陈强《机器学习及Python应用》全数据集、课件及勘误表 非电子书,不涉及版权问题
2022-12-23 11:04:05 15.79MB 机器学习. python
1
高清晰,无密码,适合零基础学习Python,可以读读,还是不错的资料。
2022-12-22 18:17:31 59.31MB Python 开发技术
1
Yolov3+Flask+2k图片+99%检测率权重——交互式框架 0x01 主页视图 0x02 图片检测 0x03 视频检测 0x04 实时检测 0x05 训练数据 0x06 日志记录
2022-12-14 16:26:55 402.49MB 深度学习 python yolo 交互式框架
使用yolov5训练好的口罩检测模型,其中具体训练方法见我的博文《使用YOLOV5训练口罩检测模型》,链接https://blog.csdn.net/wchwdog13/article/details/128311482?spm=1001.2014.3001.5501
2022-12-14 11:27:29 13.78MB yolov5 口罩检测 深度学习 python
1
基于机器学习的商品评论情感分析——毕业设计项目.zip从淘宝爬取评论 使用Selenium模拟真实登录行为,并爬取数据。 数据清理 如果文本中有“666“,”好好好“等无用词语,去掉评论中的标点符号。 分词 使用jieba精确模式进行分词,构造词典 将词汇向量化 创建词语字典,并返回每个词语的索引,词向量,以及每个句子所对应的词语索引 分类模型对比 SVM vs LSTM 基于机器学习的商品评论情感分析——毕业设计项目.zip从淘宝爬取评论 使用Selenium模拟真实登录行为,并爬取数据。 数据清理 如果文本中有“666“,”好好好“等无用词语,去掉评论中的标点符号。 分词 使用jieba精确模式进行分词,构造词典 将词汇向量化 创建词语字典,并返回每个词语的索引,词向量,以及每个句子所对应的词语索引 分类模型对比 SVM vs LSTM 基于机器学习的商品评论情感分析——毕业设计项目.zip从淘宝爬取评论 使用Selenium模拟真实登录行为,并爬取数据。 数据清理 如果文本中有“666“,”好好好“等无用词语,去掉评论中的标点符号。 分词 使用jieba精确
基于生物启发式算法的多智能体强化学习算法matlab和python实现
2022-12-12 11:28:43 121.21MB matlab 强化学习 自学习 python
压缩包包含32位和64位下载版本。附带阿里开发手册买一送一。视频学习的万能播放器。给小ye下哈~。为什么还不到50个字。真的难受
2022-12-11 20:03:45 52.36MB 视频播放器 java基础学习 python
1
竞赛任务是利用数据驱动的重建技术从有限视角的扇形光束测量中恢复乳房模型幻影图像。这项挑战的独特之处在于,参赛者获得了一组地面真实图像及其无噪音的子采样正弦图(以及相关的有限视角过滤反投影图像),但没有获得实际的正向模型。 团队名称:robust-and-stable 完成工作:首先在一个数据驱动的几何校准步骤中估计扇形光束的几何。在随后的两步程序中,设计一个迭代的端到端网络,能够计算出接近精确的解决方案。(损失低到无法想象) 方法结构: 第一步:数据驱动的几何图形识别 第二步:预训练的U-Net作为计算支柱网络 第三步:迭代方案 方法内容(摘原文翻译,其中小部分增加自己的理解和解释,公式截原文的图,水印很恶心): 第一步 我们重建工作的第一步是从提供的训练数据中学习未知的前向算子(FBP算子)。断层扇形光束测量的连续版本是基于计算线积分。 其中x0是未知图像,L(s, )表示扇形光束坐标中的一条线,即是扇形旋转角度,s是编码传感器的位置。在一个理想化的情况下,扇形光束模型由以下几何参数指定(见图)。 d_source - X射线源到原点的距离
2022-12-07 12:27:32 574KB 深度学习 python
1
本代码基于Python语言编写,使用Pycharm软件,借助OpenCV库实现,可以调用摄像头采集目标人脸照片作为训练集,然后进行监督训练,最后就可以实现在摄像头中找到训练好的目标人脸。
2022-12-06 11:26:14 391.8MB 人脸识别 机器学习 深度学习 Python
1