- 综合排序
- 最热优先
- 最新优先
- 来自专栏刷题笔记
7-7 输出全排列
点这里 7-7 输出全排列 请编写程序输出前n个正整数的全排列（n<10），并通过9个测试用例（即n从1到9）观察n逐步增大时程序的运行时间。 输入格式: 输入给出正整数n（<10）。
1.1K10发布于 2019-11-08 - 来自专栏以终为始
7-7 古风排版 （20 分)
7-7 古风排版 （20 分) 中国的古人写文字，是从右向左竖向排版的。本题就请你编写程序，把一段文字按古风排版。 输入格式： 输入在第一行给出一个正整数N（<100），是每一列的字符数。
60610编辑于 2023-03-09 - 来自专栏刷题笔记
7-7 删除重复字符 (20 分)
点这里 7-7 删除重复字符 (20 分) 本题要求编写程序，将给定字符串去掉重复的字符后，按照字符ASCII码顺序从小到大排序后输出。
2.6K20发布于 2019-11-08 - 来自专栏AI机器学习与深度学习算法
机器学习入门 7-7 试手MNIST数据集
MNIST数据集是由美国高中生和人口普查局员工手写的70000个数字的图像，其中60000张训练图像，10000张测试图像。它是机器学习领域的一个经典数据集，其历史几乎和这个领域一样长，被称为机器学习领域的"Hello World"。因此像sklearn和tensorflow这种机器学习框架都内置了MNIST数据集。
2.8K10发布于 2019-11-13 - 来自专栏刷题笔记
【2020HBU天梯赛训练】7-7 装睡
7-7 装睡 你永远叫不醒一个装睡的人 —— 但是通过分析一个人的呼吸频率和脉搏，你可以发现谁在装睡！医生告诉我们，正常人睡眠时的呼吸频率是每分钟15-20次，脉搏是每分钟50-70次。
87230发布于 2020-06-23 - 来自专栏Java
7-7 念数字 (15 分)(用数组简化判断过程)
7-7 念数字 (15 分) 输入一个整数，输出每个数字对应的拼音。当整数为负数时，先输出fu字。
31000编辑于 2025-01-21 - 来自专栏刷题笔记
【未完成】7-7 迷宫寻路 (30 分)
本文链接：https://blog.csdn.net/shiliang97/article/details/101473288 7-7 迷宫寻路 (30 分) 给定一个M行N列的迷宫图，其中 "0"表示可通路
1.2K10发布于 2019-11-08 - 来自专栏脑机接口
根据大脑活动来重建大脑所感知的图像
多伦多大学斯卡伯勒分校(University of Toronto Scarborough)的神经科学家开发了一项新技术，可以根据脑电图(EEG)收集的大脑活动，重建人们所感知的图像。 Nemrodov表示，“当我们看到某个物品时，我们的大脑会产生一种心理感知，这本质上是对事物的一种心理印象。我们能够利用脑电图捕捉到这种感觉，从而直接说明在此过程中大脑中发生了什么。” 他们的大脑活动被记录下来，然后使用基于机器学习算法的技术在受试者的脑海中以数字方式重建图像。 这不是研究人员第一次能够使用神经成像技术和基于视觉刺激重建图像。 虽然像 fMRI 这样的技术——通过检测血流变化来测量大脑活动——可以捕捉大脑特定区域发生的事情的详细细节，但 EEG 具有更大的实用潜力，因为它更常见、便携且价格低廉。 因此，我们可以使用EEG非常详细地了解我们大脑对面孔的感知是如何发展的。” 事实上，研究人员估计，我们的大脑需要大约170毫秒(0.17秒)才能形成我们所看到的面孔的良好表征。
1.1K40编辑于 2022-09-22 - 来自专栏大数据文摘
从视觉检测窥探人类大脑和数字大脑的差别
字符识别对于“智能”大脑而言是很难的：人类的大脑能识别具有缺失或错误字母的单词，比如 为什么是这样的形式？ 字符识别对于“智能”大脑而言是很难的：人类的大脑能识别具有缺失或错误字母的单词，比如G33z, y0u c4n 3v3n r34d th1s，这方面完胜“智能”大脑！还需要比较两者的适应性吗？ ◆ ◆ ◆ 重复性 当谈到重复性，“智能”大脑的得分更高。这几乎是大多数自动化过程中的关键概念：其结果将是可重复的，不管检查发生在什么时候。 那么，自动化视觉检测过程中，“你”实际上在做什么？
84850发布于 2018-05-22 - 来自专栏用户1692782的专栏
“大脑”生长系列（八）
今天一起来看一下如何对图像做旋转和镜像处理，同样， OpenCV也提供了相应的接口，让我们一起来学习一下喽。
49420发布于 2020-04-10 - 来自专栏用户1692782的专栏
“大脑”生长系列（二）
三、灰度图：简单理解，就是YUV中只有Y分量，而不考虑UV分量，比较古老的黑白电视的效果便是这样的喽。
35120发布于 2020-04-10 - 来自专栏用户1692782的专栏
大脑生长系列（六）
上一讲是如何改变图像的分辨率和对比度，这一讲介绍一个听起来高大上的功能，图像金字塔，个人理解图像金字塔本质上也是图像大小的改变，只是改变的方式和算法有所不同。OpenCV实现了两种图像金字塔的功能，一种高斯金字塔，一种拉普拉斯金字塔。
52510发布于 2020-04-10 - 来自专栏R语言数据分析指南
ggplot绘制大脑图谱
欢迎关注R语言数据分析指南 ❝最近交流群内看到有朋友询问大脑图谱相关的图，本节来介绍如何使用ggseg包来绘制此类图，该包内容十分丰富案例众多同时也兼容ggplot，详细内容请参考官方文档。
64910编辑于 2024-07-26 - 来自专栏IT技术圈（CSDN）
浙大版《C语言程序设计（第3版）》题目集 练习7-7 矩阵运算
练习7-7 矩阵运算 给定一个n×n的方阵，本题要求计算该矩阵除副对角线、最后一列和最后一行以外的所有元素之和。副对角线为从矩阵的右上角至左下角的连线。
2.3K10发布于 2020-09-15 Google 在建未来的大脑，我们在做“聪明的大脑助手”
说它是“AI 模型大超市”好像有点低估它了——更准确地，GateOne 是一个能把各种强模型组织成“靠谱队伍”的派任务大脑 ♀️。
17410编辑于 2025-09-26- 来自专栏AI科技大本营的专栏
Jeff Dean：谷歌大脑背后的“大脑” | AI名人堂
▌谷歌大脑的雏形 《纽约时报》的一篇长文「The Great A.I. 随后，Google X 联合斯坦福大学顺势推出了聚焦深度学习的项目「谷歌大脑」。 ▌背后的“大脑” 今年 1 月，Dean 晒出了谷歌大脑 2017 的第一份成绩单：从 AutoML、语义理解和语言生成、到机器学习算法、TPU、TensorFlow 和开源软件等基础研究工作都取得了傲人的成绩 显然，这份漂亮的成绩单离不开 Jeff Dean 这位谷歌大脑背后的「大脑」的推动。 除了基础科学的研究之外，谷歌大脑还会与其他做应用、工程、开发等各类团队进行合作。
1.3K30发布于 2018-07-23 - 来自专栏新智元
先有大脑，还是先有睡眠？ScienceAdvances解密：睡眠先于大脑进化
大脑是产生睡眠的前提吗？ScienceAdvances解密：原来睡眠比大脑出现的还要早。 水螅，又名九头蛇，是一种简单的生物。 身长不到半英寸，管状的身体一端有一只脚，另一端有一个嘴。 一个多世纪以来，研究睡眠的人员一直在大脑中寻找睡眠的目的和结构。他们研究了睡眠与记忆和学习的关系。对把我们推入昏睡状态又把我们拉出来的神经回路进行了编号。 大量的研究和人们的日常经验证明了人类睡眠与大脑的联系。 但是与这种以大脑为中心的睡眠观点相对应的观点已经出现。研究人员已经注意到，由肌肉和神经系统以外的其他组织产生的分子可以调节睡眠。 对于那些想更多了解睡眠的研究人员来说，了解睡眠对大脑的影响至关重要。 所以，在20世纪中叶，如果你想研究睡眠，你就成了脑电图的专家。 研究人员发现，海豚和迁徙的鸟类在看起来清醒的时候，可以让半个大脑进入睡眠状态。大象几乎每时每刻都醒着，而小棕蝙蝠几乎每时每刻都在睡觉。
90820编辑于 2023-05-22 - 来自专栏云微的一点分享
PTA 数据结构与算法题目集（中文）7-7 六度空间 (30分) 题解
“六度空间”理论又称作“六度分隔（Six Degrees of Separation）”理论。这个理论可以通俗地阐述为：“你和任何一个陌生人之间所间隔的人不会超过六个，也就是说，最多通过五个人你就能够认识任何一个陌生人。” “六度空间”理论虽然得到广泛的认同，并且正在得到越来越多的应用。但是数十年来，试图验证这个理论始终是许多社会学家努力追求的目标。然而由于历史的原因，这样的研究具有太大的局限性和困难。随着当代人的联络主要依赖于电话、短信、微信以及因特网上即时通信等工具，能够体现社交网络关系的一手数据已经逐渐使得“六度空间”理论的验证成为可能。
53720编辑于 2023-02-11 - 来自专栏用户1692782的专栏
“大脑”生长系列（一）
我们的“孩子”正在茁壮成长中，现在他已经能够选择性的寻找到自己感兴趣的区域喽。也就是每看到一幅完整的图像，可以选择性的摘取关心和感兴趣的区域，这再OpenCV中称作ROI操作。
42200发布于 2020-04-10 - 来自专栏用户1692782的专栏
“大脑”生长系列（四）
void resize(InputArray src, OutputArray dst, Size dsize, double fx = 0, double fy = 0, int interpolaiton == INTER_LINEAR);
44020发布于 2020-04-10
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号