- Approaching (Almost) Any Machine Learning Problem 英文原版完整版带目录0 6浏览会员免费
- Shadow Hand 设计图纸0 6浏览会员免费
- 251400-1099 V1.2 FlyDragon V4 32bit防水版 多轴电调中英文说明书.pdf0 5浏览会员免费
- ABOUT ARGONNE NATIONAL LABORATORY Argonne is a U.S. Department of Energy laboratory managed by UChicago Argonne, LLC under contract DE-AC02-06CH11357. The Laboratory’s main facility is outside Chicago, at 9700 South Cass Avenue, Argonne, Illinois 60439. For information about Argonne and its pioneering science and technology programs, see www.anl.gov.0 6浏览会员免费
- 大模型项目研发流程-大纲0 5浏览免费
- Book name: Introduce for machine leaning 4th edition Author: Ethem Alpaydin0 4浏览会员免费
- Lexium 18 伺服硬件手册0 5浏览免费
- UM-ODS9劳易测激光测距传感器说明书0 7浏览会员免费
- 遗传算法(Genetic Algorithm, GA)是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型,是一种通过模拟、然进化过程搜索最优解的方法。本文详细介绍遗传算法定义、生物学术语、问题导入、大体实现及具体细节。0 8浏览会员免费
- 深度学习基础理论知识pdf版本0 7浏览会员免费
- 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 计算机视觉中关于图像识别有四大类任务: 分类-Classification:解决“是什么?”的问题,即给定一张图片或一段视频判断里面包含什么类别的目标。 定位-Location:解决“在哪里?”的问题,即定位出这个目标的的位置。 检测-Detection:解决“是什么?在哪里?”的问题,即定位出这个目标的的位置并且知道目标物是什么。 分割-Segmentation:分为实例的分割(Instance-level)和场景分割(Scene-level),解决“每一个像素属于哪个目标物或场景”的问题。0 11浏览会员免费
- MATLAB经典上机实例50题及详细答案-Matlab上机题库及详细答案_Tonyxie.pdfMatlab上机题库及详细答案Tonyxie_0 2浏览会员免费
- 《私信博主免下载领取》 我们的框架由两个模型组成 : • 1. 搜索模型 , 包括 : • 行动预测模块 • 搜索查询生成模块 • 支持事实提取模块 • 2. 信息综合模型 自监督工具学习 • 预定义的工具 API • 鼓励模型调用和执行工具 API • 设计自监督损失 , 看看工具执行是否可以帮助语言建模 从工具用户到工具创建者 • 人类是从石器时代到 21 世纪创造和使用工具的主要媒介 • 大多数工具是为人类创造的 , 而不是 AI • 为模型制作的工具 • 模块化 : 将工具组成较小的单元 • 新的输入和输出格式 : 更可计算且适用于 AI 现有工程的限制 • 大多数现有工作往往集中在有限数量的工具上 • 用于确定工具最佳利用率的模型所采用的推理过程本质上是复杂 的 • 当前管道在检索执行结果后缺乏错误处理机制 • 我们不是让 LLM 充当工具的用户 , 而是让他们成为创 造者 [1] OpenAI 官方工具库 • 为 ChatGPT 提供更广泛的应用程序 • 通过简单地提供带有描述的 API , ChatGPT 能够调用应用程序并完0 15浏览免费
- LBC库大小:1MB西门子LBC库,中文说明西门子LBC库,中文说明0 4浏览会员免费
- 蓝桥杯人工智能团队赛国赛模拟题三期:https://www.lanqiao.cn/contests/ai-2024-3/challenges/; 答案,7.群策群力—实现多模型融合 https://www.lanqiao.cn/problems/8749/learning/ 介绍 你们研发小组已经完成了一个音乐热度预测模型的训练。在上线之前,一般需要对模型的泛化能力进行测试。模型融合可能会比单个模型有更好的泛化能力。在本任务中,你们要对多个训练好的回归模型完成模型融合,结合多个回归模型的预测结果,以生成最终的预测结果。 准备 开始答题前,请确认/home/project目录下包含以下文件: • model1.pkl • model2.pkl • model3.pkl • task.py 其中: • model1.pkl 、 model2.pkl 、 model3.pkl ,是本任务提供的基于 sklearn 训练的回归模型。 • task.py ,是你后续答题过程中编写代码的地方。 目标 请在task.py文件中按要求实现以下目标函数。 predictY函数0 39浏览免费
- 腾讯元器操作文档.pdf0 11浏览会员免费
- 机器学习之随机森林算法0 14浏览会员免费
- Understanding Machine Learning-from theory to algorithm(英文原版) 作者:Shai Shalev-Shwartz and Shai Ben-David pdf版 学习机器学习的大乘书籍0 8浏览会员免费
- WBC原理验证及简单WBC代码运行0 16浏览会员免费
- 课程地址:https://www.coursera.org/course/ml 本课程广泛的介绍机器学习、数据挖掘、统计模式识别。主题包括:(一)监督学习(参数/非参数算法,支持向量机,核函数,神经网络)。(二)无监督学习(聚类,降维,推荐系统,深入学习推荐)。(三)在机器学习的最佳实践(偏差/方差理论;在机器学习和人工智能创新过程)。 本课程还将使用大量的案例研究,您还将学习如何运用学习算法构建智能机器人(感知,控制),文本的理解(Web 搜索,反垃圾邮件),计算机视觉,医疗信息,音频,数据挖掘,和其他领域。本课程需要 10 周共 18 节课,相对以前的机器学习视频,这个视频更加清晰,而且每课都有 ppt 课件,推荐学习。0 13浏览会员免费
- 应用手册 v1.00 ServoA 高性能驱动器 根据多年中国市场的成功经验,KEBA 公司将成熟的驱动技术和领先的 EtherCAT实时总线系统相结合,研发了针对中国市场装备升级的全新伺服系列—ServoA0 8浏览会员免费
- 2019 年的特斯拉自动驾驶开放日上,特斯拉人工智能高级 主管 Andrej Karpathy 强调特物理数据无法代替,对于依赖虚拟 仿真自动驾驶,特斯拉更相信现实物理数据。也就是说,看图比 雷达更真实。在发布会后环节中,马斯克也再次重申自己的态度, 我们不用激光雷达,这就是态度。 ARTrobot-Drive 无人驾驶(深度学习)智能车采用 Python 编程语言,以深度学习开源框架百度飞桨 paddlepaddle 为基础, 高度集成硬件驱动模块,分布式结构化软件设计框架,可实现数 据采集、数据模型构建、自主识别弯道、无人驾驶验证等功能, 是一套学习深度学习开发的最优平台。 PaddlePaddle,中文名称:飞桨;作为国内唯一功能完备的 端对端开源深度学习平台,集深度学习训练和预测框架、模型库、 工具组件、服务平台为一体,其兼具灵活和效率的开发机制、工 业级应用效果的模型、超大规模并行深度学习能力、推理引撃一 体化设计以及系统化的服务支持,致力于让深度学习技术的创新 与应用更简单0 21浏览会员免费
- 智能汽车创意设计大赛比赛规则大全 资源概述 本资源包汇集了智能汽车创意设计大赛的全部比赛规则,详细介绍了比赛的各个方面,包括参赛资格、作品要求、评审标准、时间安排和注意事项等。所有规则文档均为免费提供,旨在帮助参赛者全面了解比赛流程,准备高质量的参赛作品,力求在比赛中取得优异成绩。 内容介绍 1. **参赛资格** - 详细说明参赛者的资格要求,包括参赛者年龄、专业背景、团队组成等信息。 - 特别说明学生组、专业组和公开组的具体要求,确保所有参赛者了解适用规则。 2. **报名流程** - 清晰列出参赛报名的步骤,包括报名时间、报名表提交方式、所需资料等。 - 提供报名表模板和填写指南,确保报名过程顺利进行。 3. **作品要求** - 详细说明参赛作品的具体要求,包括设计图纸、模型、技术说明书等。 - 作品类型:智能汽车概念设计、功能创新、系统集成等,具体要求如尺寸、比例、材料等。 - 作品提交方式和格式,确保参赛者能够按要求提交作品。 4. **评审标准** - 详细列出评审标准和评分细则,包0 15浏览会员免费
- 矩阵运算0 10浏览免费
- (私信博主领取 无需下载) 大语言模型(LLM) 技术作为人工智能领域的一项重要创 新在今年引起了广泛的关注。 LLM 是利用深度学习和大数据训练的人工智能系统,专门 设计来理解、生成和回应自然语言。这些模型通过分析大量 的文本数据来学习语言的结构和用法,从而能够执行各种语 言相关任务。以 GPT 系列为代表,LLM 以其在自然语言 处理领域的卓越表现,成为推动语言理解、生成和应用的引 擎。 LLM 在多个领域都取得了令人瞩目的成就。在自然语言处 理领域,GPT 系列模型在文本生成、问答系统和对话生成 等任务中展现出色的性能。在知识图谱构建、智能助手开发 等方面,LLM 技术也发挥了关键作用。此外,它还在代码 生成、文本摘要、翻译等任务中展现了强大的通用性。 本报告从技术人视角出发,将深入探讨 LLM 技术的背景、 基础设施、应用现状,以及相关的工具和平台。 LLM Tech Map Transformer 架构和预训练与微调策略是 LLM 技术的核心,随着大规模语言数据集的可用性和计算能 力的提升,研究者们开始设计更大规模的神经网络,以提高对语言复杂性的理解。0 16浏览免费
- 实验报告一0 13浏览会员免费
- 线性回归,公式推导pdf版本0 16浏览会员免费
- 深度学习在处理大规模视觉数据中的应用.pdf0 10浏览会员免费
- 灵巧手遇到故障有时需要我们进行拆卸,比如拇指的PST需要更换、肌腱线被夹住、断掉或者松脱,亦或指腹的电路板故障、接插件松脱等情况,这个时候您可以参考下文进行操作。0 9浏览会员免费
- ChatGPT教程(终极版).pdf0 15浏览会员免费
- 虽然MJ和SD都可以生成图像,但是为什么我们要考虑使用本地SD部署呢?原因其实很简单:首先,本地部署的使用成本更低,且更加高效;其次,它的功能更强大,更具专业性。然而,本地部署也存在一些缺点。一方面,它对硬件有一定的要求,特别是显卡。另一方面,使用上手需要经过一定的学习,才能熟悉使用。如果你平时只使用在线平台进行AI绘图,那么你只能算是入门级;如果你想达到专业级别,能够熟练地完成绘图任务,甚至商业化应用,那么本地部署就是不可或缺的。接下来教你怎么一步一步部署Stable Diffusion WebUI,让你的电脑拥有专业级AI绘图功能。0 70浏览会员免费
- 基于多尺度特征融合的人脸照片 – 素描合成 梁昌城1, 王楠楠1*, 朱明瑞1*, 杨曦1, 李洁1, 高新波2 1. 西安电子科技大学综合业务网理论及关键技术国家重点实验室, 西安 710071 2. 重庆邮电大学重庆市图像认知重点实验室, 重庆 400065 * 通信作者. E-mail: nnwang@xidian.edu.cn, mrzhu@xidian.edu.cn 收稿日期: 2021–03–10; 修回日期: 2021–04–30; 接受日期: 2021–05–28; 网络出版日期: 2022–01–250 102浏览免费
- 哈工大创新研修课程——基于项目驱动的人工智能与数据挖掘创新实践报告,提供给学弟学妹参考0 8浏览会员免费
- ### 机器学习算法面试题 1. 什么是机器学习?请解释机器学习的定义和基本原理。 2. 请简要解释监督学习、无监督学习和强化学习之间的区别,以及各自的应用领域。 3. 请说明什么是特征工程(Feature Engineering),为什么在机器学习中特征工程如此重要? 4. 请解释什么是过拟合(Overfitting)和欠拟合(Underfitting),以及如何解决这两个问题。 5. 请讨论常见的机器学习算法分类(Classification)算法,例如逻辑回归、支持向量机(SVM)和决策树。 6. 解释回归分析(Regression Analysis)在机器学习中的作用,以及线性回归和多项式回归之间的区别。 7. 请解释K均值聚类(K-means Clustering)算法的原理和应用场景,以及如何确定聚类的数量K。 8. 请描述决策树(Decision Tree)算法的工作原理,并解释信息增益(Information Gain)在决策树构建中的作用。 9. 请说明朴素贝叶斯分类器(Naive Bayes Classifier)的基本原理,以及在文本分类中的应用。 10. 什么0 19浏览会员免费
- 大型语言模型在医疗领域的应用0 11浏览会员免费
- 数据并行C++(Data Parallel C++) 英文版0 8浏览会员免费
- ai ChatGPT应用实战.pdf0 12浏览会员免费
- Inversion about Mobius0 8浏览会员免费
- 区块链技术 作为分布式记账(Distributed Ledger Technology,DLT)平台的核心技术,区块链被认为在金融、征信、物联网、经济贸易结算、资产管理等众多领域都拥有广泛的应用前景。 区块链技术处于快速发展的初级阶段,现有区块链系统在设计和实现中利用了分布式系统、密码学、网络协议等诸多学科的知识 区块链起源于中本聪的比特币,作为比特币的底层技术,本质上是一个去中心化的数据库。通过去中心化和去信任的方式集体维护一个可靠数据库的技术方案。 区块链作为分布式账本技术,其特点是去中心化、公开透明,让每个人均可参与数据库记录。 区块链本质上是个注重安全和可信度胜过效率的一项技术。 解决信任问题:互联网技术解决的是通讯问题,区块链技术解决的是信任问题。0 111浏览会员免费
- pandas, 目录 1. 常用方法 pandas.Series 2. pandas.DataFrame ([data],[index]) 根据行建立数据 3. pandas.DataFrame ({dic}) 根据列建立数据 4. pandas.DataFrame([list])根据数据建立列数据 5. loc / iloc 数据筛选 6. 多级行索引 7. 使用 pandas.MultiIndex 显式创建多级行索引 8. 多级行索引的升维及降维 9. 在DataFrame 中添加列 insert 10. 排序 sort 11. 根据多级索引进行数据统计 12. 简易合并 pandas.concat 13. pandas.merge 合并与链接 14. 列统计函数 describe 15. groupby 分组运算 16. pivot_table 数据透视表 17. 高性能列间运算 eval 与 query0 116浏览会员免费
- hbase的安装与简单操作 开发环境 硬件环境:Centos 6.5 服务器4台(一台为Master节点,三台为Slave节点) 软件环境:Java 1.7.0_45、Eclipse Juno Service Release 2、hadoop-1.2.1、hbase-0.94.20。 1、 HBase 安装 1) 下载安装包 hbase-090.3.tar.gz版本与hadoop-1.2.1良好兼容,从官网下载hbase-090.3.tar.gz安装包,并将下载的hbase-090.3.tar.gz拷贝到/home/hadoop目录下。hbase官网下载地址:http://archive.apache.org/dist/hbase/ 选择HBase-0.94.20版本,下载 HBase Releases. 2) 解压安装包 [hadoop@K-Master ~]$ cd /usr [hadoop@K-Master usr]$ sudo tar -xvf /home/hadoop/hbase-090.3.tar.gz #解压安装源码包 [hadoop@K-Master u0 166浏览会员免费
- 快速跨模态目标跟踪技术,红外可见光融合目标跟踪算法0 7浏览会员免费
- =================星辰语义大模型概述 1,星辰语义大模型TeleChat是由中电信人工智能科技有限公司研发训练的大语言模型,采用1.5万亿 Tokens中英文高质量语料进行训练。 2,开源了对话模型 TeleChat-7B-bot ,以及其 huggingface格式的权重文件。此外,还开源了7B模型的int8和int4量化版本。 ============3,开源的TeleChat模型的优点 3.1,支持deepspeed微调 3.2,开源了基于deepspeed的训练代码,支持Zero并行显存优化,同时集成了FlashAttention2。 3.3,多轮能力支持 3.4,开源了多轮数据构建方式,针对多轮模型训练集成了针对多轮的mask loss训练方式,更好的聚 3.5,焦多轮答案,提升问答效果。 外推能力提升 3.6,开源了8K训练版本模型,采用NTK-aware外推和attention saling外推方式,可以外推到96K。 3.7,具备较好的长文生成能力 在工作总结,工作计划,PPT大纲,申论,招标书,邮件,方案,周报,JD写作等长文写作任务具有较好的表现。0 111浏览会员免费
- 图文交互模型的安全性问题探讨(含后门攻击)0 25浏览会员免费
- 大语言模型高清PDF--人民大学。2022 年底,ChatGPT 震撼上线,大语言模型技术迅速“席卷”了整个社会,人工智能技术因此迎来了一次重要进展。面对大语言模型的强大性能,我们不禁要问:支撑这些模型的背后技术究竟是什么?这一问题无疑成为了众多科研人员的思考焦点。 不同综述,本次中文版书籍更注重为大模型技术的入门读者提供讲解,为此我们在内容上进行了大幅度的更新与重组,力图展现一个整体的大模型技术框架和路线图。本书适用于具有深度学习基础的高年级本科生以及低年级研究生使用,可以作为一本入门级的技术书籍0 36浏览会员免费
- 数字人文作为一种方法:西方研究现状及展望0 22浏览会员免费
- 注意力机制的核心思想是允许模型在处理输入序列(如文本或语音)时,根据当前的任务需求动态地分配不同部分的重要性权重。这种机制模仿了人类视觉系统的注意力分配机制,使得模型能够专注于输入数据中最相关的部分,从而提高处理效率和性能。 在深度学习模型中,注意力机制通常通过引入额外的参数来实现,这些参数用于计算输入数据的不同部分之间的关联性。然后,根据这些关联性得分,模型会为每个输入元素分配一个权重,这些权重决定了在后续计算中哪些部分的信息应该被强调。0 11浏览会员免费
- 深度学习是人工智能(AI)领域的一个子集,它依赖于复杂的神经网络模型,模仿人脑处理和分析数据的方式。0 55浏览会员免费
- 残差网络模型和vgg模型 用于垃圾分类的软件: 1.两个神经网络模型,残差网络和vgg 2.软件ui界面,用于选择模型和要进行分类的图片,并且展示分类结果。0 12浏览免费
- 描述高斯环境搭建的方法0 9浏览会员免费
- 书籍0 22浏览会员免费
- 小波分析是一种新兴的数学方法,它结合了傅里叶分析和时频分析的优点,能够在时域和频域之间灵活地转换。小波分析在许多领域都得到了广泛应用,如信号处理、图像处理、数据压缩等。本文将详细介绍小波分析的基本原理、主要方法及其在各个领域的应用。 小波分析的基本原理是通过小波函数来表示信号或图像。小波函数是一种具有良好时频局部化特性的函数,它可以在时域和频域之间灵活地转换。小波分析的关键在于选择合适的小波函数和分解尺度。 小波函数是通过对母小波函数进行伸缩和平移得到的。母小波函数通常是一个具有一定形状的函数,如Morlet小波、Meyer小波等。通过对母小波函数进行伸缩和平移,可以得到一系列不同尺度和位置的小波函数。这些小波函数可以用来表示信号或图像的不同特征。 小波分解是小波分析的核心步骤。通过对信号或图像进行小波分解,可以将其分解为一系列不同尺度和位置的小波系数。这些系数反映了信号或图像在不同尺度上的特征信息。在小波分解过程中,低频率系数反映了信号或图像的大致轮廓和形状,而高频系数则反映了细节和噪声信息。0 17浏览会员免费
- Python入门安装和基础语法HM-AI0 15浏览会员免费
- 本文介绍了在MATLAB中实现二叉树算法的基本步骤。首先,定义了一个名为TreeNode的结构体,用于存储二叉树节点的数据以及指向左右子节点的引用。接着,实现了几个函数来操作这个二叉树,包括insertNode用于插入新节点,以及preorderTraversal、inorderTraversal和postorderTraversal分别用于执行前序、中序和后序遍历。这些函数都采用了递归的实现方式。最后,给出了一个示例,展示了如何创建一个空的二叉树,通过insertNode函数插入节点,并使用遍历函数来展示树的结构。这段代码为MATLAB用户提供了一个简单的框架,用于实现和操作二叉树数据结构。0 58浏览会员免费
- Sora AI】文生视频详细教程介绍0 34浏览会员免费
- Go语言,作为近年来备受瞩目的编程语言,以其简洁、高效、安全、并发的特性,迅速在软件开发领域崭露头角。本文将从Go语言的起源、特性、应用、语法基础以及总结等方面,对Go语言进行简要的讲解。 Go语言凭借其简洁、高效、安全、并发的特性,在软件开发领域展现出强大的生命力和广阔的应用前景。无论是网络编程、分布式系统、后端开发还是云计算等领域,Go语言都有着广泛的应用。同时,Go语言的语法简洁明了,易于学习和理解,使得更多的开发者能够轻松上手。随着Go语言生态系统的不断完善和发展,相信它将在未来为更多的开发者带来便利和效益。0 13浏览会员免费
- Rust是一种多范式的编程语言,以其内存安全性、并发性强、高性能和易用性等特点而广受欢迎。它被广泛应用于系统级编程、嵌入式开发、并发编程等领域,并正在积极扩展其应用领域,如Web开发、GUI开发和大数据处理等。本文将详细讲解Rust语言的基础、特点、应用及其未来发展。0 23浏览会员免费
- Scratch是一款专为儿童设计的图形化编程语言,通过直观易懂的界面和丰富的功能模块,帮助孩子们理解编程的基本概念,激发创新思维,培养解决问题的能力。本文将全面介绍Scratch的特点、应用及教育意义,为广大家长和教育工作者提供有益的参考。 Scratch作为一款专为儿童设计的图形化编程语言,以其直观易懂的界面和丰富的功能模块,为儿童编程启蒙教育提供了有力的支持。它不仅能够帮助孩子们掌握基本的编程技能,还能够培养他们的逻辑思维能力、创新精神和团队合作能力。因此,广大家长和教育工作者应该充分利用Scratch这一工具,为孩子们创造一个充满乐趣和挑战的编程学习环境,让他们在快乐中成长,为未来的学习和发展打下坚实的基础。0 33浏览会员免费
- 地理信息系统中的常⽤坐标系0 9浏览会员免费
- Ruby是一种优雅、灵活且强大的编程语言,它以其简洁的语法、丰富的功能和强大的扩展性,赢得了广大开发者的喜爱。本文将全面介绍Ruby编程语言的基本特点、应用场景、语法结构、常用库和框架,并通过具体实例展示Ruby的编程魅力。 Ruby作为一种优雅、灵活且强大的编程语言,在Web开发、脚本编写等领域具有广泛的应用前景。其简洁的语法、丰富的功能和强大的扩展性,使得开发者能够高效地编写出高质量的代码。通过学习和掌握Ruby的基本特点和编程技巧,相信广大开发者能够在软件开发领域取得更加卓越的成就。0 10浏览会员免费