▍1. BP神经网络做安全库存预测研究
基于BP神经网络做安全库存预测研究,实例代码调试成功,未用遗传算法进行优化的代码。
生成模型(GenerativeModel)是一种可以通过学习训练样本来产生更多类似样本的模型。在所有生成模型当中,最具潜力的是生成对抗网络(GenerativeAdversarialNetworks,GANs)。GANs是非监督机器学习的一种,它的运作方式可被看做是两个神经网络相互竞争的零和游戏(zero-sumgame)。GAN中有两个这样的博弈者,一个人名字是生成模型(G),另一个人名字是判别模型(D)。他们各自有各自的功能。生成模型是一个样本生成器,输入一个噪声/样本,然后把它包装成一个逼真的样本,也就是输出。判别模型是一个二分类器(如同0-1分类器),来判断输入的样本是真是假。(就是输出值大于0.5还是小于0.5)。使用GAN,可以获取大量实用数据,用于建模。
python练习50例,题目在每个文件中,包括基础的python应用及练习,希望能帮到刚入门python的小伙伴,人生苦短,我用Python!哈哈哈哈哈
使用 javascript 编写的爬虫源码,用于爬取京东商城上的商品评论。 代码粘贴到神箭手云爬虫平台(http://www.shenjianshou.cn/)上就可以直接跑了,不需要安装编译环境。要爬取其他网站,可以更改源码即可。 代码执行具体步骤请参考: http://v.youku.com/v_show/id_XMTU2NDk4MzE0NA==.html 代码详细讲解请参考: http://blog.csdn.net/youmumzcs/article/details/51396283 更多源码下载: https://github.com/ShenJianShou/crawler_samples
利用QTdesigner设计出QT界面后保存成UI文件。之后使用PYUIC导成py文件,以下是示例的代码。
python自学基本语法练习,以及正在学习的python爬虫前几章的demo程序,进行学习用的代码,仅供参考
基于深度学习做的行人检测,一种端到端的卷积神经网络的行人检测方法,其包括以下步骤 通过构建带有标注图片库作为训练样本集,直接端到端训练,得到一个能预测行人候 选框和行人候选框置信度的卷积神经网络模型 测试时,将测试图片输入卷积神经网络模型,得到相应的行人检测框和置信度 最后进行非极大值抑制筛选,压缩重复的行人检测框 阀值筛选,根据置信度选出最佳的行人检测框。
聚类分析,是通过在多光谱图像中搜寻、定义其自然相似光谱集群,对图像进行分类的过程。 不需要人工选择训练样本,需要预设一定的条件,让计算机按照一定的规则自动地根据像元光谱或空间等特征组成集群组,然后分析、比较集群组和参考数据,给每个集群组赋予一定的类别
基于python3.6+pyglet框架编写一个python的媒体播放器,实现功能较简单,暂停播放快进等功能,滑动条功能等待实现。
代码建立在搅拌器上添加上。它实现的变色和颜色更改功能。也它可以添加纹理材料。
使用python的flask框架 mysql实现的注册登录功能。
高效率工作一直是人们的不懈追求,随着技术进步和社会生产方式的改革,越来越多的人们使用电脑来工作、学习。通过分析我们发现:虽说工具的进步使得人们提高了处理单件事情的效率,但同时也使得单位时间内要做的事情变得多了起来。长时间、高密度的工作使大脑得不到有效休息,从而导致人们的工作效率与连续工作时间成反比的现象。番茄工作法提出工作25分钟,休息5分钟,以有效的切换大脑状态,让大脑放松,继续保持较高的工作效率。Python结合Pygame模块提供的丰富、优秀的图像、声音处理接口设计了一款用于在5分钟内进行有效放松、调节的飞行射击游戏。(操作说明:移动:上下左右键;发射子弹:空格键)