遗传算法优化神经网络—MATLAB实现
遗传算法优化神经网络MATLAB实现
YOLOv7训练记录——权重使用问题
YOLOv7于2022.07发布，一经发布，很多人应该有共同的想法——v7的效果是否和论文一致？v7的效果跟v5相比如何?此贴记录自己YOLOv7的训练过程。
ChatGPT 3 与 ChatGPT 4：比较分析
OpenAI 于 2020 年发布的ChatGPT 3改变了 AI 世界的游戏规则。它在理解和生成类人文本方面表现出了非凡的能力。然而，随着研究的继续，ChatGPT 4的开发是为了解决其局限性并改进其前身的性能。让我们比较一下这些模型的主要区别和增强功能。
【控制】动力学建模简介 --＞ 牛顿-欧拉 (Newton-Euler) 法和拉格朗日 (Lagrange) 法
牛顿-欧拉方法是最开始使用的动力学建模分析方法，由于牛顿方程描述了平移刚体所受的外力、质量和质心加速度之间的关系，而欧拉方程描述了旋转刚体所受外力矩、角加速度、角速度和惯性张量之间的关系，因此可以使用牛顿-欧拉方程描述刚体的力、惯量和加速度之间的关系，建立刚体的动力学方程。拉格朗日方程是另一种经典的
人工智能如何用于静态生物特征验证
静态生物特征验证是一种常用的 AI 功能，它可以实时捕捉人脸，并可以在不提示用户移动头部或面部的情况下确定人脸是否属于真人。通过这种方式，该服务有助于提供获得积极反馈的便捷用户体验。静态生物特征验证需要 RGB 摄像头，并且能够通过细节（例如莫尔图案或纸上的反射）区分真人的面部和欺骗攻击（例如面部和
遗传算法系列 | 多种群遗传算法(matlab)
不难发现，虽然遗传算法在一些简单问题上效果不错，但面对复杂的多模态函数时，常常发生早熟（未成熟收敛），也就是群体中所有个体都趋于同一状态而停止进化。多种群遗传算法正是应对此问题的方法之一，下面将从理论原理、算法流程以及程序实现上进行详细展开。......
损失函数——交叉熵损失函数
交叉熵损失函数
MoveIt简介
MoveIt由ROS（机器人操作系统）中一系列移动操作的功能包组成，包含运动规划，操 作控制，3D感知，运动学，碰撞检测等等，是目前针对移动操作最先进的软件。 它提供了一个易于使用的平台，开发先进的机器人应用程序，评估新的机器人设计和建 筑集成的机器人产品。 并且它已经应用于工业、商业、研发和其他领
ECCV 2022 | FedX: 在无监督联邦学习中进行知识蒸馏
©PaperWeekly 原创 · 作者 | 张成蹊单位 | Freewheel机器学习工程师研究方向 | 自然语言处理论文的立意是在联邦学习过程中，结合对比学习，用局部与全局的两种蒸馏方式来无监督地学习样本的向量表示。FedX 不仅是一种创新的无监督学习算法，更是一种可以热插拔用于传统对比学习，使
机器学习——无监督学习
sklearn是scikit-learn的简称，是一个基于Python的第三方模块sklearn库集成了一些常用的机器学习方法，在进行机器学习任务时并不需要实现算法，只需要简单的调用sklearn库中提供的模块就能完成大多数的机器学习任务。sklearn库是在Numpy、Scipy和matplotl
【NLP学习计划】万字吃透NER
NLP系列学习计划，今天研究的是顶会ACL2018的一篇文章，并尝试在相同数据集上自己实现模型，领会STOA的魅力！
Pytorch模型量化
在深度学习中，量化指的是使用更少的bit来存储原本以浮点数存储的tensor，以及使用更少的bit来完成原本以浮点数完成的计算。这么做的好处主要有如下几点：更少的模型体积，接近4倍的减少；可以更快的计算，由于更少的内存访问和更快的int8计算，可以快2~4倍。一个量化后的模型，其部分或者全部的ten
数学模型——python实现滑动窗口算法（特征匹配）
python使用滑动窗口算法进行特征匹配
PyQt5简单读取&显示图片的应用
本文为PyQt5入门教程，具体为以下四步骤一、程序界面简单设计二、通过下拉列表框读取读取指定路径的图片三、通过读取到的图片显示在界面上四、退出事件最终效果如下：自定义退出事件def exit(self): #定义关闭事件sys.exit(0) #sys.exit(0)为正常退出 sys.exit(1
关于跳跃连接 卷积网络
关于跳跃连接 卷积网络
跟着AI学AI(2): 逻辑回归
回答：离群值是指在数据集中与其他数据点相比具有异常值的数据点。离群值可能是由于测量误差、数据录入错误、数据采集问题或真实的异常情况引起的。离群值可能会对数据分析和建模产生负面影响，因为它们可能会导致模型过拟合或欠拟合，从而降低模型的准确性和可解释性。例如，在一个身高数据集中，如果有一个人的身高明显高
机器学习中的数学原理——F值与交叉验证
通过这篇博客，你将清晰的明白什么是F值、交叉验证。这个专栏名为白话机器学习中数学学习笔记，主要是用来分享一下我在 机器学习中的学习笔记及一些感悟，也希望对你的学习有帮助哦！感兴趣的小伙伴欢迎私信或者评论区留言！这一篇就更新一下《 白话机器学习中的数学——F值与交叉验证》
标准高斯过程回归（Gaussian Processes Regression, GPR）从零开始，公式推导
标准高斯过程回归从零开始公式推导
plt.函数
1 plt.figure( ) 函数：创建画布2 plt.plot(x, y, format_string, label="图例名")：绘制点和线, 并控制样式。其中x是x轴数据，y是y轴数据，xy一般是列表和数组。format_string 是字符串的格式包括线条颜色、点类型、线类型三个部分。向参
【车道线检测】霍夫变换(HoughLines)检测直线详解
霍夫变化 车道线检测
