YOLO系列 --- YOLOV7算法（二）：YOLO V7算法detect.py代码解析
YOLO V7算法detect.py代码解析
粒子群算法(PSO)优化的BP神经网络预测
BP神经网络是一种常见的多层前馈神经网络，本文通过粒子群算法(PSO)对BP神经网络的网络参数进行寻优，得到最优化的网络参数，并与未使用PSO的BP网络对同一测试样本进行预测，对比分析并突出PSO-BP的优越性。
多元时间序列特征工程的指南
使用Python根据汇总统计信息添加新特性，本文将告诉你如何计算几个时间序列中的滚动统计信息。将这些信息添加到解释变量中通常会获得更好的预测性能。
盘点AI的认证
近年来，在数字经济不断推进的大背景下，人工智能发展迅速，并与多种应用场景深度融合。深度理解人工智能行业，也逐渐成为推动经济创新发展的重要技术。AI认证作为衡量AI工程师能力水平的重要标准，越来越受到行业的青睐。今天我们就盘点一下哪些值得考的AI认证吧！
从头开始进行CUDA编程：原子指令和互斥锁
本文是本系列的最后一部分，我们将讨论原子指令，它将允许我们从多个线程中安全地操作同一内存。我们还将学习如何利用这些操作来创建互斥锁
基于pytorch的图像识别基础完整教程
基于pytorch的深度学习图像识别基础完整教程以常见盆栽植物的图像识别示例来驱动学习，通过这个教程，你可以学会深度学习中的图像识别的完整操作并且可以通过这个示例训练出其他的图像识别模型。
GPU版本安装Pytorch教程最新方法
GPU版本安装Pytorch最新，windows11
【计算机视觉】基于Python—OpenCV的手势识别详解（一）
【计算机视觉】基于Python—OpenCV的手势识别详解（一）
用强化学习玩《超级马里奥》
Pytorch的一个强化的学习教程（ Train a Mario-playing RL Agent）使用超级玛丽游戏来学习双Q网络(强化学习的一种类型)
MSE = Bias² + Variance?什么是“好的”统计估计器
本文的目的并不是要证明这个公式，而是将他作为一个入口，让你了解统计学家如何以及为什么这样构建公式，以及我们如何判断是什么使某些估算器比其他估算器更好。
YOLO系列目标检测算法-YOLOv6
YOLO系列文章之YOLOv6。本文通过分析以往YOLO系列算法和最新技术，观察到几处需完善的地方，通过对网络设计、标签分配、损失函数、数据增强、工业便利化改进、量化和部署等进行修改，设计了EfficientRep、SCPStackRep Block、Rep-PAN、decoupled head等结
one-hot编码
one-hot编码，又称独热编码、一位有效编码。one hot在特征提取上属于词袋模型(bag of words)优缺点分析优点：- 一是解决了分类器不好处理离散数据的问题- 二是在一定程度上也起到了扩充特征的作用(上面样本特征数从3扩展到了9)缺点：- 它是一个词袋模型，不考虑词与词之间的顺序-
gazebo中给机器人添加16线激光雷达跑LIO-SAM
最近想搭建一个机器人移动平台，但是设备还没完全到齐，在设备全部到齐之前，我们先在gazebo中做一个仿真，进行相关的算法和功能包的部署。在这个仿真中机器人在一个移动底盘上搭载了16线激光雷达、IMU、RGB-D相机，并在最后跑了一个LIO-SAM，建图效果还不错。整个过程遇到了一些问题，都一一解决了
深度学习修炼（五）——基于pytorch神经网络模型进行气温预测
基于pytorch神经网络模型进行气温预测
2022世界杯结果预测，简单AI模型最有效？附代码！
如果我们将此predict_points函数应用于小组赛阶段的所有比赛，我们将获得每个小组的第 1 和第 2 名，从而在淘汰赛中获得以下比赛对抗阵容。在我对欧洲前 4 联赛的预测中，我考虑了主客场因素，但由于在世界杯上几乎所有球队都在中立场地比赛，因此我在分析时没有考虑这个因素。在收集了 1930
使用PyTorch实现简单的AlphaZero的算法（3）：神经网络架构和自学习
神经网络架构和训练、自学习、棋盘对称性、Playout Cap Randomization，结果可视化
华为开源自研AI框架昇思MindSpore应用实践：DCGAN生成漫画头像
华为开源自研AI框架昇思MindSpore教程：DCGAN生成漫画头像
（超详细）语音信号处理之特征提取
语音信号处理之特征提取要对语音信号进行分析，首先要分析并提取出可表示该语音本质的特征参数。有了特征参数才能利用这些特征参数进行有效的处理。根据提取参数的方法不同，可将语音信号分析分为时域，频域，倒频域，和其他域的分析方法。根据分析方法的不同，可将语音信号分析分为模型分析方法和非模型分析方法。本文主要
国庆假期看了一系列图像分割Unet、DeepLabv3+改进期刊论文，总结了一些改进创新的技巧
图像分割系列改进论文如何寻找自己的创新点呢？重点是如何发？下面将提供几种总结思路。
机器学习05|一万五字：SVM支持向量机02 【jupyter代码详解篇】
支持向量机(SVM)在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。本资料包含了SVM的完整解析及全部实现代码。从DataSet.txt中导入数据一直讲到SVM的线性非线性实现。
