图像滤波简介
图像滤波，即在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制，是图像预处理中不可缺少的操作，其处理效果的好坏将直接影响到后续图像处理和分析的有效性和可靠性。图像滤波按图像域可分为两种类型：邻域滤波(Spatial Domain Filter)，其本质是数字窗口上的数学运算。一般用于图像平滑、图
对sklearn中transform()和fit_transform()的深入理解
对sklearn中transform()和fit_transform()的深入理解
机器学习笔记之深度玻尔兹曼机(一)玻尔兹曼机系列整体介绍
从本节开始，将介绍玻尔兹曼机系列的最后一个模型——深度玻尔兹曼机(Deep Boltzmann Machine,DBM)
Torch计算方法
torch 计算
递归门控卷积HorNet（gn_conv）阅读笔记
HorNet: Efficient High-Order Spatial Interactions with Recursive Gated Convolutions ECCV2022程序视觉 Transformers 的最新进展在基于点积 self-attention 的新空间建模机制驱动的各种
长时间预测模型DLinear、NLinear模型（论文解读）
2022年8月时间序列任务SOTA模型DLinear、NLinear模型论文解读
电力系统的常用仿真模块MATLAB/SIMULINK（1）
在进行电力系统的仿真时，先要了解构成电力系统的各元件。本章描述了相关的电力系统模块在MATLAB/SIMULINK里面的使用。其中包括：1. 同步发电机模块 2. 电力变压器 3. 输电线路 4. 负荷1. 同步发电机模块1.1 简化的同步电机模块简化的同步电机模块忽略了电枢反应电感、励磁和阻尼绕组
机器学习TensorFlow安装之CPU版本
TensorFlow1.5发布的时候，出于好奇下载安装跑了一下演示的几个代码。最近，重新拿起书本学习深度学习，发现TensorFlow已经更新发布到了2.6版本了。由于这期间电换了电脑，为了学TensorFlow只有再次安装了！两台电脑，一台笔记本电脑，没有独立显卡；另一台台式机，安装了NVIDIV
什么是神经网络？
什么是神经网络
人工智能科技成熟的11个Github上免费开源项目，很多电影中才有的场景应用到现实颠覆普通人的认知和想象
人工智能科技成熟的11个Github上免费开源项目，很多电影中才有的场景应用到现实颠覆普通人的认知和想象。
XGBoost基本介绍（机器学习ML神器）
介绍：基于Boosting思想，利用梯度下降思想XGBoost在机器学习里面所有算法里面算效果很好的了，对于很多竞赛，都是用XGBoost获得了很好的名词基于树的集成学习优点：基于树的集成学习不用做特征归一化，使用起来非常方便。基于树的集成学习可以做到特征组合，不用自己做升维。集成学习可以做大规模数
ChatGPT AI绘图Siri快捷指令，根据描述生成图片
这是一个将ChatGPT AI绘图集成到Siri的项目，提供快捷指令Siri唤醒使用，支持多语言
经典图像去噪算法概述
基于梯度先验去噪方法的重点是局部特征，而忽略图像的全局结构。上面问题可以由Y的奇异值分解解决，由于奇异值分解的能量压缩性质，信息的主要能量都集中在少数几个较大的奇异值上，而较小的奇异值对应于噪声子空间，将它们设置为零可以得到去噪后的低秩矩阵，问题的关键是如何确定阈值来区分信号与噪声，太大的阈值会使图
基于强化学习的空战辅助决策(2D)
空域作战辅助决策的环境搭建
YOLOv5 最详细的源码逐行解读(二: 网络结构)
Yolov5中,网络模型的配置放在yaml文件中,而yolov5s放置在文件中其中一层网络的参数是用列表实现的,比如四个参数的含义分别是-1输入来自上一层,如果是正数i则代表第i层1使用一个网络模块Conv该层的网络层名字是ConvConv层的四个参数yaml文件可以被yaml库解析为字典对象。..
朴素贝叶斯（Naive Bayes）详解
贝叶斯决策论、朴素贝叶斯原理与算法实现、具体应用。
Apollo Planning决策规划算法代码详解 (22):决策规划算法最完整介绍
前言：后台已经写完了Apollo Planning决策规划算法的完整解析，一路从规划模块的入口OnLanePlanning，介绍到常见的规划器PublicRoadPlanner；接着介绍了在PublicRoadPlanner中如何通过类似有限状态机的ScenarioDispatch进行场景决策。之后
自动驾驶规划 - Apollo Lattice Planner算法【1】
LatticePlanner算法属于一种局部轨迹规划器，输出轨迹将直接输入到控制器，由控制器完成对局部轨迹的跟踪控制。因此，Lattice Planner输出的轨迹是一条光滑无碰撞满足车辆运动学约束和速度约束的平稳安全的局部轨迹。Lattice Planner的输入端主要由三部分组成，感知及障碍物信
T-SNE可视化高维数据，亮瞎审稿人
文章目录经典案例-MNIST手写数字降维可视化论文中使用 t-SNE 案例t-SNE 实战MNIST 可视化教程MRI 脑肿瘤三维数据可视化t-Distributed Stochastic Neighbor Embedding (t-分布随机邻域嵌入, 简称 t-SNE) 是一种降维技术，特别适用于
Pytorch深度学习实战3-6：详解网络骨架模块nn.Module(附实例)
在实际应用过程中，经典网络结构往往不能满足我们的需求，因而大多数时候都需要自定义模型，本文介绍Pytorch中用于自定义模型的nn.Module方法
