-
电赛电磁炮.py
电赛电磁炮.py
- 2021-05-06下载
- 积分：1
-
逻辑回归
逻辑回归
- 2021-05-06下载
- 积分：1
-
python实现钱币检测（canny和hough）
【实例简介】
目 录
1 实验整体步骤 2
1.1 Main函数 2
1.2 Canny算法 2
1.3 Hough算法 2
2 算法介绍 3
2.1 Canny算法 3
2.1.1 使用高斯滤波器滤波 3
2.1.2 计算图像的梯度图并获得梯度方向 3
2.1.3 对梯度图进行非极大化抑制 3
2.1.4 使用双阈值法获得最终的边缘图 4
2.2 Hough算法 4
2.2.1 建立参数空间 5
2.2.2 依据边缘点的梯度方向对参数空间进行投票 5
2.2.3 依据预设定的投票阈值筛选出初步结果 5
2.2.4 对已筛选出的结果进行非极大化抑制 5
3 代码实现 5
3.1 Main函数 6
3.2 Canny算法 6
3.3 Hough算法 10
4 实验结果与分析 12
4.1 实验结果 12
4.2 各个参数对于最终定位结果的影响 14
4.2.1 Canny算法 14
4.2.2 Hough算法 14
附录 15
- 2021-06-15 00:31:14下载
- 积分：1
-
knn最近邻算法与数据集
1.将图像进行灰度处理转换成数值矩阵 2.给出数据集进行训练 3.knn算法实战 inall是整个数据集，可以将它切分成训练集和测试集，建议取少量测试集我利用8_48进行测试，(它是我从inall里取出来的，已经从里面被删掉了)同时修改一下knn里的参数
- 2019-05-01下载
- 积分：1
-
基于openmv的电磁炮寻找色块测距定时器发送数据
openmv寻找色块，测距，定时发送数据
- 2021-08-08 00:31:00下载
- 积分：1
-
OpenCV-Python调用训练好的深度学习模型进行常见物体识别
使用训练好的模型进行物体识别，对于人、车的识别成功率极高，亲测好用！
- 2019-07-30下载
- 积分：1
-
python实现登录注册-图片文字识别
python实现登录注册-图片文字识别（基于百度api） 均为新手级别示例，基于tkinter
- 2020-12-09下载
- 积分：1
-
zuco-nlp-master 结合脑电眼动特征的自然阅读认知分析
【实例简介】
zuco-nlp-master 结合脑电眼动特征的自然阅读认知分析
- 2021-12-29 00:31:14下载
- 积分：1
-
python机器学习（课件+源码+视频教程）
python机器学习（课件+源码+视频教程）
- 2019-04-03下载
- 积分：1
-
俄罗斯方块强化学习实验报告
一、俄罗斯方块DQN算法实验报告1. 网络结构图1 DQN网络结构2. 超参数 GAMMA = 0.99 # decay rate of past observations 设置增强学习更新公式中的累计折扣因子 OBSERVE = 500. # timesteps to observe before training 设置观察期的迭代次数 EXPLORE = 500. # frames over which to anneal epsilon 设置探索期的观察次数 FINAL_EPSILON = 0.002 # final value of epsilon 设置ε的最终最小值 INITIAL_EPSILON = 10.0 # starting value of epsilon 设置ε的初始值 REPLAY_MEMORY = 5900 # number of previous transitions to remember 设置replay memory的容量 BATCH = 32 # size of mini batch 设置每次网络参数更新世用的样本数目 K = 1 # only select an action every Kth frame, repeat prev for others，设置几帧图像进行一次动作， # K越大让控制台输出的速度变慢，游戏画面速度变快，机器人动作的速度变越迟缓。ACTIONS = 6 # number of valid actions 游戏动作数3.实验结果训练前期的self.score分数很低150左右，EPSILON=1.0，Q_MAX= 2.061341e-02：图2 EPSILON=1.0设置超参数EPSILON=0.05在1000步迭代之后：EPSILON固定在0.04999999999999416 Q_MAX = -1.163765e-01Self.score有明显的提升，但是之后无论训练多久都没有明显提升了。图3 EPSILON=0.05设置超参数EPSILON= 0.002在1001步迭代之后：EPSILON固定在0.000004 Q_MAX = 1.728995e 02Self.score可以轻松达到200以上。图4 EPSILON=0.000004设置超参数EPSILON= 0.000001在1001步迭代之后：EPSILON固定在-0.001998997999987482 Q_MAX = 1.899879e 03Self.score可以轻松达到200以上。图5 EPSILON=-0.002 【核心代码】用DQN来玩俄罗斯方块 tetrix_DQN ├── Wrapped Game Code│ └── tetris_fun.py├── deep_q_network.py├── logs_tetris│ ├── hidden.txt│ └── readout.txt└── saved_networks ├── tetris-dqn-10000.data-00000-of-00001 ├── tetris-dqn-10000.index ├── tetris-dqn-10000.meta └── tetris-dqn-316600003 directories, 8 files
- 2020-12-01下载
- 积分：1
|
联系客服（QQ：3324461878）
