雅高酒店等顶级酒店公司依使用图数据库来管理复杂且快速变化的库存图数据库并非指存储图片的数据库,而是以图数据结构存储和查询数据。 图数据库是基于图论实现的一种NoSQL数据库,其数据存储结构和数据查询方式都是以图论为基础的,图数据库主要用于存储更多的连接数据。0 257浏览会员免费
- 山东大学软件学院数据挖掘期末总结0 102浏览会员免费
- 数据集大小:168KBA total of 3810 rice grain's images were taken for the two species, processed and feature inferences were made. 7 morphological features were obtained for each grain of rice. Dataset Information Additional Information Among the certified rice grown in TURKEY, the Osmancik species, which has a large planting area since 1997 and the Cammeo species grown since 2014 have been selected for the study. When looking at the general characteristics of Osmancik species, they have a wide, long,A total of 3810 rice grain's images were taken for the two species, processed and feature inferences were made. 7 morphological features were obtained for each grain of rice. Dataset Information Additional Information Among the certified rice grown in TURKEY, the Osmancik species, which has a large planting area since 1997 and the Cammeo species grown since 2014 have been selected for the study. When looking at the general characteristics of Osmancik species, they have a wide, long,0 212浏览免费
- 数据集大小:2MBThe Data Science Handbook 学习笔记 The Data Science Handbook 学习笔记 The Data Science Handbook 学习笔记 The Data Science Handbook 学习笔记 The Data Science Handbook 学习笔记 The Data Science Handbook 学习笔记 The Data Science Handbook 学习笔记 The Data Science Handbook 学习笔记 The Data Science Handbook 学习笔记 The Data Science Handbook 学习笔记 The Data Science Handbook 学习笔记 The Data Science Handbook 学习笔记 The Data Science Handbook 学习笔记 The Data Science Handbook 学习笔记 The Data Science Handbook 学习笔记 The Data Science Handbook 学习笔记The Data Science Handbook 学习笔记 The Data Science Handbook 学习笔记 The Data Science Handbook 学习笔记 The Data Science Handbook 学习笔记 The Data Science Handbook 学习笔记 The Data Science Handbook 学习笔记 The Data Science Handbook 学习笔记 The Data Science Handbook 学习笔记 The Data Science Handbook 学习笔记 The Data Science Handbook 学习笔记 The Data Science Handbook 学习笔记 The Data Science Handbook 学习笔记 The Data Science Handbook 学习笔记 The Data Science Handbook 学习笔记 The Data Science Handbook 学习笔记 The Data Science Handbook 学习笔记0 18浏览会员免费
- 爬虫-requests模块的使用讲解。 get、post两种请求方式以及代理0 44浏览会员免费
- Xpath、BeautifulSoup、JsonPath三种解析方式的用法以及示例。0 43浏览会员免费
- r语言大小:4MBR语言数据分析案例R语言数据分析案例0 41浏览会员免费
- 大数据大小:2MB大数据ETL开发之图解Kettle工具(入门到精通)大数据ETL开发之图解Kettle工具(入门到精通)1 289浏览会员免费
- ETL学习笔记 Kettle基本知识交流0 22浏览会员免费
- 数据挖掘大小:112KB本资源包括数据挖掘源码+数据集两部分,源码部分包括对titanic数据集的清洗、挖掘等操作,以及用多种算法建模预测幸存率。本资源包括数据挖掘源码+数据集两部分,源码部分包括对titanic数据集的清洗、挖掘等操作,以及用多种算法建模预测幸存率。0 117浏览会员免费
- 软件/插件大小:4MBThis is a curated phosphorus cycling database (PCyCDB) with 138 gene families and 10 metabolism processes. Homologous genes were added into the database to reduce the false positive rate. The criteria (i.e., identity, hit length) for filtering the alignment result generated by sequence similarity searching tools (e.g., BLAST, USEARCH, DIAMOND) were refined by identifying a known simulated gene dataset and mock bacteria community to obtain the best accuracy and further reduction of false positiveThis is a curated phosphorus cycling database (PCyCDB) with 138 gene families and 10 metabolism processes. Homologous genes were added into the database to reduce the false positive rate. The criteria (i.e., identity, hit length) for filtering the alignment result generated by sequence similarity searching tools (e.g., BLAST, USEARCH, DIAMOND) were refined by identifying a known simulated gene dataset and mock bacteria community to obtain the best accuracy and further reduction of false positive0 61浏览会员免费
- 小波分析大小:6MB山东省2001-2022年逐月降雨数据,可以通过使用小波分析来分析山东省的降雨周期性。山东省2001-2022年逐月降雨数据,可以通过使用小波分析来分析山东省的降雨周期性。0 16浏览会员免费
- 产品运营大小:17MB数据分析,产品分析,运营分析等相关方法论,可以在日常工作中直接套用的数据分析,产品分析,运营分析等相关方法论,可以在日常工作中直接套用的0 8浏览会员免费
- 软件/插件大小:2KB提供的代码是一个Python脚本,使用requests库对平台进行HTTP请求。脚本执行以下任务: 导入必要的库(re、requests、time、math、random、uuid、json)。 定义一个get_tunnel_proxies()函数来配置代理设置(代理设置当前未实现,需要手动配置)。 定义一个b_lsid()函数来生成b_lsid值。 定义一个gen_uuid()函数来生成随机的uuid值。 定义一个b_4()函数来从API中获取b_4值。 定义一个fqq()函数,向 API发送POST请求,模拟用户交互(点击视频)。 定义一个get_video_id_info()函数,获取视频的信息(aid、bvid、cid、时长和播放量)。 脚本使用requests库初始化一个会话,设置会话头部,并设置视频URL、aid、bvid和cid。 脚本生成随机的uuid和b_lsid,设置cookies,并从API中获取sid值。 脚本进入循环,在循环中每3秒钟调用get_video_id_info()和fqq提供的代码是一个Python脚本,使用requests库对平台进行HTTP请求。脚本执行以下任务: 导入必要的库(re、requests、time、math、random、uuid、json)。 定义一个get_tunnel_proxies()函数来配置代理设置(代理设置当前未实现,需要手动配置)。 定义一个b_lsid()函数来生成b_lsid值。 定义一个gen_uuid()函数来生成随机的uuid值。 定义一个b_4()函数来从API中获取b_4值。 定义一个fqq()函数,向 API发送POST请求,模拟用户交互(点击视频)。 定义一个get_video_id_info()函数,获取视频的信息(aid、bvid、cid、时长和播放量)。 脚本使用requests库初始化一个会话,设置会话头部,并设置视频URL、aid、bvid和cid。 脚本生成随机的uuid和b_lsid,设置cookies,并从API中获取sid值。 脚本进入循环,在循环中每3秒钟调用get_video_id_info()和fqq0 13浏览免费
- javascript大小:22KB这段代码使用了requests库发送HTTP请求,并使用execjs库执行了一个JavaScript代码。它的主要功能是获取今日头条的新闻列表数据。 代码中的主要步骤包括: 导入requests、execjs和os模块。 打开一个名为index.js的文件,将文件内容读取为JavaScript代码字符串。 使用execjs.compile编译JavaScript代码字符串为可执行的JavaScript代码对象。 指定要请求的URL地址。 调用之前编译的JavaScript代码对象的get_sign函数,并传入URL参数来获取URL的签名。这段代码使用了requests库发送HTTP请求,并使用execjs库执行了一个JavaScript代码。它的主要功能是获取今日头条的新闻列表数据。 代码中的主要步骤包括: 导入requests、execjs和os模块。 打开一个名为index.js的文件,将文件内容读取为JavaScript代码字符串。 使用execjs.compile编译JavaScript代码字符串为可执行的JavaScript代码对象。 指定要请求的URL地址。 调用之前编译的JavaScript代码对象的get_sign函数,并传入URL参数来获取URL的签名。0 7浏览免费
- 当前,在全球科技竞争日趋激烈的背景下,中国政府对芯片产业给予了极高的关注,并将其视为国家战略性新兴产业。近年来,由于国际贸易摩擦和技术封锁,中国芯片行业面临了巨大的供应链压力,这也催生了国内芯片产业的自主创新和研发热潮。大量的资本、人才和技术资源正在流向这一领域,推动中国芯片行业快速发展。然而,不可否认的是,中国在芯片领域仍存在一定的技术差距。基于此,本文选择以Z芯片制造企业为研究对象,从专利数据视角切入,构建并验证了Z芯片制造企业技术创新的系统动力学模型,通过历史性检验和极端性检验验证了模型的有效性和可信度。其次,设计了优化路径仿真方案,包括增强环境支撑、增加企业创新投入、提升产业凝聚力、促进人才吸引与培养以及多因素协同作用等方案,以探究不同因素对产业技术创新的影响。最后通过灵敏度分析,发现增强环境支撑强度对产业技术创新的影响最为显著,其次是增加企业创新投入和提升产业凝聚程度,而促进人才吸引与培养对技术创新的影响在短期内有效,但长期效果不明显。多因素协同作用能够全面提升产业技术创新水平。0 14浏览会员免费
- 原油价格大小:496KB需要更多实时数据可关注私信博主 该文件数据共计6千多条 数据来源: https://www.cnpc.com.cn/cnpcstockinfohtml/oilgas/scgc_crudeoil_more.html需要更多实时数据可关注私信博主 该文件数据共计6千多条 数据来源: https://www.cnpc.com.cn/cnpcstockinfohtml/oilgas/scgc_crudeoil_more.html0 18浏览免费
- 数据库大小:5KB将二手车数据爬取下来 并且保存到数据库将二手车数据爬取下来 并且保存到数据库0 25浏览会员免费
- 数据分析大小:1MB泰坦尼克号生还预测附答案泰坦尼克号生还预测附答案0 27浏览会员免费
- 数据挖掘的概念与分类体系 数据挖掘的原理与方法 数据挖掘的相关国际标准 数据挖掘系统结构 数据挖掘系统设计中的若干问题 数据挖掘新技术 大批成熟的业务信息系统投入运行 信息系统多年运行,积累了海量的数据 各类信息系统大多属于面向事务处理的OLTP系统 数据是一种宝贵的资源,但没有充分发挥作用0 11浏览会员免费
- 数据集大小:29MB时间 B17.UC_ScadaActivePowerSetpoint B17.CI_YawBrakePressure3 B17.CI_TowerClearanceHb B17.CI_SubVibNacelleForeAftAcceleration B17.S_ShaftPowerSetpointTarget B17.CI_PcsActivePower B17.CI_PcsMeasuredGeneratorSpeed B17.CI_PcsMeasuredElectricalTorque B17.CO_PcsTorqueDemand B17.CI_TowerClearanceValue B17.CI_TowerClearanceValid B17.CI_RotorSpeed B17.CI_RotorSpeed2 B17.CI_SubVibNacelleSideSideAcceleration B17.CI_NacellePosition B17.CI_NacelleAutoKeySwitch B17.CI_HydraulicPowerPackPressure B17.CI_IprRealP时间 B17.UC_ScadaActivePowerSetpoint B17.CI_YawBrakePressure3 B17.CI_TowerClearanceHb B17.CI_SubVibNacelleForeAftAcceleration B17.S_ShaftPowerSetpointTarget B17.CI_PcsActivePower B17.CI_PcsMeasuredGeneratorSpeed B17.CI_PcsMeasuredElectricalTorque B17.CO_PcsTorqueDemand B17.CI_TowerClearanceValue B17.CI_TowerClearanceValid B17.CI_RotorSpeed B17.CI_RotorSpeed2 B17.CI_SubVibNacelleSideSideAcceleration B17.CI_NacellePosition B17.CI_NacelleAutoKeySwitch B17.CI_HydraulicPowerPackPressure B17.CI_IprRealP0 41浏览会员免费
- openvino大小:154MBopenvino的安装包:l_openvino_toolkit_p_2022.1.0.643_offline.sh,由于官方把这个版本的下架了,所以将这个暴露出来,供有需要的同学使用openvino的安装包:l_openvino_toolkit_p_2022.1.0.643_offline.sh,由于官方把这个版本的下架了,所以将这个暴露出来,供有需要的同学使用0 28浏览会员免费
- 大数据大小:3MBChatGLM2-6B运行文件ChatGLM2-6B运行文件0 16浏览会员免费
- 大数据大小:223KBChatGLM2-6B运行文件ChatGLM2-6B运行文件0 13浏览会员免费
- 数据分析大小:723KB数据分析(一):美国某公司购物数据报告数据分析(一):美国某公司购物数据报告0 25浏览会员免费
- sklearn大小:384KB使用sklearn.neighbors模块中KNN类,预测文件中数据的类标号。使用sklearn.neighbors模块中KNN类,预测文件中数据的类标号。0 15浏览会员免费
- 大数据大小:14MB电子课件,PPT,作业,习题解答电子课件,PPT,作业,习题解答0 53浏览会员免费
- 大数据大小:16MB教学资料,包括电子课件,ppt,实验总结,教学进度表教学资料,包括电子课件,ppt,实验总结,教学进度表0 17浏览会员免费
- 数据挖掘大小:138KB用于大数据分析,机器学习等的标准数据集用于大数据分析,机器学习等的标准数据集0 45浏览会员免费
- 风电机组大小:6MB风电机组SCADA数据,包括3万多行,40多个常见变量!!风电机组SCADA数据,包括3万多行,40多个常见变量!!0 23浏览会员免费
- 数据集大小:98MB可用于风电机组故障预测和诊断的数据集,20万行数据,80多个变量可用于风电机组故障预测和诊断的数据集,20万行数据,80多个变量0 15浏览会员免费
- opencv大小:1MBAutomated CI toolchain to produce precompiled opencv-pythonAutomated CI toolchain to produce precompiled opencv-python0 5浏览免费
- 机器学习大小:9MB手写数字识别是机器学习中的一个经典问题,通常涉及将手写数字的图像与其对应的数字进行关联。这种问题通常被认为是计算机视觉领域的一个入门任务,也是许多深度学习框架和算法的基础测试案例之一。 问题描述 手写数字识别的目标是让计算机自动识别手写数字的图像,并将其分类为 0 到 9 的数字。这通常涉及到以下几个方面: 数据集: 使用包含手写数字图像及其对应标签(数字)的数据集,例如 MNIST 数据集。该数据集包含了大量 28x28 像素的手写数字图像,每个图像都标有正确的数字。 预处理: 对图像进行预处理,包括缩放、标准化和降噪等操作,以确保输入数据在模型中能够被有效处理。 模型选择: 选择适当的机器学习或深度学习模型,例如卷积神经网络(CNN)。CNN 在图像处理任务中表现优异,因为它们能够有效地捕捉图像中的空间特征。 训练: 使用带有标签的训练数据集对模型进行训练,以学习如何正确地分类手写数字。训练过程涉及到优化算法、损失函数的定义和参数调整等。 评估: 使用测试数据集对训练好的模型进行评估,了解其在未见过的数据上的性能。手写数字识别是机器学习中的一个经典问题,通常涉及将手写数字的图像与其对应的数字进行关联。这种问题通常被认为是计算机视觉领域的一个入门任务,也是许多深度学习框架和算法的基础测试案例之一。 问题描述 手写数字识别的目标是让计算机自动识别手写数字的图像,并将其分类为 0 到 9 的数字。这通常涉及到以下几个方面: 数据集: 使用包含手写数字图像及其对应标签(数字)的数据集,例如 MNIST 数据集。该数据集包含了大量 28x28 像素的手写数字图像,每个图像都标有正确的数字。 预处理: 对图像进行预处理,包括缩放、标准化和降噪等操作,以确保输入数据在模型中能够被有效处理。 模型选择: 选择适当的机器学习或深度学习模型,例如卷积神经网络(CNN)。CNN 在图像处理任务中表现优异,因为它们能够有效地捕捉图像中的空间特征。 训练: 使用带有标签的训练数据集对模型进行训练,以学习如何正确地分类手写数字。训练过程涉及到优化算法、损失函数的定义和参数调整等。 评估: 使用测试数据集对训练好的模型进行评估,了解其在未见过的数据上的性能。0 163浏览会员免费
- knn算法实现鸢尾花分类0 21浏览会员免费
- 大数据之ELK教学课件.docx0 10浏览会员免费
- matlab大小:188MBMatlab频谱合成音乐《追光者》 压缩包中所含内容:matlab合成音乐源代码文件,音乐频谱图(左声道频谱图与右声道频谱图.fig文件),《追光者》原声音乐(mp3文件),matlab频谱合成的《追光者》音乐(带和声混响效果,wav文件),合成制作报告 完成步骤:.首先需要下载目标音乐的简谱,利用乐谱的音阶,拍子等基本乐理知识,按铺子对应的每个音阶输出频率,对应每个音阶的街拍。 2.设置采样率,采样率是一秒的声音里我们采样了多少个点(matlab默认的采样率是8192,播放区段是1000Hz~384000Hz)。人耳能听到的声音范围是20~2000Hz,根据采样定理采样频率fs应该大于40000Hz,采样频率越高则采样带来的失真就会越小,但音频文件也会更大。 3.设置输入信号,通过网上学习,发现音乐合成的输入信号一般用正弦波,即Y=A*sin(2*pi*w*t)。其中,A控制声音的大小,w控制声调的高低,t的范围控制声音的长短。Matlab频谱合成音乐《追光者》 压缩包中所含内容:matlab合成音乐源代码文件,音乐频谱图(左声道频谱图与右声道频谱图.fig文件),《追光者》原声音乐(mp3文件),matlab频谱合成的《追光者》音乐(带和声混响效果,wav文件),合成制作报告 完成步骤:.首先需要下载目标音乐的简谱,利用乐谱的音阶,拍子等基本乐理知识,按铺子对应的每个音阶输出频率,对应每个音阶的街拍。 2.设置采样率,采样率是一秒的声音里我们采样了多少个点(matlab默认的采样率是8192,播放区段是1000Hz~384000Hz)。人耳能听到的声音范围是20~2000Hz,根据采样定理采样频率fs应该大于40000Hz,采样频率越高则采样带来的失真就会越小,但音频文件也会更大。 3.设置输入信号,通过网上学习,发现音乐合成的输入信号一般用正弦波,即Y=A*sin(2*pi*w*t)。其中,A控制声音的大小,w控制声调的高低,t的范围控制声音的长短。0 171浏览会员免费
- 发票填开大小:982KB更新到2023-08-15号的最新版本 《商品和服务税收分类编码表》,包含商品和服务名称、税率、税收分类编码表、版本号、单项更新时间等更新到2023-08-15号的最新版本 《商品和服务税收分类编码表》,包含商品和服务名称、税率、税收分类编码表、版本号、单项更新时间等0 28浏览会员免费
- 数据挖掘大小:316KBComplexHeatmap复杂热图数据ComplexHeatmap复杂热图数据0 27浏览会员免费
- python大小:29MBPython爬虫,实现爬取CSDN文章,并保存到本地为MarkDown 格式,也能够直接保存到 Mysql 数据库中,涉及到 py_mysql、BeautifulSoup、requests、html2text、parsel、etree、unescape 实现Python爬虫,实现爬取CSDN文章,并保存到本地为MarkDown 格式,也能够直接保存到 Mysql 数据库中,涉及到 py_mysql、BeautifulSoup、requests、html2text、parsel、etree、unescape 实现0 24浏览会员免费