用python控制鼠標(biāo)和鍵盤！

鼠標(biāo)事件監(jiān)聽器是一個線程，所有的回調(diào)函數(shù)都會在獨立的線程中運行。調(diào)用pynput.mouse.Listener.stop，發(fā)起StopException...

2018-07-12 標(biāo)簽：鍵盤函數(shù)python 1.3萬 0

動態(tài)內(nèi)存分配舉例，以及動態(tài)數(shù)組的構(gòu)造

1：malloc是由程序員在堆棧動態(tài)開辟空間 2：返回值開辟空間的首地址，但是類型是void *，需要強制類型轉(zhuǎn)換 3：分配的內(nèi)存空間應(yīng)該能整除類型所占...

2018-07-10 標(biāo)簽：C語言函數(shù)數(shù)組 7673 0

對常用的機器學(xué)習(xí)和深度學(xué)習(xí)算法進行總結(jié)

確定這個函數(shù)的依據(jù)是函數(shù)能夠很好的解釋訓(xùn)練樣本，讓函數(shù)輸出值f(x)與樣本真實標(biāo)簽值y之間的誤差最小化，或者讓訓(xùn)練樣本集的對數(shù)似然函數(shù)最大化。這里的訓(xùn)練...

2018-07-10 標(biāo)簽：函數(shù)機器學(xué)習(xí)深度學(xué)習(xí) 1.3萬 0

一文詳解隱含狄利克雷分布（LDA）

多項式分布是二項式分布的推廣，二項式分布做 n 次伯努利試驗，規(guī)定每次試驗的結(jié)果只有兩個，而多項式分布在 N 次獨立試驗中結(jié)果有 K 種，且每種結(jié)果都有...

2018-07-09 標(biāo)簽：函數(shù)文本分類lda 1.1萬 0

經(jīng)典的采樣方法有哪些？

可以看到蒙特卡洛法其實就是按一定的概率分布中獲取大量樣本，用于計算函數(shù)在樣本的概率分布上的期望。其中最關(guān)鍵的一個步驟就是如何按照指定的概率分布 p 進行...

2018-07-09 標(biāo)簽：函數(shù)采樣機器學(xué)習(xí) 1.4萬 1

一種基于Frenet坐標(biāo)系的優(yōu)化軌跡動作規(guī)劃方法

本文介紹一種基于Frenet坐標(biāo)系的優(yōu)化軌跡動作規(guī)劃方法，該方法在高速情況下的高級車道保持和無人駕駛都具有很強的實用性，是目前普遍采用的一種動作規(guī)劃算法。

2018-07-09 標(biāo)簽：函數(shù)無人駕駛無人車 1.4萬 0

CMU的研究人員Yichong Xu等提出了一種半監(jiān)督算法排序回歸

無論是線性回歸，還是多項式回歸，預(yù)先都對模型的結(jié)構(gòu)有比較強的假定，例如數(shù)據(jù)可以通過線性函數(shù)或多項式函數(shù)來擬合，而這些假定不一定成立。因此，許多場景下，我...

2018-07-08 標(biāo)簽：函數(shù)線性線性回歸 5804 0

關(guān)于交叉熵在loss函數(shù)中使用的理解

這樣就可以計算出某一種可能性的信息量。舉一個例子，假設(shè)你拿出了你的電腦，按下開關(guān)，會有三種可能性，下表列出了每一種可能的概率及其對應(yīng)的信息量

2018-07-03 標(biāo)簽：函數(shù)深度學(xué)習(xí)交叉熵 5528 0

基于文本語料推斷含義及使用外部含義清單的含義表示模型

Johansson和Pina在2015年提出，后處理預(yù)訓(xùn)練詞嵌入可以看起一個優(yōu)化問題：多義詞嵌入可以分解為其含義嵌入的組合，同時含義嵌入應(yīng)該靠近其語義網(wǎng)...

2018-07-02 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)函數(shù)自然語言 3911 0

機器學(xué)習(xí)實用指南:訓(xùn)練和損失函數(shù)

這個損失函數(shù)是合理的，因為當(dāng) $t$ 接近 0 時，$-log(t)$ 變得非常大，所以如果模型估計一個正例概率接近于 0，那么損失函數(shù)將會很大，同時如...

2018-06-29 標(biāo)簽：函數(shù)機器學(xué)習(xí) 8882 0

L2損失函數(shù)的效果是否真的那么好呢？其他損失函數(shù)表現(xiàn)如何？

SSIM（structural similarity，結(jié)構(gòu)相似性）的直覺主要是：人眼對結(jié)構(gòu)（structure）信息很敏感，對高亮度區(qū)域（luminan...

2018-06-29 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)函數(shù)cnn 1.7萬 0

不同種類的損失函數(shù)以及它們的作用

一旦違背了這條假設(shè)，那么線性回歸模型就不成立。但是我們也不能因此就認(rèn)為使用非線性函數(shù)或基于樹的模型更好，而放棄將線性回歸模型作為基線方法。這時，分位數(shù)損...

2018-06-29 標(biāo)簽：函數(shù)機器學(xué)習(xí) 2.2萬 0

流量計計量室的密封問題分析

液體在活塞頂面缺口處的泄漏主要發(fā)生在內(nèi)計量室, 盡量縮短內(nèi)計量腔與入口的相通時間, 以便減少壓力作用的時間過程, 設(shè)計入口形狀和位置時, 盡可能使入口接...

2018-06-27 標(biāo)簽：流量計函數(shù) 4618 0

神經(jīng)元和函數(shù)算法之間的關(guān)系（干貨）

人工神經(jīng)網(wǎng)絡(luò)里的神經(jīng)元是什么，有什么用。作為AI入門小白，參考了一些文章，想記點筆記加深印象，發(fā)出來是給有需求的童鞋學(xué)習(xí)共勉，大神輕拍！

2018-06-17 標(biāo)簽：函數(shù)神經(jīng)元 1.2萬 0

機器學(xué)習(xí)經(jīng)典損失函數(shù)比較

所有的機器學(xué)習(xí)算法都或多或少的依賴于對目標(biāo)函數(shù)最大化或者最小化的過程。我們常常將最小化的函數(shù)稱為損失函數(shù)，它主要用于衡量模型的預(yù)測能力。

2018-06-13 標(biāo)簽：函數(shù)機器學(xué)習(xí) 8970 0

LabVIEW網(wǎng)絡(luò)講壇第四季：簡述信號處理的特點與支持的工具及函數(shù)

對LabVIEW信號處理的進行總體介紹，包括用LabVIEW作為信號處理平臺的優(yōu)勢、LabVIEW支持的信號處理工具和函數(shù)等。

2018-06-25 標(biāo)簽：labview信號處理ni 3262 0

推導(dǎo)正弦波正弦量、平均值、有效值基本公式

即：u＝F(t)＝sin(￡)，￡與t存在關(guān)系，￡的單位是角度，t的單位是秒。sin只能對“角度”，不能對“秒”?！懊搿币D(zhuǎn)換成“角度”才能sin?？傊?..

2018-06-11 標(biāo)簽：正弦波函數(shù)有效值 20.2萬 0