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. DSAinPython:Python中数据结构和算法的不同实现以及一些现实生活中的应用程序项目-源码

  2. Udacity NanoDegree数据结构和算法项目 Python中有关数据结构和算法的一系列问题，包括： 在不同数据结构上的搜索和排序算法 评估算法效率，时间和空间复杂度 先进的算法，例如蛮力贪婪算法，图算法和动态编程 问题描述 问题1：将一系列开放性问题解构为较小的组件（例如，输入，输出，一系列功能）。 问题2：开放式练习问题：LRU缓存，专用块链，文件递归。 问题3：现实世界中的开放性问题：Web服务器的请求路由，搜索项自动完成和Fibonacci堆 问题4：使用A *算法来查找最

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：648kb
    • 提供者：weixin_42173205

  1. coursera_deeplearning_specialization-源码

  2. Coursera上的深度学习专业 介绍 此仓库包含我针对该专业的所有工作。 所有代码库和资产均来自 。 深度学习专业化是我们的基础计划，它将帮助您了解深度学习的功能，挑战和后果，并使您为参与领先的AI技术的发展做好准备。 在本专业中，您将构建神经网络架构，例如卷积神经网络，递归神经网络，LSTM，变压器，并学习如何通过Dropout，BatchNorm，Xavier / He初始化等策略使它们更好。 您将使用Python和TensorFlow掌握这些理论概念及其行业应用。 您将处理现实案例研究

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：28mb
    • 提供者：weixin_42144707

  1. Blowfish_Python:使用Python的Blowfish加密算法代码实现-源码

  2. 该存储库包括有关河豚加密算法和使用Python编程语言的代码实现的信息，另外还添加了两个特殊功能以允许无限制地输入密码功能，河豚加密分析和河豚在现实生活中的应用。 这项工作是由艾曼·叶希亚（Ayman Yehia），穆罕默德·加拉纳（Mohammed Garrana）和艾哈迈德·穆罕默德·拉法特（Ahmed Mohamed Raafat）在DR的监督下准备的。 巴哈·哈桑（Bahaa Hassan）2009年5月12日 表中的内容 1- Crypto-Presenation.pptx：一种简报

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：870kb
    • 提供者：weixin_42099942

  1. machine-learning-coursera-python:该存储库包含由斯坦福大学在Coursera上执行的Andrew Ng的机器学习课程的某些编程作业的python实现-源码

  2. 机器学习课程python 该存储库包含由Stanford University创建的Andrew Ng在Coursera上的机器学习课程的某些编程作业的python实现。 编程练习1：线性回归在本练习中，您将实现线性回归并了解它如何在现实世界的数据集上工作。 编程练习2：逻辑回归在本练习中，您将实现逻辑回归并将其应用于两个不同的数据集。 编程练习3：多类分类和神经网络在本练习中，您将实现神经网络对所有逻辑回归和前馈传播的识别，以识别手写数字。 编程练习4：神经网络学习在本练习中，您将为

  3. 所属分类：其它

  1. 萨顿-源码

  2. 萨顿 快速开始 Sutton是（将成为）一个分布式计算框架，以python实现。 网络由sutton.client.Client类中定义的单个sutton节点组成。 当前，它由一个非常基本的套接字通讯系统组成，该系统允许使用静态postgres数据库进行基本（中断？）邻居发现。 发展路线图+愿景 Sutton框架的目标是将具有少量可用计算能力的人们与寻求它的人们联系起来。 理想情况下，萨顿的网络价值在于将功率转换为计算结果。 这种观点意味着，用电量必须足够大，并且计算必须是相关的。 但是，依靠许

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：31kb
    • 提供者：weixin_42175971

  1. 亚当斯-源码

  2. 自适应动态处理规则： ADaM “减少通过深度学习和动态字典对现实世界密码强度进行建模的偏见”的正式回购将在USENIX Security 2021上进行。 :warning_selector: 免责声明：此代码旨在复制本文中报告的结果，并在学术背景下支持安全性分析。 我们正在努力完全重新实现该软件，该软件将适用于实际的密码恢复应用程序。 。 进行ADaMs攻击 运行Adam Attack的所有材料都包含在AdamAttack目录中。 为了能够进行攻击，必须满足以下先决条件： Pyt

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：248kb
    • 提供者：weixin_42131633

  1. Python：使用Python实现现实-源码

  2. Python Python的实现

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：27kb
    • 提供者：weixin_42131705

  1. fullstack.ai：端到端机器学习项目，显示了开发和部署ML驱动的应用程序的关键方面-源码

  2. 全栈 端到端机器学习项目，显示开发和部署现实生活中机器学习驱动的应用程序的关键方面。 代管 当前在托管运行示例 POC EDA，数据处理的准备 从外部来源中获取其他功能 机器学习模型的建立过程 将其包装为Python模块，作为从dev colab笔记本到产品代码的过渡 在基于Flask的微服务中使用此模块 使用Docker对其进行增强，并使用与Docker Compose协调的Nginx反向代理服务器进行部署 这基本上涵盖了大多数ML技术堆栈，直至CI / CD管道。 我将使用数据集来模拟整

  3. 所属分类：其它

  1. KiGB：知识密集型梯度提升：用于学习梯度的统一框架增强了用于回归和分类任务的决策树，同时利用人工建议来实现更好的性能-源码

  2. KiGB：知识密集型梯度提升 长期以来，在AI内部已经纳入了包括定性约束（例如单调和协同影响）在内的更丰富的人类输入。 受此启发，我们考虑了在成功的梯度增强框架中使用此类影响力陈述的问题。 我们为分类和回归设置开发了一个统一的框架，该框架可以有效地合并这些约束，以加快学习速度，从而建立更好的模型。 我们在大量标准域和两个特别新颖的现实域中的结果证明了使用域知识而不是将人类视为单纯的标记者的优越性。 KiGB是一个统一的框架，用于学习用于梯度回归和分类任务的梯度增强决策树，同时利用人工建议来实现

  3. 所属分类：其它

  1. 使用Python的神经网络项目-源码

  2. 使用Python的神经网络项目 这是Packt发布的的代码库。 通过六个项目使用Python探索神经网络真正力量的终极指南 这本书是关于什么的？ 神经网络是AI近期发展的核心，可为许多现实世界的问题提供最佳解决方案，包括图像识别，医学诊断，文本分析等。 本书介绍了一些基本的神经网络和深度学习概念，以及一些流行的Python库来实现这些概念。 本书涵盖了以下令人兴奋的功能： 学习各种神经网络架构及其在AI中的进步 通过构建和训练神经网络来掌握Python的深度学习 掌握神经网络进行回归和

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：65mb
    • 提供者：weixin_42119281

  1. python-rsa：纯Python RSA实现。 使用Python 3和Pandas-源码

  2. :warning: 这个程序是仅用于演示目的，并不适用于现实世界的加密。 如果这是您的用例，并且需要免费软件，请尝试 ，它是OpenPGP标准的免费实现。 RSA纯Python实现 该项目是RSA，OS2IP和I2OSP的纯Python 3实现。 请注意，此实现目前尚不包括OAEP，但有望添加。 特征 纯Python RSA实现。 使用Miller Rabin和Python secrets模块一起生成素数。 文件分块，可以通过将任意长度的文件分成多个块并将其重新加入来加密和解密。 将Pan

  3. 所属分类：其它

  1. FEATHER：FEATHER的参考实现，摘自CIKM '20论文“图的特征函数：羽毛，从统计描述符到参数模型”-源码

  2. 羽毛 ⠀ ⠀ 从CIKM '20论文“图形上的特征函数：羽毛的鸟，从统计描述符到参数模型”的Python参考实现FEATHER和FEATHER-G 。 抽象 在本文中，我们提出了在图顶点上定义的特征函数的灵活概念，以描述多个尺度上顶点特征的分布。 我们引入了FEATHER，这是一种计算效率很高的算法，用于计算这些特征函数的特定变体，其中特征函数的概率权重定义为随机游走的转移概率。 我们认为，此过程提取的功能对于节点级机器学习任务很有用。 我们讨论了这些节点表示的合并，从而产生了可以用作图分类

  3. 所属分类：其它

    • 发布日期：2021-02-11
    • 文件大小：13mb
    • 提供者：weixin_42101384

  1. pi3151524witsplayerdemo：companydemo-源码

  2. Little Python演示Patrick 这是一个非常简单的python演示，它侦听TCP端口并以固定的时间间隔从文件回放数据到新的连接。 数据包以&&开头，以!!结尾，每行用换行符'\ n'分隔，例如在演示数据文件（a.wits）中&& A B C D 1234 !! zz zz !! && gh 6789 !! 输出应为&& A B C D 1234 !! && gh 6789 !! 这是因为!! zz zz !! 不是以&&开头注意： 在现实世界中，为了更好地处理IO性能，应使用IO

  3. 所属分类：其它

  1. DistantHorizo​​nClient-源码

  2. 遥远的地平线是一款关于现实太空旅行的游戏。 您扮演的商人飞船队长在大型太阳系中的空间站之间飞行，使用翻转和燃烧式轨迹在绕行行星之间导航。 所有玩家都存在于同一个宇宙中，并且有AI船也参与其中。 目前，游戏玩法只是简单的商品交易，但未来我们计划增加寻路游戏玩法（其中绘制新的，更快的车站之间的路径将提供特许权使用费）以及旅客运输，合同运营以及可能的某种形式战斗。 在服务器的Kotlin中实现DH，在客户端的Godot Engine中编译为WASM，在负载均衡器中的Python / Flask中实现

  3. 所属分类：其它

    • 发布日期：2021-02-09
    • 文件大小：28mb
    • 提供者：weixin_42129005

  1. 家居装饰：使用虚拟现实的家居装饰-源码

  2. 介绍 这是一个原型，用于演示有关将虚拟现实应用于Home Decor的想法，就像用于装饰房屋的虚拟镜子一样。 使用此应用程序，我们可以使用诸如家具，绘画等对象来可视化我们的房屋（基本上是房间或大厅）。 这种可视化是通过360度房间图像完成的，可以在任何VR耳机或台式机中查看。 实作 我们已经大量使用图像处理（OpenCV）来处理360个房间的光球和对象的图像集。 该图像集包括来自各种离散角度的物体图像。 在此实现中，我们对房间和对象的图像进行了硬编码。 安装 您需要在系统上使用python 2.

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：10mb
    • 提供者：weixin_42110533

  1. pythonfuzz：覆盖率指导的python模糊测试-源码

  2. fuzzit.dev被GitLab ，此仓库的新家 pythonfuzz：适用于python的覆盖率指导的模糊测试 PythonFuzz是覆盖引导用于测试Python包。 模糊搜索python之类的安全语言是一种强大的策略，可用于查找未处理的异常，逻辑错误，由挂起和过多的内存使用引起的逻辑错误和拒绝服务引起的安全性错误。 除经典的单元测试外，模糊测试在现实世界的软件中还可以视为一种强大而有效的策略。 用法 模糊目标 第一步是实现以下功能（也称为模糊目标）。 这是内置html模块的简单模糊功能

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：39kb
    • 提供者：weixin_42134878

  1. AI4U：AI4U提供了一种将python代码与Unity游戏连接的简便方法。 这样，您可以使用整个可用的Python机器学习文化，通过Unity来实验机器学习算法和人工智能-源码

  2. 什么是AI4U？ AI4U是将Unity应用程序连接到Python代码的一种简洁方便的方法。 因此，可以使用AI4U插件将游戏和虚拟现实应用程序连接到以Python编写的庞大库中。 而且，One提供了与OpenAI实施的最新算法（例如PPO和PPO2）的集成。 因此，对AI4U感兴趣的人可以使用OpenAI研究人员提供的最新进展。 产品特点 一些例子。 支持多种环境配置和培训方案 可以集成到您的游戏或自定义Unity场景中的灵活SDK 与API无关，但其中一种支持由基础实现的所有算法。

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：26mb
    • 提供者：weixin_42165583

  1. skoot：面向数据科学从业者的软件包。 该库通过scikit-learn友好的界面实现了许多有用的通用数据转换，以加快建模过程-源码

  2. 斯科特 Skoot是机器学习转换器类的轻量级python库，可与和交互。 其目的是加快数据整理和预处理任务，这些任务可能会占用大量数据科学从业人员的时间。 请参阅以获取更多信息。 请注意，skoot是现已弃用的库的首选替代方案 两分钟即可完成模型准备 现实世界的数据令人讨厌。 大多数数据科学家将大部分时间用于处理数据清理任务。 使用skoot，我们可以自动化大量定制的黑客解决方案，这些解决方案占用了数据科学家的时间。 在此示例中，我们将检查需要大量预处理的通用数据集（来自UCI机器学习仓库的

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：651kb
    • 提供者：weixin_42130862

  1. 人工智能和机器学习基础知识：以最新的AI先进技术为基础的实际应用程序开发开始-源码

  2. 人工智能和机器学习基础 机器学习和神经网络正在Swift成为构建智能应用程序的基础。 本课程将首先向您介绍Python并讨论使用AI搜索算法。 您将学习大量数学主题，例如Python示例所说明的回归和分类。 然后，您将继续学习高级AI技术和概念，并处理现实数据集以形成决策树和集群。 将向您介绍神经网络，它是得益于适用于21世纪计算能力的摩尔定律的强大工具。 在本课程结束时，您将充满信心，并期待用您新获得的技能来构建自己的AI应用程序！ 您将学到什么 了解AI的重要性，原理和领域 学习使用Pyt

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：25mb
    • 提供者：weixin_42101056

  1. datacamp-machine-learning-scikit-learn：作为DataCamp的“使用Python的机器学习Track”轨迹的一部分，我所做的所有工作-源码

  2. 1-监督学习 在本课程中，您将学习如何使用Python执行监督学习，这是机器学习的重要组成部分。 您将学习如何建立预测模型，如何调整其参数，以及如何在使用现实世界数据集的同时始终了解未见数据的性能。 您将使用scikit-learn进行此操作，这是Python最受欢迎和用户友好的机器学习库之一。 Jupyter笔记本 2-无监督学习 无监督学习涵盖了机器学习中的各种技术，从聚类到降维再到矩阵分解。 在本课程中，您将学习无监督学习的基础知识，并使用scikit-learn和scipy实现基本算法。

  3. 所属分类：其它

« 12 »