人工智能-作业4：CNN - 卷积
真有意思啊！！
Python学习笔记（3）：numpy模块
一、numpy库库的名称：numpy作用：numpy是一个非常有用的三方库，支持大量的维度数组和矩阵计算，提供大量数学函数导入方法：在命令行里输入：pip install numpy然后可以在代码中导入使用了import numpy as np二、功能总结1. array()作用：构建一个数组类型的
强化学习PPO代码讲解
查看代码对于算法的理解直观重要，这使得你的知识不止停留在概念的层面，而是深入到应用层面。代码采用了简单易懂的强化学习库PARL，对新手十分友好。
强化学习基础记录
强化学习Actor-Critic记录
Python第三方库推荐：pyttsx3
今天要推荐的Python第三方库命名为“pyttsx3”。pyttsx3是一个语音库，通过调用此库，很容易就可以让程序“开口说话”，不仅增强了程序的交互性，还能够给人以一种亲切感。pyttsx3库简单易用，是新手的好选择。安装pyttsx3 安装这一步骤应该不用多说了，进入cmd，输入：pip
强化学习基础记录
强化学习DQN
时间序列统计特征的详细解析
根据对已有时间序列比赛的统计研究，发现数据规模不大的比赛任务中，依然使用的是特征工程+梯度提升树模型。而且特征工程依然是重中之重。所以特意换了一些时间对特征工程进行了详细的总结。主要包括两大类，一类是常用的(大家都使用的)基本特征，还有一类是Top选手使用的高级特征。为了方便比赛选手学习，将其概念
PyTorch学习笔记（十）——GoogLeNet
目录一、GoogLeNet 简介二、Inception 块三、GoogLeNet 架构四、训练/测试 GoogLeNet附录：完整代码一、GoogLeNet 简介GoogLeNet 吸收了 NiN 中串联网络的思想，并在此基础上做了改进。GoogLeNet 的一个观点是，有时使用不同大小的卷积核的组
Keras深度学习实战（8）——房价预测
在本节中，我们介绍了神经网络的实际应用，使用 Boston 房价数据集，通过尝试预测房屋的价格来研究连续输出问题，并介绍了如何在网络训练过程中使用自定义损失函数。
【人工智能】计算机视觉之OpenCV学习详解一
文章目录一，前言二，OpenCV安装三，实战学习3.1,色彩处理3.2，裁剪提取3.3，图像绘制四，源码五，后言一，前言看准这个方向很久了，今天开始和Java，Go一起推进学习。不求多，每天学习一点点。二，OpenCV安装作为Python选手的我，当然选择了Python语言来学习OpenCV。编译器
多层感知机还在进步，关于深度学习中MLP的5篇最新的论文推荐
2002年最新的5篇MLP论文推荐
数学建模学习（65）：零基础学会使用SVM支持向量机分类
支持向量机SVM分类教程
Python验证码识别和生成(5000字详细实例和概念讲解)
哈喽O(∩_∩)O:.,,.-:*``*:-.,,.-:*``*:╭╧╮ ╭╧╮╭╧╮ ╭╧╮║周║║末║║快║║乐║└﹏┘└﹏┘└﹏┘└﹏┘** * * * * * * * * * * *╒╧╕ ╒╧╕ ╒╧╕ ╒╧╕ ╒╧╕｜財｜｜招｜｜吉｜｜大｜｜閣｜｜源｜｜財｜｜祥｜｜吉｜｜家｜｜廣｜｜進
基于STM32+华为云IOT设计智能称重系统
选择部署多个重量传感器和必要的算法、通过WIFF通信模块、GPS定位模块，采集车辆重数据一地理位置信息，并通过网络发送至云平台，设计图形化UI界面展示称重、地图位置等重要信息，实现对称重系统的远程监测。
笔记：基于keras的不同神经网络模型Minst手写体识别
基于keras不同神经网络模型的mnist手写体识别
TensorFlow简单使用（基础篇）
目录一、TensorFlow的数据类型二、如何创建一个张量三、常用函数1.强制转换、最大值、最小值2.平均值、求和3.标记为可训练4.四则运算5.平方、次方与开方6.矩阵相乘7.输入特征和标签配对8.求出张量的梯度9.枚举函数10.独热编码11.概率转换函数12.自更新函数13.最大值索引函数我们为
来聊聊三维重建？
2021年，对于中国而言，可以算是实景三维的元年，自然资源部发布《实景三维中国建设技术大纲（2021版）》，各地实景三维项目建设进入新高潮，对于测绘人而言，这算是一件大事，这似乎意味着，摄影测量进入了全新的实景三维重建阶段。2022年3月，自然资源部办公厅发布《关于全面推进实景三维中国建设的通知》，
端到端的特征转换示例：使用三元组损失和 CNN 进行特征提取和转换
通过卷积和三元组损失学习数据的表示，并提出了一种端到端的特征转换方法，这种使用无监督卷积的方法简化并应用于各种数据。
10大机器视觉和AI模型库
AI社区慷慨地分享代码、模型架构，甚至在大型数据集上预训练好的模型。我们站在巨人的肩膀上，这就是为什么行业会如此广泛地采用人工智能的原因。当我们开始一个计算机视觉项目时，我们首先找到能部分解决我们问题的模型。假设想要构建一个安防应用，该应用主要是检测规定区域的行人。首先，检查是否存在公开可用的行人检
