内科大深度学习课程作业。 矩阵与 神经网络模型 与 深度学习模型 关系 机器学习 与 深度学习 在训练数据中的区别 点乘与叉乘区别 深度学习模型 浅层与深层 关系 线性关系与非线性 权重和偏置 超参数（训练数据与可调整数据（var）） 误差其他说法 损失函数Loss fuction 预测值与真实值之间的差距 线性，非线性与过拟合 数据去粗取精，求最优 稀疏矩阵特点以及应用

基于深度学习+opencv的python车牌识别系统源码.zip 可作为毕业设计、课程设计、期末大作业等，下载即用，无需修改，只需下载项目到本地，运行GUI.py即可。 选择两个模块进入新的界面，根据按钮进行操作 本项目还可以进行优化，希望有实力的朋友们可以进行二次开发。 基于深度学习+opencv的python车牌识别系统源码.zip 可作为毕业设计、课程设计、期末大作业等，下载即用，无需修改，只需下载项目到本地，运行GUI.py即可。 选择两个模块进入新的界面，根据按钮进行操作 本项目还可以进行优化，希望有实力的朋友们可以进行二次开发。 基于深度学习+opencv的python车牌识别系统源码.zip 可作为毕业设计、课程设计、期末大作业等，下载即用，无需修改，只需下载项目到本地，运行GUI.py即可。 选择两个模块进入新的界面，根据按钮进行操作 本项目还可以进行优化，希望有实力的朋友们可以进行二次开发。 基于深度学习+opencv的python车牌识别系统源码.zip 可作为毕业设计、课程设计、期末大作业等，下载即用，无需修改，只需下载项目到本地，运行GUI.py即可。 选择两

人工智能在教育中的作用一直是热门话题。有些人担心人工智能会接管教育，损害学生和教师的利益，而另一些人则声称人工智能将彻底改变和改善教育。 虽然我们还远未在课堂上看到机器人，但人工智能正在进入教育领域。通过使用人工智能，某些任务可以变得更容易。例如，可以使用人工智能快速轻松地完成评分。教育改变教育的最重要方式就是简单地帮助学生学习。在这篇文章中，我将讨论人工智能帮助学生学习的 7 种方式。

本资源是关于人工智能领域K近邻算法(KNN)的实例演示-鸢尾花识别-使用excel分辨鸢尾花种类，内容详细解读KNN如何解决分类问题，为大众提供一种解决问题的全新方法。内含各大公式作用指导，帮助大家进一步理解何为KNN。

目前的自动驾驶系统由摄像机，激光雷达等传感器，控制器，GPS定位系统，数字地图，算法等多个部件构成，在这里我们重点介绍算法部分，尤其是机器学习技术在其中的应用情

人工智能科技风格ppt模版_20款等你下载 下载即可使用，没有其他套路

本资源内容为人工智能学习者提供一种用excel来模拟神经网络算法的方法，提高学习兴趣或帮助同学更加了解神经网络的工作原理！资源内容详细解读神经网络算法的基本原理（内含图形深度剖析），以及在实现算法上各种公式应用的详解，一步步教大家如何去真正理解什么是神经网络算法的原理。

共享人工智能时代的科技红利+策地帮AI系统介绍（设计院版+V2）.pdf

基于OpenCV+Python实现的手势识别项目完整源码+数据集+项目使用说明.7z 本项目需要 PyCharm 来运行 可以在创建项目的时候，创建 Python 运行环境，建议使用anaconda来配置。 带数据集，可训练模型 【基础包需要安装】 pip install numpy pip install scipy pip install python-tk 直接运行myGUI或者main即可，也可以自己修改一些参数重新训练模型。

非支配排序，拥挤度计算，pareto前沿，A Fast and Elitist Multi-objective Genetic Algorithm:NSGA-II NSGA算法 NSGA算法缺陷 NSGA-II算法 总结 1. 快速非支配排序法将时间复杂度改进为O(MN2)； 2.使用拥塞距离代替代替共享函数算法保持种群多样性； 引入精英保留策略。 非支配排序的复杂度较高: O(MN3) （M是目标函数的个数，N是种群大小)； 缺少精英保留策略； 需要人为指定共享参数σshare（共享小生境步骤）。 NSGA： nondominated sorting genetic algorithms-非支配排序遗传算法 nondominated：非支配 例：回家，两目标（费用，时间），均越小越好 动车A（270 , 7），普快B（120 , 10），飞机C（240，2） C（240，2）支配A（270 ， 7）; A（270 , 7）被C（240，2）支配; B（120 , 10）和C（240，2）不可比，即非支配。 目的：得到一组非支配的解--Pareto最优解集。