- 综合排序
- 最热优先
- 最新优先
- 来自专栏Python
6-3、Python 数据类型-列表
6-3、Python 数据类型-列表列表列表介绍列表是Python中最基本也是最常用的数据结构之一。列表中的每个元素都被分配一个数字作为索引，用来表示该元素在列表内所排在的位置。
38800编辑于 2023-11-08 - 来自专栏全栈开发那些事
6-3 求链式表的表长 (10分)
函数接口定义： int Length( List L ); 其中List结构定义如下： typedef struct LNode *PtrToLNode; struct LNode { ElementType Data; PtrToLNode Next; }; typedef PtrToLNode List; L是给定单链表，函数Length要返回链式表的长度。 裁判测试程序样例： #include <stdio.h> #include <stdlib.h> typedef int El
31330编辑于 2023-02-27 - 来自专栏程序员IT圈
使用 JavaScript 实现机器学习和神经学网络
英文：JeffHeaton 译文： 云+社区/白加黑大人 https://cloud.tencent.com/developer/article/1035890 基本介绍 在本文中，你会对如何使用JavaScript实现机器学习这个话题有一些基本的了解。我会使用Encon（一个先进的神经网络和机器学习框架）这个框架，并向你们展示如何用这个框架来实现光学字符辨识，模拟退火法，遗传算法和神经网络。Encog同时包括了几个GUI窗体小部件，这些小部件可以更方便地显示出一般机器学习任务的输出。 运行环境 E
1.2K100发布于 2018-03-05 - 来自专栏信数据得永生
django 1.8 官方文档翻译：6-3 Django异常
DoesNotExist异常的基类；对ObjectDoesNotExist的try/except会为所有模型捕获到所有DoesNotExist 异常。
2K20编辑于 2022-11-27 - 来自专栏人工智能
通过JS库Encog实现JavaScript机器学习和神经学网络
在本文中，你会对如何使用 JavaScript 实现机器学习这个话题有一些基本的了解。
3.1K100发布于 2018-02-05 - 来自专栏MixLab科技+设计实验室
Neuro-X，神经学x建筑学、营销学、电影……
那个年代，普遍认可神经学与建筑设计之间的关联，但未形成具体的学科或缺少工具进行验证。如今，其已经成为一门学科，我们可以深入地探索人的神经反应与建筑间的关联。 神经营销学 Neuromarketing 运用神经学方法来确定消费者选择背后的原动力。研究者运用核磁共振画出被测试者的脑部图，来揭示他们是如何对广告或者物品产生反应的。 2003年，美国Read Montague教授的神经学研究 Montague对百事挑战实验进行了“翻新”，他使用 fMRI （功能性磁共振成像仪）对受试者的大脑进行扫描成像。 神经学电影 neurocinematics 把神经学运用到剧情电影中，这种神经营销学和电影的结合体被称为神经学电影。 shadow opus 欢迎神经学科爱好者 加入社群，关注后回复：群聊 ⤵️
76340发布于 2021-10-12 - 来自专栏脑机接口
浅谈脑机接口：传统神经学科的颠覆者
人类从未停止对大脑的研究，然而有关于大脑的探秘如今所发现的也仅仅只是冰山一角，作为神秘的研究领域，脑科学直到下个世纪仍是前沿科学。
78020编辑于 2022-09-22 - 来自专栏AI机器学习与深度学习算法
机器学习入门 6-3 线性回归中的梯度下降法
本系列是《玩转机器学习教程》一个整理的视频笔记。本小节主要介绍在线性回归中使用梯度下降法。
1.3K20发布于 2019-11-13 - 来自专栏大数据文摘
神经学家使用大数据工具分析大脑细胞活动
为此，神经学家利用分布式计算工具Thunder（闪电），进行了大量研究。 ? 神经学家在第一次考虑数据的时候，很少能迸发新的思路。相反，最初的研究可能暗含更有希望的方法，只需要进行少量调整、使用新的计算分析，原来的数据就可以更有用途。 这也就是为什么使用龟速的计算工具分析神经学数据会让人大为受挫。Freeman提到：“对一些分析来说，你可以上传数据，开始跑数据，第二天再回来看。
87170发布于 2018-05-22 一键生成眨眼照片，人脸识别图片眨眼生成器，基于python神经学开发
实现了完整的眨眼动画生成功能，包含人脸检测、关键点定位、眼睛区域提取和动画生成。代码使用了dlib进行人脸检测和关键点定位，OpenCV进行图像处理，PIL生成GIF动画。要使用此代码，您需要下载shape_predictor_68_face_landmarks.dat模型文件。
94110编辑于 2025-07-02- 来自专栏北京马哥教育
hiphop原理分析1
自底向上分析（移进归约） 如：我们将“1+2/3+4*6-3-2”逐个字符移进堆栈，如下所示： .1+2/3+4*6-3 E= num 规约a 0 E = E = E + E 规约d 2 E = E - E 规约e 2 ================================================= 1 1.+2/3+4*6- 3 移进 2 E.+2/3+4*6-3 规约a 3 E+.2/3+4*6-3 移进 4 E+2./3+4*6-3 移进 5 E+E./3+4*6-3 规约a 6 E+E/.3+4*6-3 移进 7 E+E/3.+4*6-3 移进 8 E+E/ E.+4*6-3 规约a 9 E+E/E+.4*6-3 移进 10 E+E/E+4.*6-3 移进 11 E+E/E+E.*6-3
1.7K70发布于 2018-05-02 - 来自专栏AI科技评论
纽约大学神经学教授Eero Simoncelli万字解析：机器生成的图像为何能骗过你的眼睛？
AI科技评论按：在刚刚闭幕的ICLR2017上，纽约大学神经学、数学、心理学教授Eero Simoncelli作为特邀嘉宾分享了他在机器表征、人类感知方面的研究成果。 我不仅好奇神经细胞是如何做到的、是如何把神经学表征与视觉环境对应起来的，我还好奇这些表征会如何形成或者限制我们的理解。
1.1K80发布于 2018-03-12 - 来自专栏新智元
哥大神经学家Nature发文，脑漂移现象或促成新AI模型
一直以来，神经网络的模型都是基于大脑神经元的解释，但大脑似乎对相同的输入有不同的输出，最近哥大的神经学家在Nature上发表了一篇文章，在小鼠的脑袋上做了一个实验，也许能促进AI模型的发展。
59210发布于 2021-07-29 - 来自专栏毕业设计
分布式电商系统的设计与实现⑦-1
该模块的测试用例分析表如下表6-3所示：表 6-3 商品测试用例分析表测试主题测试步骤预期结果实际结果品牌管理（1）点击品牌管理，对于商品品牌进行增删改查等操作对于品牌的相关信息进行增删改查均可正常执行符合预期结果商品类型管理 （2）以及对于商品上下架商品的增改查以及上下架均能成功执行符合预期结果秒杀商品管理（1）点击秒杀商品管理，对于秒杀商品的增删改查等操作对于秒杀商品的增删改查均能正常执行符合预期结果修改商品界面如下图6- 3所示：图 6-3 修改商品界面1.1.4 广告管理相关功能测试广告管理，可以对于广告进行增删改查等功能，以及修改广告的状态，该模块的测试用例分析表如下表6-4所示：表 6-4 广告管理测试用例分析表测试主题测试步骤预期结果实际结果广告管理
32200编辑于 2024-06-22 - 来自专栏企鹅号快讯
Science特刊：直击当下神经学的三个大坑，百年来研究都做错了？
或许，比起寻找日常生活中先入为主的观念（比如时间流逝）在大脑中的神经学表现，更需要进一步研究的，是大脑推断和解释时间的机制。 人工智能—— 机器会思考吗？
85750发布于 2018-01-08 - 来自专栏音乐与健康
神经学家、工程师和音乐家团队联合探索机制
该研究的作者之一、达特茅斯盖塞尔医学院神经学家、达特茅斯-希区柯克(D-H)癫痫和认知实验室主任Barbara C. Jobst表示，“Quon把神经学家、工程师、数据科学家、音乐教授和音乐家聚集在一起，完成了这项工作。”“莫扎特K448效应”机制不明癫痫影响全球约11%的人口，其中又有1/3患有耐药性或难治性癫痫。 就在今年4月，《欧洲神经学杂志》上的一项研究发现，莫扎特的D大调双钢琴奏鸣曲（K448）的声学特性可抑制癫痫患者的大脑活动，而18世纪古典作曲家海顿的作品就没有这种效果。
10510编辑于 2026-05-04 - 来自专栏镁客网
剑桥大学科学家实验证明绵羊面部识别能力堪比人类，将成为神经学研究新模型 | 黑科技
该研究表明绵羊将成为研究亨廷顿病等神经退行性疾病的良好模型，并将为神经学家们带来新的研究方式。 近日，剑桥大学的科学家发现绵羊可以通过人的肖像照片识别出人脸，甚至可以在没有事先培训的情况下识别出操作者的照片，为神经学研究领域的面部识别功能找到特殊的生物学模型。 现在，该研究表明绵羊将成为研究亨廷顿病等神经退行性疾病的良好模型，并将为神经学家们带来新的研究方式。
93300发布于 2018-05-30 - 来自专栏深度学习之tensorflow实战篇
数据的标准化与中心化以及R语言中的scale详解
例如有数据集1, 2, 3, 6, 3，其均值为3,那么中心化之后的数据集为1-3,2-3,3-3,6-3,3-3,即：-2,-1,0,3,0 2.数据的标准化 所谓数据的标准化是指中心化之后的数据在除以数据集的标准差 例如有数据集1, 2, 3, 6, 3，其均值为3,其标准差为1.87，那么标准化之后的数据集为(1-3)/1.87,(2-3)/1.87,(3-3)/1.87,(6-3)/1.87,(3-3)/1.87
1.7K30发布于 2019-02-14 - 来自专栏人工智能快报
美情报机构支持类脑计算研究
IARPA要求提交方案的神经学家和计算机科学家能够清晰简明地回答以下一个或多个问题： 问题1：基于尖峰脉冲的表征技术 大脑运行时采用的代码基于大量神经元内罕见的尖峰脉冲。 待神经学家解答的问题：我们目前对“大脑如何利用基于尖峰脉冲的表征技术、稀疏编码技术和/或近似计算技术”的了解对于研发下一代计算机有何实际作用？需要首先填补哪些认知缺口或克服哪些困难？ 待神经学家解答的问题：我们目前对于“大脑如何利用异步计算和/或瞬态协调技术”的了解对于研发下一代计算机有何实际作用？需要首先填补哪些认知缺口或克服哪些困难？ 待神经学家解答的问题： 我们目前对于“大脑如何利用短/长期在线学习技术”的了解对于研发下一代计算机有何实际作用？需要首先填补哪些认知缺口或克服哪些困难？ 待神经学家解答的问题：我们目前对于“大脑如何利用本地存储器存储与计算功能集成技术”的了解对于研发下一代计算机有何实际作用？需要首先填补哪些认知缺口或克服哪些困难？
93050发布于 2018-03-13 电子病历中神经症状标注的一致性研究
本研究检验了在电子健康记录临床笔记中标注神经学概念的标注者间一致性。在接受了关于标注流程、标注工具和支持性神经学本体的培训后，三名标注员分三轮标注了15份临床笔记。 本文研究了电子健康记录笔记中神经学概念文本片段识别的标注者间一致性。除了人类标注者之间的一致性，还研究了人类标注者与基于卷积神经网络的机器标注器之间的一致性。 方法标注工具使用Prodigy（Explosion AI, Berlin, Germany）来标注电子健康记录医师笔记中的神经学概念。 标注者首先审查了神经学概念神经学本体中的神经学体征和症状，然后被指示在神经科笔记中找出所有神经学概念。体征和症状被标注，但疾病实体不被标注。标注者标注神经学概念，并忽略偏侧性等修饰语。 机器标注器机器标注器（NN）是一个神经网络，经过训练可以识别电子健康记录医师笔记中包含神经学概念的文本片段。
10300编辑于 2026-01-22
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