注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. WTL中文版CHM格式

  2. 第一部分 - ATL 中的 GUI 类 第二部分 - WTL 中的 GUI 基础类 第三部分 - 工具栏和状态栏 第四部分 - 对话框和控件 第五部分 - 高级对话框 UI 类 第六部分 - 掌控 ActiveX 控件 第七部分 - 分割条窗口 第八部分 - 属性表和向导 第九部分 - GDI 类，公用对话框以及辅助类 本章内容 README.TXT 本系列介绍 第一部分介绍 ATL 背景知识 ATL 和 WTL 的历史 ATL 风格的模板 ATL 窗口类 定义窗口实现 填充消息映射 高级消息

  3. 所属分类：C++

    • 发布日期：2009-07-18
    • 文件大小：2mb
    • 提供者：songsu

  1. LINGO软件的学习

  2. LINGO是用来求解线性和非线性优化问题的简易工具。LINGO内置了一种建立最优化模型的语言，可以简便地表达大规模问题，利用LINGO高效的求解器可快速求解并分析结果。 §1 LINGO快速入门 当你在windows下开始运行LINGO系统时，会得到类似下面的一个窗口： 外层是主框架窗口，包含了所有菜单命令和工具条，其它所有的窗口将被包含在主窗口之下。在主窗口内的标题为LINGO Model – LINGO1的窗口是LINGO的默认模型窗口，建立的模型都都要 在该窗口内编码实现。下面举两个例子

  3. 所属分类：C

    • 发布日期：2009-08-08
    • 文件大小：312kb
    • 提供者：huxlaylyx

  1. Android开发--入门经典

  2. Android Android Android Android学习笔记 一 一 一 一 . . . .Android Android Android Android基础 基础 基础 基础 一. Android 的体系结构图 四层 , 底层 linux 内核(驱动) , 程序包(C 或 c++)和 Android 运行时(java 类似) ,应用程序框 架 (基本 API) , 应用程序层 .. 向下调用关系 . 二 , 王国历史 05 年 google 收购成立仅 22 个月的 android

  3. 所属分类：Android

    • 发布日期：2014-12-12
    • 文件大小：2mb
    • 提供者：u013078986

  1. .NET与设计模式 pdf

  2. 作者： 甄镭 本书力求将设计模式与实际开发紧密联系起来，具体讲述了哪种模式可以在哪种现实的应用场景中采用。全书融入了作者多年的开发经验，介绍了许多现实案例，具有很强的实用性。本书分为4篇：第1篇讲述了面向对象设计的一些基本原则和.net引入的新概念；第2篇以gof的23种设计模式为主线用相当多的实例介绍了每一种设计模式的引入原因、动机、使用环境、结构及其收益与代价；第3篇介绍设计模式在dotnetnuke、nunit、ndoc和gentle等开放源码中的应用；第4篇介绍了有关模式的历史，如何发

  3. 所属分类：C#

    • 发布日期：2015-03-15
    • 文件大小：36mb
    • 提供者：braveapple01

  1. 77G 22套C语言 C++ 数据结构 程序设计视频课程合集 C丨C++相关学习视频全套视频教程

  2. VC++ MFC 经典教程 - 基础篇 1.CP_YourFirstWindowsProgram.mp4 10.MFC_GDI_画直线和曲线.mp4 11.MFC_GDI_画椭圆_多边形及其他形状.mp4 12.MFC_GDI_画笔和画刷.mp4 13.MFC_GDI_画文本和字体.mp4 14.MFC_GDI_备用对象和取消选定.mp4 15.MFC_Ruler.mp4 16.MFC_窗口滚动条.mp4 17.MFC_Accel.mp4 18.MFC_Accel(2).mp4 19.MFC_

  3. 所属分类：C/C++

    • 发布日期：2018-11-16
    • 文件大小：9kb
    • 提供者：qq_41972992

  1. ccl2019大会报告PPT.rar

  2. 本资源包含中国计算语言学大会CCL2019上的报告PPT，列表如下： 表示学习-张岳、多模态-魏忠钰、郭毅可-数据高效性机器学习、机器翻译-冯洋、句法分析-屠可伟、人机对话-严睿、社交媒体-丁效、信息抽取-陈玉博、信息检索-任昭春、许晶晶-基于对抗训练的机器学习鲁棒性分析、张晓东-人工智能：从历史看未来。

  3. 所属分类：深度学习

    • 发布日期：2020-04-05
    • 文件大小：93mb
    • 提供者：qq_35485658

  1. 博世 ICP?CC408 系列控制主机 用户使用说明书.pdf

  2. 博世 ICP?CC408 系列控制主机 用户使用说明书pdf,博世 ICP?CC408 系列控制主机 用户使用说明书GPcc408|用户指南|目录 ZH 3 13.2撤防禁用电话报警转拨 目录 打开/关闭输出 简介 515 复位闭锁输出 技术规格 16.更改键盘标识/峰鸣音调 功能特性 517.测试 键盘指示灯... 6 17.1号筒扬声器测试 4.1防区指示灯.. 17.2警铃测试 4.2AWAY指示灯 …….617.3闪灯测试 4.3STAY指示灯 17.4步测模式 4.4系统撤防 6175

  3. 所属分类：其它

    • 发布日期：2019-10-19
    • 文件大小：673kb
    • 提供者：weixin_38744207

  1. 深度多模态表示学习综述论文

  2. 多模态表示学习旨在缩小不同模态之间的异质性差距，在利用普遍存在的多模态数据方面起着不可或缺的作用。基于深度学习的多模态表示学习由于具有强大的多层次抽象表示能力，近年来受到了广泛的关注。

  3. 所属分类：机器学习

    • 发布日期：2020-06-21
    • 文件大小：7mb
    • 提供者：syp_net

  1. 多模态视觉语言表征学习研究综述

  2. 我们生活在一个由大量不同模态内容构建而成的多媒体世界中，不同模态信息之间具有高度的相关性和互补性，多模态表征学习的主要目的就是挖掘出不同模态之间的共性和特性，产生出可以表示多模态信息的隐含向量。

  3. 所属分类：机器学习

    • 发布日期：2020-12-03
    • 文件大小：767kb
    • 提供者：syp_net

  1. 论文阅读：基于多模态词向量的语句距离计算方法

  2. 论文信息 文章来源：cnki.net 添加链接描述 文章类别，发表时间 华阳. 基于多模态词向量的语句距离计算方法[D].哈尔滨工业大学,2018. 摘要 摘要分三段，大致阐述了本文的出发点和工作内容，基本情况如下： 简述语句间的距离问题：自然语言处理任务是度量文本间的距离；不同阶段语言学习的难度可以抽象为距离，本文探索语句间的距离。 从两个角度阐述传统词向量距离的缺陷：基于纯文本语料的词向量构建，与人类通过多种感官途径接受信息不符；传统的多模态词向量通过拼接词向量与图像特征略显粗糙。本文提出了

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：48kb
    • 提供者：weixin_38705723

  1. 2019 ArXiv之ReID：Hetero-Center Loss for Cross-Modality Person Re-Identification

  2. Hetero-Center Loss for Cross-Modality Person Re-Identification 当前的问题及概述： 目前所有的框架都在解决跨模态差异问题，很少有研究探讨改进类内跨模态相似性。 本文提出了一个新的损失函数，称为异中心损失(HC损失)，以减少类内交叉模态的变化。具体来说，HC损失可以通过约束两个异质模态之间的类内中心距离来监督网络学习的跨模态不变信息。在交叉熵损失和HC损失的联合监督下，训练网络尽可能多地实现类间差异和类内交叉模态相似性这两个重要目标。

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：355kb
    • 提供者：weixin_38554781

  1. NLP_resorce_pool:整理NLP相关学习资料，提供系统化的学习路径-源码

  2. NLP_resorce_pool 整理NLP相关学习资料，提供系统化的学习路径。 NLP资源： 事件抽取： 知识图谱： 1）实体链接 2）知识推理 3）本体提取 4）多模态知识图谱 5）实体分类[NET] 6）知识图谱/知识库 [各种常识文献]（ “ openkg整理”） 7）关系抽取 8）本体匹配，实体对齐和知识融合 9）公斤推荐 KG推荐KG推荐先关注这几篇论文：（用数据试一试） a）关于推荐（AAAI 2019）知识图的可解释推理b）中的多任务功能学习的知识图增强

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：85mb
    • 提供者：weixin_42136365

  1. 通过多模式深度学习增强对疾病与基因关联的预测

  2. 动机：以计算方式预测疾病基因有助于科学家优化深入的实验验证，并加快对与疾病相关的真实基因的鉴定。 现代高通量技术已经生成了大量的组学数据，并将其集成在一起，有望提高计算预测的准确性。 作为一种集成模型，多模态深层信任网（DBN）可以捕获来自异构数据集的跨模态特征，以对复杂系统进行建模。 研究表明其在图像分类和肿瘤亚型预测中的作用。 但是，多峰DBN尚未用于预测疾病与基因的关联。结果：在这项研究中，我们提出了一种通过多峰DBN（dgMDL）预测疾病与基因的关联的方法。 具体来说，蛋白质-蛋白质相互

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：412kb
    • 提供者：weixin_38554193

  1. 基于词嵌入和自注意机制的多模式遥感图像描述

  2. 当描述和识别要在微波图像中识别的对象时，传统的多模态模型在描述复杂图像内容方面相对较弱，生成的句子相对简单。 结合Ngram2vec词嵌入技术，提出了一种基于自注意力机制的多模态遥感语义描述与识别方法。 首先，使用Ngram2ve挖掘域窗口中要识别的像素和相邻像素之间的语义信息和上下文特征。 其次，引入了一种自我关注机制，以进一步学习邻域窗口中所有像素的内部结构信息，以生成多维表示。 最后，为了避免信息在层之间传递的丢失，使用了密集网络来实现信息流的整合，并且在每个紧密连接的模块之间添加了多层独

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：401kb
    • 提供者：weixin_38621870

  1. 多模态知识表示学习_CoperConvE模型资料.rar

  2. 原文PDF与Code

  3. 所属分类：机器学习

    • 发布日期：2021-03-11
    • 文件大小：37mb
    • 提供者：jh_210

  1. 多模态知识表示学习_ConvKB模型资料.rar

  2. 原文pdf & Code

  3. 所属分类：机器学习

    • 发布日期：2021-03-11
    • 文件大小：51mb
    • 提供者：jh_210

  1. 3D-Terrain-Recognition:ALS点云的多视图和多模式表示的深度融合，用于3D地形场景识别-源码

  2. ALS点云的多视图和多模式表示的深度融合，用于3D地形场景识别 ALS点云的多视图和多模式表示的深度融合，用于3D地形场景识别 秦楠楠，胡向云*，戴恒明 [] 地形场景类别不仅可用于某些地理或环境研究，而且还可用于为多个点云处理任务选择合适的算法或算法的合适参数，以实现更好的性能。 但是，目前很少有针对地形场景分类的点云处理研究。 本文提出了一种新的深度学习框架，该框架使用稀疏点云的2D表示进行3D地形场景识别。 该框架有两个关键组成部分。 （1）首先，从机载激光扫描点云中提取几个合适的判别性

  3. 所属分类：其它

  1. Coupled CycleGAN：用于跨模态检索的无监督哈希网络

  2. 近年来，由于其在大规模跨模态检索中的低存储成本和高查询效率的出色能力，散列吸引了越来越多的关注。 得益于深入学习，跨模式检索社区取得了令人信服的结果。 但是，现有的深层交叉模式散列方法要么依赖于标记信息的数量，要么无法学习不同模式之间的准确性相关性。 在本文中，我们提出了用于交叉模式检索的无监督耦合循环生成对抗式哈希网络（UCH），其中外循环网络用于学习强大的通用表示，并解释内循环网络以生成可靠的哈希码。 具体而言，我们提出的UCH将这两个网络与生成对抗机制无缝耦合，可以同时进行优化以学习表示和

  3. 所属分类：其它

  1. 基于多模式深度学习的一种新型交叉模态散列算法

  2. 随着多模式数据在Web上的普及，跨媒体检索已成为研究的热点。现有的跨模式哈希方法假设存在由多模式特征共享的潜在空间，并通过线性投影将异构数据嵌入到联合抽象空间中。 。 但是，这些方法对数据的噪声很敏感，并且在现实应用中无法使用没有标签的数据和多值数据而缺少值。 为了解决这些挑战，本文提出了一种新颖的基于多模式深度学习的哈希（MDLH）算法。 特别地，MDLH采用深度神经网络将异构特征编码为紧凑的通用表示，并基于通用表示学习哈希函数。 在监督训练阶段对整个模型的参数进行了微调。 在两个标准数据集上

  3. 所属分类：其它

  1. 基于生成对抗网络的多模态图像融合

  2. 针对多模态图像融合中多尺度几何工具和融合规则设计困难的问题,提出一种基于生成对抗网络(GANs)的图像融合方法,实现了多模态图像端到端的自适应融合。将多模态源图像同步输入基于残差的卷积神经网络(生成网络),通过网络的自适应学习生成融合图像;将融合图像和标签图像分别送入判别网络,通过判别器的特征表示和分类识别逐渐优化生成器,在生成器和判别器的动态平衡中得到最终融合图像。与具有代表性的融合方法相比,实验结果表明,本文方法的融合结果更干净,没有伪影,提供了更好的视觉质量。

  3. 所属分类：其它

    • 发布日期：2021-02-11
    • 文件大小：12mb
    • 提供者：weixin_38607282
« 12 »