基于卷积神经网络-双向长短期记忆网络结合注意力机制(CNN-BILSTM-Attention)回归预测，多变量输入模型。matlab代码，2020版本及以上。 评价指标包括:R2、MAE、MSE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。

本资源为系统集成项目管理工程师考试(软考)2023年真题，包含答案与详细解析。每卷共分为两科，成绩均 ≥45 即通过考试： 1. 综合知识（选择题 75 道，75分） 2. 案例分析（问答题 4 道，75分） 计算机技术与软件专业技术资格（水平）考试（以下简称计算机软件资格考试）是原中国计算机软件专业技术资格和水平考试（简称软件考试）的完善与发展。计算机软件资格考试是由国家人力资源和社会保障部、工业和信息化部领导下的国家级考试，其目的是科学、公正地对全国计算机与软件专业技术人员进行职业资格、专业技术资格认定和专业技术水平测试。工业和信息化部教育与考试中心负责全国考务管理工作，除台湾地区外，计算机软件资格考试在全国各省、自治区、直辖市及计划单列市和新疆生产建设兵团，以及香港特别行政区和澳门特别行政区，都建立了考试管理机构，负责本区域考试的组织实施工作。计算机软件资格考试在全国范围内已经实施了二十多年，近十年来,考试该考试由于其权威性和严肃性，得到了社会各界及用人单位的广泛认同，并为推动国家信息产业发展，特别是在软件和服务产业的发展,以及提高各类信息技术人才的素质和能力中发挥了重要作用。

本资源为系统集成项目管理工程师考试(软考)2023年真题，包含答案与详细解析。每卷共分为两科，成绩均 ≥45 即通过考试： 1. 综合知识（选择题 75 道，75分） 2. 案例分析（问答题 4 道，75分） 计算机技术与软件专业技术资格（水平）考试（以下简称计算机软件资格考试）是原中国计算机软件专业技术资格和水平考试（简称软件考试）的完善与发展。计算机软件资格考试是由国家人力资源和社会保障部、工业和信息化部领导下的国家级考试，其目的是科学、公正地对全国计算机与软件专业技术人员进行职业资格、专业技术资格认定和专业技术水平测试。工业和信息化部教育与考试中心负责全国考务管理工作，除台湾地区外，计算机软件资格考试在全国各省、自治区、直辖市及计划单列市和新疆生产建设兵团，以及香港特别行政区和澳门特别行政区，都建立了考试管理机构，负责本区域考试的组织实施工作。计算机软件资格考试在全国范围内已经实施了二十多年，近十年来,考试该考试由于其权威性和严肃性，得到了社会各界及用人单位的广泛认同，并为推动国家信息产业发展，特别是在软件和服务产业的发展,以及提高各类信息技术人才的素质和能力中发挥了重要作用。

C算法[第一卷 基础、数据结构、排序和搜索](第三版)1

[C算法(第2卷)].(美国)Robert.Sedgewick.清晰版

用于视频中3D人姿估计的图注意力时空卷积网络（GAST-Net） 消息 [2021/01/28]我们更新了GAST-Net，使其能够生成包括关节和脚关节在内的19个关节的人体姿势。 [2020/11/17]我们提供了有关如何从自定义视频生成3D姿势/动画的教程。 [2020/10/15]我们使用单个RGB相机实现了基于在线3D骨架的动作识别。 [2020/08/14]我们实现了实时3D姿态估计。 介绍 时空信息对于解决3D姿态估计中的遮挡和深度模糊性至关重要。 先前的方法集中于嵌入固定长度的时空信息的时间上下文或局部到全局体系结构。 迄今为止，还没有有效的建议来同时灵活地捕获变化的时空序列并有效地实现实时3D姿态估计。 在这项工作中，我们通过注意机制对局部和全局空间信息进行建模，从而改善了人体骨骼运动学约束的学习：姿势，局部运动学连接和对称性。 为了适应单帧和多帧估计，采用了扩张

大学毕业设计 使用python基于opencv开发车牌识别系统，可以实现后台传输的图片识别 使用了两个相同结构的卷积神经网络 车牌识别系统可以分为两个部分， 第一个部分是车牌定位过滤部分； 第二个部分是字符识别部分； 在这两部分中我都是使用CNN卷积神经网络训练之后进行识别内容。 车牌定位部分使用的技术主要为图像预处理，车牌轮廓提取还有车牌的定位； 字符识别部分使用的技术主要为字符的分割，然后完成字符识别，输出车牌信息。 输入层：36x128 第一层卷积：卷积核大小：3x3，通道数：3，卷积核个数：32，激活函数使用Relu，四个维度的滑动步长为1，填充算法的类型：SAME。 第一层池化：使用池化窗口大小为2x2的最大池化，由于不想在batch（批量）同channels（通道）做池化，因此设置为1. 第二层卷积：卷积核大下：3x3，通道数为32，卷积核个数：64，激活函数使用Rule，四个维度的滑动步长为1，填充算法的类型：SAME。 第二层池化：同样使用池化窗口大小为2x2的最大池化，由于不想在batch（批量）同channels（通道）做池化，因此设置为1. 第三层卷积：卷积核大

如果你认为你是一名真正优秀的程序员……读Knuth的《计算机程序设计艺术》，如果你能读懂整套书的话，请给我发一份你的简历。 ―― Bill Gates 《计算机程序设计艺术》重译自Donald E. Knuth(汉名高德纳)的三卷著作："The Art of Computer Programming: 1. Fundamental Algorithms; 2. Seminumerical Algorithms; 3. Sorting and Searching"；三卷中文名为《基本算法》、《半数值算法》及《排序与查找》。本书内容博大精深，作者因为三卷书获得美国计算机协会1974年图灵奖（该奖被国际公认为计算机科学领域的最高奖项）。

中文名: C#入门经典（第4版） 原名: Beginning Microsoft Visual C# 2008 作者: (美)沃森(Watson K.) (美)内格尔(Nagel C.) 译者: 齐立波 出版社: 清华大学出版社 目录: 第1部分 C#语言 第1章 C#简介 第2章 编写C#程序 第3章 变量和表达式 第4章 流程控制 第5章 变量的更多内容 第6章 函数 第7章 调试和错误处理 第8章 面向对象编程简介 第9章 定义类 第10章 定义类成员 第11章 集合、比较和转换 第12章 泛型 第13章 其他OOP技术 第14章 C#3.0语言的改进 第2部分 Windows编程 第15章 Windows编程基础 第16章 Windows Forms的高级功能 第17章 使用通用对话框 第18章 部署Windows应用程序 第3部分 Web编程 第19章 Web编程基础 第20章 Web高级编程 第21章 Web服务 第22章 Ajax编程 第23章 部署Web应用程序 第4部分 数据访问 第24章 文件系统数据 第25章 XML 第26章 LINQ简介 第27章 LINQ to SQL 第28章 ADO.NET和LINQ over 第29章 LINQ to XML 第5部分 其他技术 第30章 属性 第31章 XML文档说明 第32章 网络 第33章 GDI+简介 第34章 Windows Presentation Foundation 第35章 Windows Communication Foundation 第36章 Windows Workflow Foundation

通过粒子群算法对卷积神经网络结构的参数进行优化，最后在训练集和测试集上进行验证，效果比普通卷积神经网络的精度更高。粒子群算法可以有效高效地为卷积神经网络的超参数搜索提供方案。相比手动设计,粒子群算法通过模拟进化算法的方式,有望找到更佳结构。 粒子群算法可以用于卷积神经网络（Convolutional Neural Network, CNN）的优化。CNN是一种常用于图像识别、语音识别等领域的深度学习模型，它由多个卷积层、池化层和全连接层组成。CNN模型的优化需要调整的超参数很多，包括卷积核大小、卷积核数量、池化大小、学习率等等。因此，使用传统的梯度下降算法可能会陷入局部最优解，而粒子群算法则可以通过全局搜索来寻找更优的解。