模型

在这里插入图片描述

高斯混合模型(GMM)

文章目录原理算法实验生成数据高斯混合模型利用高斯混合模型聚类画出概率密度函数 原理 有空再更新吧 算法 实验 生成数据 import numpy as np import matplotlib.pyplot as plt def gen_clusters(): mean1 = [0,0] cov1 = [[1,0],[0,10]] data = np.random.multivariate_nor... »

ROC图

【学习机器学习】实验——模型评估与选择

【学习机器学习】模型评估与选择 这学期的课很多都要实验啊,不过机器学习真的可以算其中比较离谱的了,不说当堂上交,就这个任务量也属实有点多。其实要到4月3号才是我们班做,提前找其他班同学要到了先用python写写,到时候可能还要用matlab重新实现。。。 0、实验总览 Ⅰ、编程实现训练数据集与测试数据集 Ⅱ、编程实现性能度量 Ⅲ、编程实现假设检验(不太会) 一、任务一 1.1 留出法 留出法原理很... »

在这里插入图片描述

零基础数据挖掘入门系列(五) – 模型建立与调参

思维导图:零基础入门数据挖掘的学习路径 1. 写在前面 零基础入门数据挖掘是记录自己在Datawhale举办的数据挖掘专题学习中的所学和所想, 该系列笔记使用理论结合实践的方式,整理数据挖掘相关知识,提升在实际场景中的数据分析、数据清洗,特征工程、建模调参和模型融合等技能。所以这个系列笔记共五篇重点内容, 也分别从上面五方面进行整理学习, 既是希望能对知识从实战的角度串联回忆,加强动手能力的锻炼,... »

在这里插入图片描述

win10系统下将yolo v2-tiny模型部署于Maix dock开发板进行目标检测

(1)制作目标检测数据集 使用labelimg软件进行图片的标注如图所示 举一个例子: 点击open,导入等待标注的图片,进行目标的标注后生成标注从config文件,数据分为train_img文件夹与train_ano文件,图片与标注的信息文件。一般每一个class至少要有40张以上图片数据。 (2)建立训练模型 模型的选择有很多种,本文中使用yolo v2tiny,事实上使用MobiNet的更多... »

在这里插入图片描述

经济模型2

dydt+μy=cλyα(0<α<1)\frac{d y}{d t}+\mu y=c \lambda y^{\alpha}(0<\alpha<1)dtdy​+μy=cλyα(0<α<1) dydt+μy=f0λyα\frac{\mathrm{d} y}{\mathrm{d} t}+\mu y=f_{0} \lambda y^{\alpha}dtdy​+μy=f0... »

基于树莓派与YOLOv3模型的人体目标检测小车(四)

基于树莓派与YOLOv3模型的人体目标检测小车(四)

前面几篇文章完成了训练端和部署端的环境搭建以及模型的训练,并经过两次模型转化最终将YOLOv3 TINY模型部署在了树莓派上。其实最核心的内容已经完成了,接下来就是一些应用层面的东西了。 树莓派控制马达: 1. 材料硬件: 1.树莓派3B+ 2.四个直流电机 3.一个小车底盘+四个车轮(某宝上有卖) V0L3UwMTA5NjgzNTA=,size_16,color_FFFFFF,t_70#pic_... »

多因子模型(持续更新)

多因子模型构建流程一、数据预处理二、单因子测试三、收益模型的构建四、风险模型的构建五、投资组合的优化六、业绩归因七、参考资料 一、数据预处理 (一)去极值 1. MAD(Median Absolute Deviation, 绝对值差中位数法) 步骤: (1)计算因子数据的中位数XmedianX_{median}Xmedian​. (2)计算因子数据与中位数的绝对偏差值∣Xi−Xmedian∣|X_... »

在这里插入图片描述

Java高并发系列之Java内存模型, 八种基本操作以及安全同步规则

但Java内存模型只要求上述操作必须按顺序执行,而没有保证必须是连续执行。即就是对一个变量实施use和store操作之前,必须先自行assign和load操作。一个变量在同一时刻只允许一条线程对其进行lock操作,但lock操作可以被同一线程重复执行多次,多次执行lock后,只有执行相同次数的unlock操作,变量才会被解锁。对一个变量执行unlock操作之前,必须先把此变量同步到主内存中作者:李... »

在这里插入图片描述

moltemplate导出模型密度控制2.0

模型 这是我用moltemplate做出来的一个聚合度为50的PE链,共有72条,盒子体积64x64x350,ppf边界。初始结构虽然经过最小化,但是由于间距很小,在lammps中的弛豫过程需要很长的时间甚至会出错。 解决方案 采用soft势 先用soft势替换原先设定的lj势,达到推开原子,避免重叠的情况,同时也可以做出一个较为良好的初始结构。 pair_style soft 2.0 pair_... »

在这里插入图片描述

【迁移网络学习实战】- Kaggle猫狗分类大赛 – 单模型测试 – 前7.8%

【迁移网络学习】- Kaggle猫狗分类大赛 – 前7.8% 数据集下载: 链接:https://pan.baidu.com/s/1AIj0FhdCQPeAWg4Sw7DEOQ 提取码:aejj 一、内容 想要将深度学习应用于小型图像数据集,一种常用且非常高效的方法是使用预训练网络。预训练网络是一个保存好的网络,之前已在大型数据集**(比如在ImageNet数据集140万张标记图像)*... »

最小二乘法分析结果

[小白系列][线性回归模型]股票回归分析实例代码详解

代码详解 P.S:记录下第一个搞明白的模型哦! import statsmodels.api as sm # 基本api import statsmodels.formula.api as smf # 公式api import statsmodels.graphics.api as smg # 图形界面api import patsy # 主要类似 R 语言的公式转成 statsmodels 可以... »

简单上手scikit-learn 02 训练模型

Load Data # load iris data from sklearn.datasets import load_iris iris = load_iris() # store feature matrix in "X" X = iris.data # store response vector in "X" y = iris.target print(X.shape) print(y.s... »

教你如何构建一个简单的遗传算法模型实现对密码的预测

达尔文常曰:‘适者生存’,只有能更适应环境的生物,才能再残酷的大自然竞争中生存下去。 根据进化论的启发,人们想到了遗传算法,用来实现一些最优化的问题,例如求一个函数的极值,或者什么样的特征组合是比较理想的。 在工程实践中,遗传算法表现出来了不可思议的魔力,今天,小编就来带领大家用遗传算法构造一个猜测字符串(密码)的简易实现模型。 在开始我们的代码之前,先简要说明一下进化论的流程: 生物的进化就是物... »

在这里插入图片描述

UE4 3ds Max 模型多维子材质

在UE4中,对于拥有多维子材质的模型,我们只能更换每一维子材质,却无法修改子材质ID及对应位置。这些工作需要在3ds Max中实现。具体实现方法如下:在3ds Max中创建立方体如图所示,右击并选择Convert to Editable Poly。后续如需改变立方体的材质ID顺序及对应位置,可以在3ds Max中重新选择位置并设置材质ID,步骤同上。 »

菜鸟笔记-DuReader阅读理解基线模型代码阅读笔记(七)—— 模型训练-数据准备

系列目录: 菜鸟笔记-DuReader阅读理解基线模型代码阅读笔记(一)——数据 菜鸟笔记-DuReader阅读理解基线模型代码阅读笔记(二)—— 介绍及分词 菜鸟笔记-DuReader阅读理解基线模型代码阅读笔记(三)—— 预处理 菜鸟笔记-DuReader阅读理解基线模型代码阅读笔记(四)—— 段落抽取 菜鸟笔记-DuReader阅读理解基线模型代码阅读笔记(五)—— 准备数据 菜鸟笔记-Du... »

机器学习-线性模型-普通最小二乘法-正规方程推导

线性模型 – 普通最小二乘法 广义线性模型 目标值 y 是输入变量 x 的线性组合 如果 y^\hat{y}y^​ 是预测值,那么有: y^(w,x)=w0+w1x1+…+wpxp\hat{y}(w, x) = w_0 + w_1 x_1 + … + w_p x_py^​(w,x)=w0​+w1​x1​+…+wp​xp​ 在sklearn中,定义向量... »

HTML网页设计基础笔记 • 【第7章 盒子模型】

HTML网页设计基础笔记 • 【第7章 盒子模型】

全部章节   >>>> 本章目录 7.1 盒子模型原理 7.1.1 盒子模型概述 7.1.2 盒子的大小 7.1.3 盒子之间的关系 7.2 标准文档流 7.2.1 标准文档流概述 7.2.2 display 属性 7.2.3 visibility 属性 7.3 盒子浮动 7.3.1 float 属性 7.3.2 清除浮动 7.4 盒子定位 7.4.1 静态定位 7.4.2... »

在这里插入图片描述

【计算机网络】— OSI参考模型

OSI参考模型是一个具有七层结构的体系模型。层次结构及功能简介层数OSI参考模型7应用层6表示层5会话层4传输层3网络层2数据链路层1物理层物理层 物理层是参考模型中的最底层,负责光/电信号的传递方式。传输层是计算机通信体系结构中关键一层,它向高层屏蔽了下层数据的通信细节,使用户完全不用考虑物理层、数据链路层和网络层工作的详细情况。 »

写给大忙人看的计算机网络参考模型

写给大忙人看的计算机网络参考模型

计算机网络中的协议协议就是指规则的集合。计算机网络中的服务在一个层次参考模型中,下层为紧邻的上层提供的功能调用。是现在计算机网络中最经典的参考模型,但是在市场中并没有得到大量的使用。总结本文简单的讲解了计算机网络参考模型,OSI参考模型和TCP/IP参考模型,大家不用死记硬背每一层到底是什么、到底有多少协议。 »

在这里插入图片描述

keras-yolov3目标检测训练自己的模型详解——适合新手

times:2020/3/23 操作系统:win10 环境:python 3.6 因为我之前把所有内容写在一篇文章里非常的乱,所以本文主线是训练自己的 yolo.h5 去识别图像中的人,所有小细节的操作,我都在文中添加了链接,新手的话需要注意看一下。 // 有任何的问题都可以直接评论,还有资料的话直接留言邮箱,说明问题// //也可以评论下加下微信询问// 大家一起加油学习yolo,之后我会再出一... »

在这里插入图片描述

ROS通过话题订阅得到自己需要的信息——Gazebo仿真软件中模型的位姿信息为例

ROS通过话题订阅得到自己需要的信息——Gazebo仿真软件中模型的位姿信息为例前言查找所需信息所在的话题——若已知目标话题名可略过该节订阅目标话题以获取所需参数获取目标话题类型信息以及成员信息消息订阅的C++代码消息订阅的Python代码 前言 最近毕业设计需要用到ROS去控制机械臂,且现在因为疫情被困家中只能用仿真的形式来完成,于是不得已通过仿真的形式完成实验。由于话题(Topic)是ROS系... »

在这里插入图片描述

从零基础入门Tensorflow2.0 —-二、5.2实战sklearn封装keras模型(超参数搜索)

every blog every motto: In the end, it’s not the years in your life that count. It’s the life in your years. 0. 前言 用skleran 封装keras模型 1. 代码部分 1. 导入模块 import matplotlib as mpl import matplotlib.pyplot ... »

在这里插入图片描述

【Python_002】RFM人群模型 X Kmeans 聚类算法

数据分析中常用RFM分析消费者人群,但常见RFM是用均值区分。 均值区分与利用Kmeans区别在于前者人为划定R、F、M高低界限(以均值为界限),后者为通过不断迭代确定界限(不过两者对于异常点都较为敏感) RFM模型 首先介绍一下RFM模型 R – Recency 最近一次消费的时间 F – Frequency 一段时间内的消费频次 M – Monetary 一段时间内的消费金额 RFM模型主要用... »

Tensorflow 2.1训练 实战 cifar10 完整代码 准确率 88.6% 模型 Resnet SENet Inception

环境: tensorflow 2.1 最好用GPU 模型: Resnet:把前一层的数据直接加到下一层里。减少数据在传播过程中过多的丢失。 SENet: 学习每一层的通道之间的关系 Inception: 每一层都用不同的核(1×1,3×3,5×5)来学习.防止因为过小的核或者过大的核而学不到图片的特征。 用Resnet ,SENet, Inceptiont网络训练Ci... »

在这里插入图片描述

三相异步电机基于模型的效率估计算法

通常异步电机的故障是由于长时间运行损耗增加、效率降低,所以电机检测比较重要的一项是检测效率。本文提出了一种基于模型的效率估计算法,用于在正常工况不停机的情况下检测电机效率。对部分Y系列三相异步电机进行仿真的结果如表3所示,该仿真结果是基于以上两点假设得到的。六、适用范围本转矩估计算法主要用于符合国标规定的Y系列三相异步 »

Page 1 of 34123»