- 前言 KNN（K- Nearest Neighbor）法即K最邻近法，最初由 Cover和Hart于1968年提出，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。 KNN算法的核心思想是，如果一个样本在特征空间中的K个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特性。该方法在确... 前言 KNN（K- Nearest Neighbor）法即K最邻近法，最初由 Cover和Hart于1968年提出，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。 KNN算法的核心思想是，如果一个样本在特征空间中的K个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特性。该方法在确...
- 一个视频带你了解傅里叶变换全过程 傅里叶级数视频解析 复共轭序列的DFT 意义：1、时域x(n)取共轭，对应于频域X(k)取循环反转共轭（实部取循环反转，虚部取循环反转的负值） 2、频域X(k)取共轭，对应于时域x(n)取循环反转共轭。 DFT的共轭对称性 有限长共轭对... 一个视频带你了解傅里叶变换全过程 傅里叶级数视频解析 复共轭序列的DFT 意义：1、时域x(n)取共轭，对应于频域X(k)取循环反转共轭（实部取循环反转，虚部取循环反转的负值） 2、频域X(k)取共轭，对应于时域x(n)取循环反转共轭。 DFT的共轭对称性 有限长共轭对...
- 一： K近邻算法描述 k近邻法(k-nearest neighbor, k-NN)是1967年由Cover T和Hart P提出的一种基本分类与回归方法。K近邻可能是机器学习最容易理解的算法，事实上它根本就没有进行学习。它的工作原理是：存在... 一： K近邻算法描述 k近邻法(k-nearest neighbor, k-NN)是1967年由Cover T和Hart P提出的一种基本分类与回归方法。K近邻可能是机器学习最容易理解的算法，事实上它根本就没有进行学习。它的工作原理是：存在...
- 目录 一、实验目的 二、实验内容 三、实验思考 一、实验目的 1．在理论学习的基础上，通过本实验，加深对FFT的理解，熟悉FFT子程序； 2．熟练掌握FFT实现两个序列的线性卷积的方法； 3．熟悉应用FFT进行信号频谱分析过程中可能出现的问题以便在实际中正确应用FFT； 4. 学习用FFT对连续信号进行谱分析的... 目录 一、实验目的 二、实验内容 三、实验思考 一、实验目的 1．在理论学习的基础上，通过本实验，加深对FFT的理解，熟悉FFT子程序； 2．熟练掌握FFT实现两个序列的线性卷积的方法； 3．熟悉应用FFT进行信号频谱分析过程中可能出现的问题以便在实际中正确应用FFT； 4. 学习用FFT对连续信号进行谱分析的...
- 一个视频带你了解傅里叶变换全过程 傅里叶级数视频解析 目录 数字频率与模拟角频率的关系： 线性系统： 时不变系统： 采样定理： 时移和频移 时域卷积及频域卷积 帕斯维尔（Parseval）定理 序列的反转 序列的共轭 FT的对称性 序列傅里叶变换（D... 一个视频带你了解傅里叶变换全过程 傅里叶级数视频解析 目录 数字频率与模拟角频率的关系： 线性系统： 时不变系统： 采样定理： 时移和频移 时域卷积及频域卷积 帕斯维尔（Parseval）定理 序列的反转 序列的共轭 FT的对称性 序列傅里叶变换（D...
- 目录 谱估计及栅栏效应 高密度谱如上 高分辨率谱如上 频域采样 线性卷积与循环卷积 谱估计及栅栏效应 该处DFT的点数N点采样并不是其有效长度 当有限长序列为[1 2 3 4 3 2]时 当N=8，16，32，128时 高密度谱如上 观察可发现，当补零个数增加，则可看到未显示的栅栏，看到的频谱... 目录 谱估计及栅栏效应 高密度谱如上 高分辨率谱如上 频域采样 线性卷积与循环卷积 谱估计及栅栏效应 该处DFT的点数N点采样并不是其有效长度 当有限长序列为[1 2 3 4 3 2]时 当N=8，16，32，128时 高密度谱如上 观察可发现，当补零个数增加，则可看到未显示的栅栏，看到的频谱...
- 论文题目 AutoAugment: Learning Augmentation Strategies from Data 代码：https://github.com/DeepVoltaire/AutoAugment Abstract 数据增强是提高图像分类器精度的有效技术。但是当前的数据增强实现是手工设计的。在本论文... 论文题目 AutoAugment: Learning Augmentation Strategies from Data 代码：https://github.com/DeepVoltaire/AutoAugment Abstract 数据增强是提高图像分类器精度的有效技术。但是当前的数据增强实现是手工设计的。在本论文...
- 最近邻搜索（Nearest neighbor search）是指在数据库中查找与查询数据距离最近的数据点，是计算机视觉、推荐系统、机器学习等领域的基本问题。 比如在基于内容的图像检索中，在计算完查询图像特征向量后，需要在成千上万甚至几十亿的数据库图像特征向量中查找距离最小的Top n 幅图像，作为结果返回给用户。 Facebo... 最近邻搜索（Nearest neighbor search）是指在数据库中查找与查询数据距离最近的数据点，是计算机视觉、推荐系统、机器学习等领域的基本问题。 比如在基于内容的图像检索中，在计算完查询图像特征向量后，需要在成千上万甚至几十亿的数据库图像特征向量中查找距离最小的Top n 幅图像，作为结果返回给用户。 Facebo...
- 文章目录 前言最小化代价函数正则化在神经网络中的 L ... 文章目录 前言最小化代价函数正则化在神经网络中的 L ...
- 激活函数 为什么使用激活函数？ 线性激活函数一般用于输出。如果使用线性方程，而不使用激活函数，那么神经网络不管多少层，它的输出就仅仅是输入函数的线性变化 ReLu 又称为整流线性单元函数，表达... 激活函数 为什么使用激活函数？ 线性激活函数一般用于输出。如果使用线性方程，而不使用激活函数，那么神经网络不管多少层，它的输出就仅仅是输入函数的线性变化 ReLu 又称为整流线性单元函数，表达...
- 文章目录 1.前言2.算法设计2.1任务流程2.2 LeNet简述2.3 算法设计2.3.1 引入相关的包2.3.2 读取数据集2.3.3 归一化数据集2.3.4 取出一个数据瞅瞅2.3.5 定义... 文章目录 1.前言2.算法设计2.1任务流程2.2 LeNet简述2.3 算法设计2.3.1 引入相关的包2.3.2 读取数据集2.3.3 归一化数据集2.3.4 取出一个数据瞅瞅2.3.5 定义...
- 第一周测验 Introduction to Deep Learning 1.What does the analogy “AI is the new electricity” refer to? AI... 第一周测验 Introduction to Deep Learning 1.What does the analogy “AI is the new electricity” refer to? AI...
- 百度飞桨学习——七日打卡作业(四)五人识别 任务简介 图像分类是计算机视觉的重要领域，它的目标是将图像分类到预定义的标签。近期，许多研究者提出很多不同种类的神经网络，并且极大的提升了分类算法的性能。本... 百度飞桨学习——七日打卡作业(四)五人识别 任务简介 图像分类是计算机视觉的重要领域，它的目标是将图像分类到预定义的标签。近期，许多研究者提出很多不同种类的神经网络，并且极大的提升了分类算法的性能。本...
- 文章目录 前言什么是高偏差，高方差利用数据集误差判断拟合情况处理方式看模型在训练集上的表现看模型在开发集上的表现 后记 前言 这篇文章的内容主要是偏差与方差的相关解释 什么是高... 文章目录 前言什么是高偏差，高方差利用数据集误差判断拟合情况处理方式看模型在训练集上的表现看模型在开发集上的表现 后记 前言 这篇文章的内容主要是偏差与方差的相关解释 什么是高...
- 1.利用双线性变换法，设计Butterworth低通数字滤波器，假设信号，，其中f1=5Hz，f2=30Hz。要求通带波纹小于1dB，幅度衰减大于15dB，采样周期 T=0.01s。 用间接设计方法设计数字低通 DF 的步骤： (1)产生时域信号xt 要求给出xt的时域波形图。 (2)信号xt的频谱分析 确定采样频率和采样点数... 1.利用双线性变换法，设计Butterworth低通数字滤波器，假设信号，，其中f1=5Hz，f2=30Hz。要求通带波纹小于1dB，幅度衰减大于15dB，采样周期 T=0.01s。 用间接设计方法设计数字低通 DF 的步骤： (1)产生时域信号xt 要求给出xt的时域波形图。 (2)信号xt的频谱分析 确定采样频率和采样点数...
上滑加载中
推荐直播
-
香橙派AIpro的远程推理框架与实验案例2025/07/04 周五 19:00-20:00
郝家胜 -华为开发者布道师-高校教师
AiR推理框架创新采用将模型推理与模型应用相分离的机制，把香橙派封装为AI推理黑盒服务，构建了分布式远程推理框架，并提供多种输入模态、多种输出方式以及多线程支持的高度复用框架，解决了开发板环境配置复杂上手困难、缺乏可视化体验和资源稀缺课程受限等痛点问题，真正做到开箱即用，并支持多种笔记本电脑环境、多种不同编程语言，10行代码即可体验图像分割迁移案例。
回顾中 -
鸿蒙端云一体化应用开发2025/07/10 周四 19:00-20:00
倪红军 华为开发者布道师-高校教师
基于鸿蒙平台终端设备的应用场景越来越多、使用范围越来越广。本课程以云数据库服务为例，介绍云侧项目应用的创建、新建对象类型、新增存储区及向对象类型中添加数据对象的方法，端侧（HarmonyOS平台）一体化工程项目的创建、云数据资源的关联方法及对云侧数据的增删改查等操作方法，为开发端云一体化应用打下坚实基础。
回顾中
热门标签