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. Abaqus 学习笔记

  2. ABAQUS 是一套功能强大的工程模拟的有限元软件，其解决问题的范围从相对简单的线性分析到许多复杂的非线性问题。 ABAQUS 包括一个丰富的、可模拟任意几何形状的单元库。并拥有各种类型的材料模型库，可以模拟典型工程材料的性能，其中包括金属、橡胶、高分子材料、复合材料、钢筋混凝土、可压缩超弹性泡沫材料以及土壤和岩石等地质材料。作为通用的模拟工具， ABAQUS 除了能解决大量结构（应力 / 位移）问题，还可以模拟其他工程领域的许多问题，例如热传导、质量扩散、热电耦合分析、声学分析、岩土力学分析

  3. 所属分类：嵌入式

    • 发布日期：2009-12-12
    • 文件大小：10mb
    • 提供者：evilcool

  1. SQLServer笔记

  2. SQLServer笔记，工作和学习的积累，每行代码都经过验证，涉及数据库设计、数据库对象、安全模型、T-SQL编程、事务、视图、索引、存储过程、触发器、作业与计划、分区与压缩等各个领域

  3. 所属分类：其它

    • 发布日期：2010-03-29
    • 文件大小：73kb
    • 提供者：macmiccn

  1. caffe深度学习薛开宇笔记实例-基于卷积神经网络的声音识别

  2. 目前的音乐检索系统用流派、风格、情感等类别标签检索音乐。其中，如果人工标注 音乐这些类别标签，则存在主动性强、费时费力、速度慢的问题，而如果采用传统的自动 标注方式，则存在准确率低的问题。后者准确率低的原因是，其标注时使用的模型不能 很好识别音乐。随着 Hinton 提出深度学习模型后，因其在图像和语音识别领域均取得很 好的成果，在识别领域成为了研究热点。因此，本文旨在研究如何使用深度学习中的卷 积神经网络(Convolutional Neural Networks，CNN)模型，设计出一个准

  3. 所属分类：其它

    • 发布日期：2016-12-27
    • 文件大小：5mb
    • 提供者：u014365862

  1. 北大tensorflow公开课笔记

  2. 第一讲 带着大家梳理人工智能领域的基本概念：比如什么是人工智能、什么机器学习、什么是深度学习，他们的发展历史是什么，能用他们做什么。课后，助教会带领大家安装Ubuntu系统、Python解释器 和 Tensorflow环境，把同学们的电脑进行改造，让它变得更专业。 第二讲 串讲python语法：课程将帮同学们在最短的时间内把python语法织成网，为后续课程扫清代码关； 第三讲 讲解Tensorflow的关键词，搭建神经网络：这节课会介绍张量、计算图、会话等概念，并用Python搭建你的第一个

  3. 所属分类：深度学习

    • 发布日期：2018-05-25
    • 文件大小：9.71mb
    • 提供者：weixin_39711936

  1. DevOps详细学习笔记（强烈推荐）.pdf

  2. DevOps 也丌仅仅是一种软件癿部署斱法。它通过一种全新癿斱式，来思考如何让软件癿作者（开发部门）和运营者（运营部门）迚行吅作不协同。使用了DevOps模型乊后，会使两丧部门更好癿交亏，使两者癿关系得到改善，从而让很多领域从丨受益，例如：自劢化、监规、能力觃划和性能、备仹不恢复、安全、网络以及服务提供（provisioning）等等。

  3. 所属分类：IT管理

  1. 论文笔记—Learning domain-shared group-sparse representation for unsupervised DA

  2. 论文摘要：在无监督域适应中，一个关键的研究问题是跨域的联合分布对齐 。 但是， 直接 对齐的源和目标联合分布是不可行的， 因为目标条件分布的标签未知。结合边缘分布对齐（它是条件分布对齐的等价条件，而不是用条件分布近似估计目标标签。），提出了一种基于领域共享的群体稀疏准则——字典学习模型，用于学习具有对齐联合分布的领域共享表示。实验结果表明，该方法在方差较大的数据集上也表现良好。 我们的结果进行了定量和定性分析，并进行了参数灵敏度和收敛性分析的实验，以表明该方法的有效性。

  3. 所属分类：深度学习

    • 发布日期：2020-07-21
    • 文件大小：5mb
    • 提供者：liz_Lee

  1. 论文笔记—基于迁移共享空间的分类新算法

  2. 论文摘要：为解决来自不同但相关领域的大量无标签数据和少量带标签数据的分类问题，首先构造一个联 系源域到目标域的共享特征空间，并将该空间引入经典的支持向量机算法使其获得迁移能力，最终得到 一种新的基于支持向量机的迁移共享空间的分类新算法，即迁移共享空间支持向量机．具体地，该方法 以迁移学习理论为基础，结合分类器最大间隔原理，通过最大化无标签数据和带标签数据的联合概率分 布来构建无标签数据和带标签数据的共享空间；为充分考虑少量带标签数据之数据分布，在其原始特征 空间和共享空间组成的扩展空间中训练分类

  3. 所属分类：深度学习

    • 发布日期：2020-07-21
    • 文件大小：3mb
    • 提供者：liz_Lee

  1. 又一款MVVM组件 Vue基础语法和常用指令（1）

  2. 前言：关于Vue框架，好几个月之前就听说过，了解一项新技术之后，总是处于观望状态，一直在犹豫要不要系统学习下。正好最近有点空，就去官网了解了下，看上去还不错的一个组件，就抽空研究了下。最近园子里vue也确实挺火，各种入门博文眼花缭乱，博主也不敢说写得多好，就当是个学习笔记，有兴趣的可以看看。 一、MVVM大比拼 关于MVVM，原来在介绍knockout.js的时候有过讲解，目前市面上比较火的MVVM框架也是一抓一大把，比如常见的有Knockout.js、Vue.js、React、Angularj

  3. 所属分类：其它

    • 发布日期：2020-11-29
    • 文件大小：411kb
    • 提供者：weixin_38730201

  1. 学习笔记(05):深度学习之图像识别 核心技术与案例实战-图像分割模型

  2. 立即学习:https://edu.csdn.net/course/play/26257/326453?utm_source=blogtoedu 1.图像分割基础：不同像素划分不同类别 语义分割 实例分割 全景分割 应用领域：目标提取，直播娱乐，自动驾驶 分割技术：卷积与反卷积 跳层连接：提升图像分割精度 模型：SegNet/Unet–Atrous卷积（不增加计算量和参数的基础上增加了感受野）–多尺度 2.数据与模型准备 3.模型训练及测试 作者：Mayable

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：28kb
    • 提供者：weixin_38743054

  1. 《动手学——卷积神经网络进阶》笔记

  2. 深度卷积神经网络（AlexNet） LeNet: 在大的真实数据集上的表现并不尽如⼈意。 1.神经网络计算复杂。 2.还没有⼤量深⼊研究参数初始化和⾮凸优化算法等诸多领域。 两派特征提取的观点： 机器学习的特征提取:手工定义的特征提取函数 神经网络的特征提取：通过学习得到数据的多级表征，并逐级表⽰越来越抽象的概念或模式。 AlexNet 首次证明了学习到的特征可以超越⼿⼯设计的特征，从而⼀举打破计算机视觉研究的前状。 特征： 8层变换，其中有5层卷积和2层全连接隐藏层，以及1个全连接输出层。

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：383kb
    • 提供者：weixin_38752628

  1. 大数据案例分析学习笔记1.1（深度学习的引出）

  2. 什么是机器学习？ （Machine learning） 机器学习：是对研究问题进行 模型假设，利用计算机从训练数据中学习得到模型参数，并最终对数据进行预测和分析的一门学科 从简单线性分类器到深度学习（一） 从简单线性分类器到深度学习（二） 深度学习网络中往往包含多个中间层（隐藏层）且网络结构要更复杂一些 什么是深度学习？ （Deep learning） 一种实现机器学习的技术，是机器学习重要分支 源于人工神经网络的研究，深度学习的模型结构是一种含多隐藏层的神经网络 通过组合底层特征形成更加

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：176kb
    • 提供者：weixin_38500630

  1. 领域模型学习笔记

  2. 火龙果软件工程技术中心  对“领域模型”有“忽如一夜春风来”的感觉，太多书籍在谈它。将学习心得记录下来，与大家分享。什么是领域模型？领域模型是对领域内的概念类或现实世界中对象的可视化表示。又称概念模型、领域对象模型、分析对象模型。那什么是概念类呢？概念类是思想、事物或对象。这样的解释，仍然显得抽象。还是先看图吧！（图一）利用上图，我们可以从概念类的符号、内涵和外延三个方面来考虑。符号：表示概念类的词语或图形。内涵：概念类的定义。外延：概念类所适用的一组示例。对应于上图，我们使用符号Sale来表示

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：332kb
    • 提供者：weixin_38655284

  1. 领域模型学习笔记

  2. 火龙果软件工程技术中心  对“领域模型”有“忽如一夜春风来”的感觉，太多书籍在谈它。将学习心得记录下来，与大家分享。什么是领域模型？领域模型是对领域内的概念类或现实世界中对象的可视化表示。又称概念模型、领域对象模型、分析对象模型。那什么是概念类呢？概念类是思想、事物或对象。这样的解释，仍然显得抽象。还是先看图吧！（图一）利用上图，我们可以从概念类的符号、内涵和外延三个方面来考虑。符号：表示概念类的词语或图形。内涵：概念类的定义。外延：概念类所适用的一组示例。对应于上图，我们使用符号Sale来表示

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：332kb
    • 提供者：weixin_38661128

  1. dsc-decision-trees-lab-onl01-dtsc-pt-012120：使用scikit-learn构建树-实验-源码

  2. 使用scikit-learn构建树-实验 介绍 按照上一课中看到的简单示例，现在将为更复杂的数据集构建决策树。 该实验室涵盖了标准机器学习实践的所有主要领域，从数据获取到结果评估。 我们将按照上一课中看到的相同结构，继续使用Scikit-learn和Pandas库进行此分析。 目标 在本实验中，您将： 使用scikit-learn拟合决策树分类模型 使用熵和信息增益来确定在每个节点上分割的最佳属性 使用Python绘制决策树 UCI钞票认证数据集 在本实验中，您将使用一个流行的分类数据集称为“

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：365kb
    • 提供者：weixin_42101237

  1. study-SpringMVC：SpringMVC的学习笔记-源码

  2. SpringMVC 1，回顾MVC 1.1，什么是MVC MVC是模型（Model），视图（View），控制器（Controller）的简写，是一种软件设计规范。 是将数据，显示，业务逻辑分离的方法来组织代码。 MVC主要作用是降低了视图与业务逻辑间的双向偶合。 MVC不是一种设计模式， MVC是一种架构模式。当然不同的MVC存在差异。 Model（模型） ：数据模型，提供要展示的数据，因此包含数据和行为，可以认为是领域模型或JavaBean组件（包含数据和行为），不过现在一般都分离开来

  3. 所属分类：其它

  1. Deeplearning.ai-自然语言处理-专业化：此存储库包含我的全部工作，并由deeplearning.ai提供的由讲师Younes Bensouda Mourri和ŁukaszKaiser教授的Coursera的NLP专业化（自然语

  2. 我的GAN专业化知识库 DeepLearning.ai NLP专业课程注释 该存储库包含有关 NLP专业课程的我的个人笔记。 包含可在上学习的四门课程。 这四个课程是： 关于此专业化（从官方的NLP专业化页面） 自然语言处理（NLP）使用算法来理解和操纵人类语言。 这项技术是机器学习中应用最广泛的领域之一。 随着AI的不断扩展，对熟练构建模型的专业人士的需求也将不断增加，这些模型可以分析语音和语言，揭示上下文模式并从文本和音频中产生见解。 在本专业课程结束时，您将准备设计用于执行问题解答和

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：264mb
    • 提供者：weixin_42110362

  1. 动手学DL|Task5 LeNet+卷积神经网络进阶+循环神经网络进阶

  2. LeNet 笔记 使用全连接层的局限性： 图像在同一列邻近的像素在这个向量中可能相距较远。它们构成的模式可能难以被模型识别。 对于大尺寸的输入图像，使用全连接层容易导致模型过大。 使用卷积层的优势： 卷积层保留输入形状。 卷积层通过滑动窗口将同一卷积核与不同位置的输入重复计算，从而避免参数尺寸过大。 LeNet-5是Yann LeCun等人在多次研究后提出的最终卷积神经网络结构，一般LeNet即指代LeNet-5，是最早的卷积神经网络之一，并且推动了深度学习领域的发展。 LeNet-5包含七层，

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：869kb
    • 提供者：weixin_38646634

  1. 智能计算笔记（一）

  2. 1.智能的能力。 智能具有感知能力。 智能具有记忆与思维能力。 智能具有学习和自适应能力。 智能具有行为能力。对外界信息做出动作反应的能力。 何为智能计算 智能计算是依靠生产者提供的数字、数据材料进行加工处理，而不是依赖于知识。 生物智能。 人工智能。非生物的，人造的，常用符号表示。AI的来源是人类知识的精华。 计算智能。是由数学方法和计算机实现的。 计算智能主要包括三个领域： 神经计算 模糊计算 进化计算 2.神经网络 在人工神经网络中，神经元被称为“处理单元”。有时从网络的观点出发常称为“节

  3. 所属分类：其它