高级车道查找器 一种更强大的车道检测算法，准备应对更现实的场景，例如照明条件，阴影的重大变化，并计算车辆位置以及道路曲率。 这种方法使用多项式拟合以更平滑的方式检测弯曲车道。 提供了以及。 提供了该算法的详细说明。

速度更快、效果更好的中文新词发现 复现了之前的中的新词发现算法。 算法细节： 复现细节： 实测 在经过充分训练的情况下，用bakeoff2005的pku语料进行测试，能得到0.765的F1，优于ICLR 2019的的0.731 （注：这里是为了给效果提供一个直观感知，比较可能是不公平的，因为我不确定这篇论文中的训练集用了哪些语料。但我感觉在相同时间内本文算法会优于论文的算法，因为直觉论文的算法训练起来会很慢。作者也没有开源，所以有不少不确定之处，如有错谬，请读者指正。） 使用 使用前务必通过 chmod +x count_ngrams 赋予count_ngrams可执行权限，然后修改word_discovery.py适配自己的数据，最后执行 python word_discovery.py 更新 2019.12.04: 兼容python3，在python2.7和python3.5下测试通过

概述 1.本程序用于中文新词发现。不依赖于已有词典、词库，输入中文文本，即可发现中文新词，属非监督式学习。 2.本程序支持中文2字新词、3字新词和4字新词的发现。 3.需要python3及以上。 算法参考 基于大规模语料的新词发现算法，顾森，《程序员》 不过，在顾森文章中提及的次数阈值、凝固度阈值、信息熵阈值是实数值，本程序支持基于统计的比值。 本程序，次数阈值、凝固度阈值、信息熵阈值参数设置分别为-c、-b、-e(统计比值)，-C、-B、-E(实数值)。 使用 cnwd.py Input Output [options] options: -c CountThresholdPercent,(0,1),default=0.5 -C CountThreshold -b BindThresholdPercent,(0,1),default=0.5 -B BindThreshol

知识发现和数据挖掘

引入群体发现和加入行为的随机搜索算法 随机搜索算法.pdf

Zhihu产品设计原型，Axure源文件版本,首页，发现，通知，私信，更多资料等，完整交互设计，供参考和学习使用。

我们很高兴地邀请到来自哈佛大学的Marinka Zitnik教授来给我们做一个关于计算生物学中的图神经网络的讲座。在本讲座中，Marinka教授概述了为什么图学习技术可以极大地帮助计算生物学研究。具体来说，本演讲涵盖了3个范例用例: (1) 通过异构知识图谱的多关系链接预测发现安全的药物-药物组合;(2)通过学习子图嵌入对患者结局和疾病进行分类;(3)通过图的少样本学习，学习有效的疾病治疗方法。

人工智能-搜索引擎

保证能用的:批量检测微信好友删了你没

病毒扫描演示 C# 版本添加了“FolderWatch”应用程序（也可作为服务提供），用于监视添加到指定目录的文件。 当发现一个新文件时，它会被扫描并根据它的病毒状态分类到 2 个不同的子目录中。