- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI机器学习与深度学习算法
学习分类 2-3 感知机
要如何求出权重向量呢？基本做法和回归时相同，将权重向量用作参数，创建更新表达式来更新参数。这就需要一个被称为感知机的模型。
63110编辑于 2022-11-08 - 来自专栏算法无遗策
动画 | 什么是2-3树？
2-3树正是一种绝对平衡的树，任意节点到它所有的叶子节点的深度都是相等的。 2-3树的数字代表一个节点有2到3个子树。它也满足二分搜索树的基本性质，但它不属于二分搜索树。 2-3树查找元素 2-3树的查找类似二分搜索树的查找，根据元素的大小来决定查找的方向。 动画：2-3树插入 2-3树删除元素 2-3树删除元素相对比较复杂，删除元素也和插入元素一样先进行命中查找，查找成功才进行删除操作。 2-3树为满二叉树时，删除叶子节点 2-3树满二叉树的情况下，删除叶子节点是比较简单的。 动画：2-3树删除 -----END---
1K10发布于 2020-01-02 - 来自专栏我是攻城师
什么是2-3树
2-3树 VS 二叉搜索树 同样的一组数据，在2-3树和二叉搜索树里面的对比如下： ? 可以看到2-3树的节点分布非常均匀，且叶子节点的高度一致，并且如果这里即使是AVL树，那么树的高度也比2-3树高，而高度的降低则可以提升增删改的效率。 2-3树的插入 为了保持平衡性，2-3树的插入如果破坏了平衡性，那么树本身会产生分裂和合并，然后调整结构以维持平衡性，这一点和AVL树为了保持平衡而产生的节点旋转的作用一样，2-3树的插入分裂有几种情况如下 2-3树的删除 2-3树节点的删除也会破坏平衡性，同样树本身也会产生分裂和合并，如下： ? 总结 本篇文章，主要介绍了2-3树相关的知识，2-3树，2-3-4树以及B树都不是二叉树，但与二叉树的大致特点是类似的，它们是一种平衡的多路查找树，节点的孩子个数可以允许多于2个，虽然高度降低了，但编码相对复杂
2.3K20发布于 2019-04-28 - 来自专栏谭广健的专栏
AI识别之旅三
前两篇说了AI识别的准备和录入到腾讯云里，接下来我们就来编写一个从人脸库进行识别的功能，老样子那第一篇摄像头那里拉图片。因为有第二篇拉依赖库，这里就不在叙述了。直接来代码了。。 至此，我们就完成简单的AI识别功能人员。最后放出解释多层JSON的代码吧。。。
73741发布于 2020-02-27 - 来自专栏python3
2-3 选项卡控件
2-3 选项卡控件 u本节学习目标： n了解选项卡控件的基本属性 n掌握如何设置选项卡控件的属性 n掌握统计页面选项卡控件页面基本信息 n掌握选项卡控件的功能操作控制 2-3-1 简介 在 Windows 一般选项卡在Windows操作系统中的表现样式如图2-3所示。 ? 图2-3 图片框控件的属性及方法 2-3-2 选项卡控件的基本属性 图片框控件是使用频度最高的控件，主要用以显示窗体文本信息。 其基本的属性和方法定义如表2-3所示： 属性 说明 MultiLine 指定是否可以显示多行选项卡。如果可以显示多行选项卡，该值应为 True，否则为 False。 使用这个集合可以添加和删除TabPage对象 表2-3 选项卡控件的属性 2-3-3 选项卡控件实践操作 1．
2.1K10发布于 2020-01-07 - 来自专栏python3
2-3 T-SQL函数
2-3 T-SQL函数 学习系统函数、行集函数和Ranking函数；重点掌握字符串函数、日期时间函数和数学函数的使用参数以及使用技巧 重点掌握用户定义的标量函数以及自定义函数的执行方法 掌握用户定义的内嵌表值函数以及与用户定义的标量函数的主要区别 我们首先运行一段SQL查询：select tno,name , salary From teacher，查询后的基本结构如图2-3所示。我们看见，分别有三位教师的薪水是一样高的。 图2-3 薪酬排序基本情况 图2-4 row_number函数排序 图2-5 row_number另一使用 我们可以使用Row_number函数来实现查询表中指定范围的记录，一般将其应用到Web应用程序的分页功能上
2K10发布于 2020-01-08 - 来自专栏谭广健的专栏
AI识别之旅一
说到AI识别，很多人会觉得很神秘很高大尚。但随着科技的发展AI已经逐步成熟和简单，这几天我们就围绕如何打造一个AI识别系统进行宣讲吧。 首先AI识别系统，肯定是通过类似视觉识别这样，有图才能有结果，当然你说语音识别就要语音才有结果。不过语音不是咱们这次的重点。我们以视觉识别为主。 视觉识别肯定要通过摄像头获取外界或对应事物的情况，接下来，就是我们这篇文章的重点，如何在安卓上构建摄像头，也希望能使大家减少一些弯路。 这样我们的AI识别之旅就算踏出了第一~
1K51发布于 2020-02-21 - 来自专栏谭广健的专栏
AI识别之旅二
上次说到AI识别第一步就是获取图片并保存下来，相信很多小童鞋应该尝试了。接下来我们就开始对AI识别进行第二步，建立一个AI匹配库。 这个AI匹配库的作用就是把我们第一步获取的图片跟这个识别库进行匹配判断，看看匹配库有没有该图片。这次我们就上腾讯云进行部署。 1、首先登录腾讯云，找到“人脸识别”，点开“人员库管理”中的人员管理，选择“新建人员库”，填入相关的资料。当然这个有API的，不过我们直接手动建省很多事。
77111发布于 2020-02-22 - 来自专栏刷题笔记
2-3 链表拼接 (20 分)
本文链接：https://blog.csdn.net/shiliang97/article/details/101050371 2-3 链表拼接 (20 分) 本题要求实现一个合并两个有序链表的简单函数
68240发布于 2019-11-08 - 来自专栏PDF 开发
AI文档识别技术之表格识别(一)
，主要包括（行数，列数，合并单元格数）目前DocumentAI表格识别已实现V2版本，大幅提升标准表格的识别准确率，具体信息会在下一篇blog中再具体说明1. 扫描的手写文档，它们的文档样式、所处光照环境以及纹理等都有比较大的差异，表格识别一直是文档识别领域的研究难点。 表格线条不清晰，需要人为添加表格线条分割表格内容，例如下面的表格就缺少很多的横线与竖线图片1.2 识别原理DocumentAI通过结合AI与传统算法实现表格识别，主要用到的AI能力与算法有：AI：版面分析能力 （通过AI版面分析检测表格在图片内所处的区域）AI：OCR能力（通过OCR实现识别表格内容）算法：图像处理算法（通过结合图像处理算法辅助获取表格结构信息）通过以上的AI与算法再结合一些表格识别算法即可实现通用表格识别 ，同时支持识别标准表格与非标准表格2.
3.2K40编辑于 2023-08-09 - 来自专栏机器学习入门
算法原理系列：2-3查找树
结构缘由 首先，搞清楚2-3查找树为什么会出来，它要解决什么样的问题？假设我们对它的基本已经有所了解了。先给它来个简单的定义： 2-3查找树： 一种保持有序结构的查找树。 而2-3树就是为了规避上述问题而设计发明出来的模型。现在请思考该如何设计它呢？ 这里我们从BST遇到的实际问题出发，提出设计指标，再去思考利用些潜在的性质来构建2-3树。 这部分内容，没有什么理论根据，而是我自己尝试去抓些字典的性质来构建，而2-3树的诞生过程并非真的如此，所以仅供参考。 构建2-3树 字典的两个主要操作为：查找和插入。 我就不卖关子了，直接给出2-3树的其中一个基本定义： 一棵2-3查找树或为一颗空树，或由以下节点组成： 2-节点：含有一个键和两条链接，左链接指向的2-3树中的键都小于该节点，右链接指向的2-3树中的键都大于该节点 3-节点：含有两个键和三条链接，左链接指向的2-3树中的键都小于该节点，中链接指向的2-3树中的键都位于该节点的两个键之间，右链接指向的2-3树中的键都大于该节点。 ！！！
1.1K20发布于 2019-05-26 - 来自专栏燧机科技-视频AI智能分析
AI人员打架识别算法
AI打架识别算法基于Detection网络模型算法框架，AI打架识别算法识别校园打架斗殴行为，发现立即打架斗殴行为算法会立即抓拍告警推送打架事件信息。 ，而AI人员打架识别算法直接从图片生成位置和类别。 研究现状 目前AI人员打架识别算法，主要有3种主流的方法，分别是：（1）基于Detection的打架检测。其主要思想是: 将打架作为一种类别，通过分类的方式，将打架行为检测出来。 2.选取的方案 我这里选择方案1，AI人员打架识别算法基于目标检测做打架识别。前文也提到了，目前数据集十分匮乏。笔者也是反复查找，终于拿到了国外的一份很好的数据集。 基本流程是：Labelme标注 -> 标注数据整理与格式转换 -> AI人员打架识别算法模型训练 -> 部署2.2 AI人员打架识别算法标注数据整理与格式转换 Labelme标注的数据，无法直接用在训练中
1.4K20编辑于 2023-09-22 - 来自专栏coding for love
2-3 webpack的正确安装方式
webpack是基于node开发的环境打包工具。首先需要安装node环境。 进入node官网，尽量安装最新版本的稳定版node。因为提高webpack打包速度有两个重要的点：
60320发布于 2019-05-14 - 来自专栏燧机科技-视频AI智能分析
ai行为识别技术监控
ai行为识别技术监控系统软件是一种以行为识别技术为关键技术的深度学习算法，根据人工智能化神经元网络，构造大家的主要模块架构，ai行为识别技术监控 依据我们的轨迹测算各种各样健身运动行为，根据视频转码技术 、流媒体播放技术、数字矩阵技术、云技术等，ai行为识别技术监控拍照的各类现场作业人员的异常行为，帮助监控工作人员提高解决各类出现异常紧急事件的效率。 ai行为识别技术监控具备普遍的应用领域，可以用在智能交通、智能化施工工地、智能制造系统、智慧校园、智能化生态公园等。只需有视频监控的地区，就可以完成覆盖识别分析。 ai行为识别技术监控是一种极致的视觉检测系统，应用人工智能视频分析优化算法对视频图象开展即时解析和识别，将监测到的信息与管理者给予的监控规则相对比，并即时消息推送信息和预警信息。 ai行为识别技术监控剖析，可以在紧急状况下开展预警信息，该技术关键完成了对视频监控具体内容数据的分析和获取主要信息内容，并在标识后产生警示。
70520编辑于 2022-09-12 - 来自专栏全栈程序员必看
AI图像识别_头像搜索图片识别在线
使用百度AI图像识别提供的API接口来搭建识图工具，首先要注册百度开发者账号，然后找到图像识别页面，创建应用，申请成功后会给两个重要的数据API Key ，Secret Key，这是实现识图的重要参数， 以动物识别为例： 获取access_token接口 import urllib, urllib2, sys import ssl # client_id 为官网获取的AK， client_secret -8') response = urllib2.urlopen(request) content = response.read() if (content): print(content) 识别图像接口 QFileDialog import json import base64 import urllib import urllib.request """ 你的 APPID AK SK """ # http://ai.baidu.com ()) pass # 货币识别 elif self.comboBox.currentIndex() == 5: self.get_currency(self.get_token()) pass # 花卉识别
4.6K10编辑于 2022-09-20 - 来自专栏U3D技术分享
《游戏引擎架构》阅读笔记-第2-3章
本系列博客为《游戏引擎架构》一书的阅读笔记，旨在精炼相关内容知识点，记录笔记，以及根据目前（2022年）的行业技术制作相关补充总结。 本书籍无硬性阅读门槛，但推荐拥有一定线性代数，高等数学以及编程基础，最好为制作过完整的小型游戏demo再来阅读。 本系列博客会记录知识点在书中出现的具体位置。并约定（Pa b），其中a为书籍中的页数，b为从上往下数的段落号，如有lastb字样则为从下往上数第b段。 本系列博客会约定用【】来区别本人所书写的与书中观点不一致或者未提及的观点，该部分观点受限于个人以及当前时代的视角
93910编辑于 2022-10-28 - 来自专栏InCerry
.NET周刊【4月第2-3期】
此外，文中还提到了一些AI SDK和框架，展示了.NET在AI应用开发中的潜力。 面积图在分析时间序列数据时具特殊优势，能帮助识别趋势和季节性模式。选择合适的图表类型至关重要，确保图表的可读性。 学习者无需深究AI理论，能通过交互式Polyglot Notebook轻松上手。课程提供核心技能培训，如Prompt工程和AI插件开发，助力开发者在AI时代立足。 开源向量数据库，专为处理高维向量数据而设计，适用于AI应用。 开发库简介：使用 .NET 进行本地 AI 开发的门户 - .NET 博客 https://devblogs.microsoft.com/dotnet/introducing-ai-dev-gallery-gateway-to-local-ai-development
77610编辑于 2025-05-04 - 来自专栏五分钟学算法
数据结构与算法——2-3树
因此，引入了 2-3 树来提升效率。2-3 树本质也是一种平衡搜索树，但 2-3 树已经不是一棵二叉树了，因为 2-3 树允许存在 3 这种节点，3- 节点中可以存放两个元素，并且可以有三个子节点。 2-3 树定义 2-3 树的定义如下： （1）2-3 树要么为空要么具有以下性质： （2）对于 2- 节点，和普通的 BST 节点一样，有一个数据域和两个子节点指针，两个子节点要么为空，要么也是一个2 例如图 2.1 所示的树为一棵 2-3 树： ? 图2.1 2-3 树性质 性质： （1）对于每一个结点有 1 或者 2 个关键码。 （2）当节点有一个关键码的时，节点有 2 个子树。 2-3树查找 2-3 树的查找类似二叉搜索树的查找过程，根据键值的比较来决定查找的方向。 例如在图 2.1 所示的 2-3 树中查找键为H的节点： ? img 2-3树为满二叉树，删除叶子节点 操作步骤：若2-3树是一颗满二叉树，将2-3树层树减少，并将当前删除节点的兄弟节点合并到父节点中，同时将父节点的所有兄弟节点合并到父节点的父节点中，如果生成了4
80010发布于 2019-09-03 - 来自专栏育种数据分析之放飞自我
笔记GWAS 操作流程2-3：MAF过滤
因为这里是人的数据，所以染色体只需要去1~22的常染色体，提取它的家系ID和个体ID，后面用于提取。
6.1K20发布于 2020-04-14 - 来自专栏程序你好
Azure AI 服务之语音识别
笔者在前文《Azure AI 服务之文本翻译》中简单介绍了 Azure 认知服务中的文本翻译 API，通过这些简单的 REST API 调用就可以轻松地进行机器翻译。 该程序会以不同的模式识别我们 hardcode 的两段音频数据，然后输出识别的结果。其中上面的文本框会输出大量的中间识别结果，而下面的文本框则输出最终的识别结果。 我们在程序中通过定义的常量来保存它们： const string SUBSCRIPTIONKEY = "your bing speech API key"; 由于 demo 的代码比较长，为了能集中精力介绍 Azure AI 代码中我们要通过它们来告诉语音识别 API 执行识别的类型。 AI 的兴起让我们看到了一线希望，在介绍了 Azure AI 的语音识别服务后，让我们接着探索如何通过 AI 让程序理解文本的内容。
1.8K20发布于 2018-07-20
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