- 综合排序
- 最热优先
- 最新优先
- 来自专栏悟道
5-3记忆型递归
/** * @Author CaesarChang张旭 * @Date 2021/2/18 12:06 下午 * @Version 1.0 */ public class Main { static int n; static int m; //记忆化递归 static int [][] rec; public static void main(String[] args) { Scanner scanner=new Scann
34510发布于 2021-04-19 5-3表达式树
表达式树对应Expression<TDelegate>类型，从Lambda表达式生成表达式树：
22910编辑于 2026-06-16- 来自专栏python3
5-3 绘制图形
5-3 绘制图形 本节学习目标： n绘制曲线基本要点 n图形类控件的使用 nSystem.Drawing.Drawing2D 5-3-1 绘制曲线 基本形状的绘制，我们可以从图形类提供的方法中找到解决方案
2.3K10发布于 2020-01-08 - 来自专栏AI机器学习与深度学习算法
机器学习入门 5-3 简单线性回归的实现
本系列是《玩转机器学习教程》一个整理的视频笔记。本小节主要介绍实现简单的线性回归。
38210发布于 2019-11-13 - 来自专栏JNing的专栏
【tensorflow】TFRecord读写机理
1.tfrecord，写的时候是一行一行地写的，读的时候是每batch个行地读的。
80110发布于 2020-03-17 - 来自专栏Golang语言社区
channel机理及调度理解
当当 广告
56130发布于 2018-07-26 - 来自专栏Golang语言社区
channel机理及调度理解
《Go语言编程》一书介绍了libtask库，可以认为这个库等同于go的底层goroutine实现。
47130发布于 2018-07-26 - 来自专栏网络信息安全
熊猫烧香（中）病毒释放机理
熊猫烧香（中）病毒释放机理 1、sub_40277C子函数 2、sub_405684子函数 3、sub_403ED4子函数 4、sub_4057A4子函数 5.分析sub_4057A4后续删除功能 6.
95210编辑于 2024-03-12 - 来自专栏AustinDatabases
PostgresQL MVCC 机理与 还得学习
昨天写了些 MYSQL MVCC ，今天就的搞搞 PostgresQL 的MVCC ，最近从某些网站上获得的信息，PostgresQL的 相关人员的需求量在国内开始增加，但和需求相比，会的人少，所以你懂得。
90730发布于 2019-09-05 方法论|机理分析法
为什么需要机理分析法 在现实生活中，影响一个问题的因素往往不止一个，分析问题时就需要从不同方向考虑，所以就引入了机理分析法 算法分析过程和应用步骤： 首先分析现象和结果的影响因素；然后在合理的假设条件下做出各种因素与现象和结果的关系 结语 在运用机理分析法时需要考虑各个因素，对于不同的因素可能需要不同的思考方式，最后得出结果时，还要结合实际情况验证分析的正确性。 END
1.5K20发布于 2019-10-14- 来自专栏贾维斯Echo的博客
计算机理论基础
1.操作系统：就是一个协调、管理、控制计算机硬件资源与应用软件资源的一个控制程序
73830编辑于 2023-10-18 - 来自专栏拓端tecdat
Python、TCA迁移成分分析融合XGBoost极限梯度提升的高速列车轴承智能故障诊断研究|附数据
针对源域故障分类诊断问题，本文对比研究了K近邻、逻辑回归、极端梯度提升算法和卷积神经网络四种分类模型。 图5-3 特征相关性热力图 如图5-3所示，展示了特征相关性热力图，揭示了特征间的冗余关系。我们观察到，部分时域统计特征之间存在高度相关性，例如驱动端的峰峰值与标准差呈强正相关。 轴承故障诊断本质上是一个多分类模式识别问题，本文选择了四种具有代表性的分类算法进行对比研究：K近邻算法、逻辑回归、XGBoost以及一维卷积神经网络模型。 故障机理关联性验证 为了验证模型学习到的特征模式与轴承故障物理机理的一致性，进行了系统的故障机理关联性分析。 针对上述局限性，后续可从以下方向进行优化：引入更先进的数据增强技术，如生成对抗网络或变分自编码器；探索端到端的深度迁移学习架构，如域对抗神经网络；采用代价敏感学习或焦点损失函数来应对类别不平衡问题。
49310编辑于 2026-04-29 - 来自专栏机器学习算法与Python学习
机器学习(4) --神经网络(part two)
Networks (part two) 5.1 cost function 5.2 Back Propagation 5.3 NN conclusion 接上一篇 机器学习(3) -- 神经网络 本文将先定义神经网络的代价函数，然后介绍后(逆)向传播(Back Propagation: BP)算法，它能有效求解代价函数对连接权重的偏导，最后对训练神经网络的过程进行总结。 如果所有参数都用相同的值作为初始值，那么所有隐藏层单元最终会得到与输入值有关的、相同的函数（也就是说，所有神经元的激活值都会取相同的值，对于任何输入x 都会有： ? ）。 具体的，可以通过数值的方法(如图5-3所示的)计算出较精确的偏导，然后再和BP算法计算出来的进行比较，若两者相差在正常的误差范围内，则BP算法计算出的应该是比较正确的，否则说明算法实现有误。 图5-3 数值方法求代价函数偏导的近似值 5.3 神经网络总结 第一步，设计神经网络结构。 ? 第二步，实现正向传播(FP)和反向传播算法，这一步包括如下的子步骤。 ?
76350发布于 2018-04-04 - 来自专栏机器学习与自然语言处理
Stanford机器学习笔记-5.神经网络Neural Networks (part two)
two) content: 5 Neural Networks (part two) 5.1 cost function 5.2 Back Propagation 5.3 神经网络总结 本文将先定义神经网络的代价函数，然后介绍逆向传播(Back Propagation: BP)算法，它能有效求解代价函数对连接权重的偏导，最后对训练神经网络的过程进行总结。 如果所有参数都用相同的值作为初始值，那么所有隐藏层单元最终会得到与输入值有关的、相同的函数（也就是说，所有神经元的激活值都会取相同的值，对于任何输入x 都会有： ? ）。 具体的，可以通过数值的方法(如图5-3所示的)计算出较精确的偏导，然后再和BP算法计算出来的进行比较，若两者相差在正常的误差范围内，则BP算法计算出的应该是比较正确的，否则说明算法实现有误。 图5-3 数值方法求代价函数偏导的近似值 5.3 神经网络总结 第一步，设计神经网络结构。 ? 隐藏层单元个数通常都是不确定的。 一般选取神经网络隐藏层单元个数的几个经验公式如下： ?
1.1K100发布于 2018-03-13 - 来自专栏机器之心
机器学习模型以出色的精度进行有机反应机理分类
近日，来自英国曼彻斯特大学（UoM）化学系的 Burés 和 Larrosa 报告了一种机器学习模型，展示了可以训练深度神经网络模型来分析普通动力学数据并自动阐明相应的机理类别，而无需任何额外的用户输入 该模型以出色的精度识别各种类型的机理。 研究结果表明，人工智能引导的机理分类是一种强大的新工具，可以简化和自动化机理阐明。预计这项工作将进一步推动全自动有机反应发现和开发的发展。 模型包含 576,000 个可训练参数，并结合使用两种类型的神经网络：(1) 长短期记忆神经网络，一种用于处理时间数据序列（即时间浓度数据）的循环神经网络；(2) 全连接神经网络，用于处理非时间数据（即每次动力学运行中催化剂的初始浓度和长短期记忆提取的特征 预测的机理与早期动力学研究的结论非常吻合。在某些情况下，该模型还识别了在原始工作中没有检测到的机理细节。对于一个具有挑战性的反应，该模型提出了三个非常相似的机理类别。 参考内容：https://www.nature.com/articles/d41586-023-00145-7 人工智能 × [ 生物 神经科学 数学 物理 材料 ] 「ScienceAI」关注人工智能与其他前沿技术及基础科学的交叉研究与融合发展
81130编辑于 2023-03-29 - 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5-3 数字金字塔
练习5-3 数字金字塔 本题要求实现函数输出n行数字金字塔。 函数接口定义： void pyramid( int n ); 其中n是用户传入的参数，为[1, 9]的正整数。
2.1K20发布于 2020-09-15 - 来自专栏AustinDatabases
MYSQL MVCC 实现机理 与 知识漏洞要补
说来惭愧，被友人问了一些关于MYSQL 的问题，虽然算不上对答如流，但也算是沉稳应对。唯独折在 MVCC 中MYSQL INNODB 是如何实现的问题上，回答错误扣10分。本着知错能改，有漏洞要补的，精神。还是的把MVCC 以及MYSQL 怎么实现MVCC 的事情重新的学习一遍。
1.1K30发布于 2019-09-04 - 来自专栏深度学习自然语言处理
机器学习之多层感知机理论与实践
我们将要介绍多层感知机神经网络以及反向传播算法，这是现今最流行的神经网络结构。 这个算法就是在算delta，这是从输出神经元开始往回直到输入层的每个神经元的局部梯度下降。要计算输出神经元的delta，我们首先要得到每个输出神经元的误差。 现在可以计算delta了， 这个式子是对于在输出层L的第j个神经元 是输出层L的第j个神经元的值的求导所得的值。 这个式子是对于隐藏层l的第j个神经元。 通过反向传递求导的值，前面的神经元就会知道权重要变化多少以更好地让神经网络的输出符合实际的输出。这一切都要从神经网络的输出与实际输出的差别开始算起。是不是很神奇呢？ 此外，你还可以输入一个‘fileNum'来调用这个神经网络，看下神经网络对你给的图片上的数字的判断是什么。 神经网络把隐藏层的层数和隐藏层的神经元数作为参数来初始化神经元和权重向量。
1.8K40发布于 2018-04-24 - 来自专栏深度学习自然语言处理
详解机器学习之感知机理论与实践
阅读大概需要5分钟 上期回顾 详解机器学习之the Learning Problem 导读 本章讲的是让他机器学习说yes/no，目录分为： 感知机假设集合 感知机学习算法(PLA) 确保数据集线性
1K120发布于 2018-04-16 - 来自专栏红色石头的机器学习之路
PyTorch 官方教程发布，限时免费开放！
这本书提供了一个详细的、实践性的介绍，介绍了使用PyTorch构建和训练神经网络，PyTorch是一个流行的开源机器学习框架。 第一章 介绍深度学习和 PyTorch 库 第二章 初识张量 第三章 用张量表示现实世界的数据 第四章 机器学习的机制 第五章 使用神经网络拟合你的数据 本书还有一个特点就是插图有趣，都是手绘版。 例如： 图 1-2 单个神经元的计算图 图 5-3 3 层神经网络 下载地址： https://pytorch.org/deep-learning-with-pytorch-thank-you 完整书籍
63210编辑于 2022-01-12
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