您好,欢迎光临本网站![请登录][注册会员]  

人工智能下载,机器学习下载列表 第1953页

« 1 2 ... .48 .49 .50 .51 .52 1953.54 .55 .56 .57 .58 ... 2656 »

[机器学习] 智慧天下安装程序

说明: 智慧天下安装程序 包含控制器、编程平台、伺服电机、红外通讯、亮度、超声波、声音、火焰、多功能等、LED显示模块、光电、触碰等传感器的用户手册
<weixin_42601965> 上传 | 大小:114kb

[机器学习] 基于单文本指代消解的人物家庭网络构建研究

说明: 人物家庭网络是社会关系网络中的一个重要组成部分,因此,如何高效准确地提取出人物的家庭网络具有 重要研究意义。该文在前人工作的基础上提出一种基于单文本指代消解技术的人物家庭关系抽取方法,以此扩大 人物家庭关系抽取的范围,进而提高人物家庭网络的召回性能。该文还提出了一种基于人物虚拟边的家庭网络评 估指标,用于更合理地评价构建出的人物家庭网络的性能。在大规模中文语料 Gigaword上的实验表明,该方法可 以较为准确地抽取出人物的家庭关系,进而提高人物家庭网络的召回性能,从而为社会网络分析提供基础数
<qq_36182996> 上传 | 大小:474kb

[机器学习] 《统计自然语言处理基础 苑春法译》 (中文版)

说明: 自然语言处理 入门书籍,很多大师都推荐,应该不会错
<wxjly20112011> 上传 | 大小:24mb

[机器学习] Hands On Machine Learning with Scikit-Learn and TensorFlow20173

说明: Hands On Machine Learning with Scikit-Learn and TensorFlow20173 通过最近的一系列突破,深度学习推动了整个机器学习领域。 现在,即使对这项技术几乎一无所知的程序员也可以使用简单有效的工具来实现能够从数据中学习的程序。 这本实用的书向你展示了如何。 通过使用具体示例,最小理论和两个可用于生产的Python框架 - scikit-learn和TensorFlow-authorAurélienGéron帮助您直观地了解构建智能系统的概念和
<qq_21997625> 上传 | 大小:42mb

[机器学习] 天池比赛 美年健康完整代码

说明: 这个是我参加天池的比赛 美年健康的完整程序,包括最初的修改代码,最终代码,数据,几乎涵盖了我整个项目流程,包括数据的处理,分析,模型的选择比较。
<shaoyou223> 上传 | 大小:180mb

[机器学习] 小程序机器人客服聊天

说明: 小程序客服,机器人自动回复机器人自动回复机器人自动回复
<qq_35695041> 上传 | 大小:6kb

[机器学习] 基于EasyPR的车牌识别java版

说明: 调试通过,包含所需依赖文件,导入工程即可使用。车牌识别Demo。
<qq_23437421> 上传 | 大小:59mb

[机器学习] 人工智能产业发展白皮书2018

说明: 由北京市经信委组织相关单位,通过大量的调研和专题讨论,编制而成《北京人工智能产业发展白皮书(2018)》(以下简称:《白皮书》)于6月30日正式对外发布。 《白皮书》中披露了一系列全国和北京AI企业的发展情况,且调查后显示:全国AI看北京,北京AI看海淀,最后还给出了132家(部分)重点领域AI企业名单。
<qianchuanchuany> 上传 | 大小:1mb

[机器学习] 打开解压即得ippicv_linux_20151201.tgz,希望能帮到大家

说明: 打开解压即得ippicv_linux_20151201.tgz,希望能帮到大家
<weixin_39519979> 上传 | 大小:34mb

[机器学习] 运用粒子滤波器以及惯性与视觉感测器为辅助之穿戴式定位科技

说明: 利用惯性导航传感器和机器视觉系统,实现设备的精确定位
<haochi029> 上传 | 大小:3mb

[机器学习] 多标签(multi-label)数据问题常用的分类器或者分类策略

说明: 目前有很多关于多标签的学习算法,依据解决问题的角度,这些算法可以分为两大类:一是基于问题转化(Problem Transformation)的方法,二是基于算法适应的方法和算法适应方法(Algorithm Adaptation)。基于问题转化的多标记分类是转化问题数据,使之适用现有算法;基于算法适应的方法是指针对某一特定的算法进行扩展,从而能够直接处理多标记数据,改进算法,适应数据。
<beaujor> 上传 | 大小:102kb

[机器学习] 基于crfsuited的医疗命名实体抽取的Python实现

说明: 基于crfsuited的医疗命名实体抽取的Python实现 医疗电子病例命名实体识别评测任务的一个可执行demo,采用的方法是条件随机场(CRF),实现CRF的第三方库为[python-crfsuite]。目前该demo准确率为68%,召回率为62%,F1值为64.8%。
<beaujor> 上传 | 大小:405kb
« 1 2 ... .48 .49 .50 .51 .52 1953.54 .55 .56 .57 .58 ... 2656 »