墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
500+累计阅读
561平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
本文档使用MindManager编辑：
链接：https://pan.baidu.com/s/1ge9l6Jh 密码：o3bu
链接：https://pan.baidu.com/s/1gf6JX5p 密码：ko1j
Diffusion、VAE与GAN：三大生成模型的原理对比与应用场景解析
本文深入解析了Diffusion、VAE与GAN三大生成模型的核心原理与特性。Diffusion模型通过逆向去噪过程实现高质量图像生成，但计算成本较高；VAE擅长学习概率潜空间，训练稳定但图像偏模糊；GAN通过对抗训练生成锐利图像，但存在模式崩溃风险。文章结合实战场景，为图像生成、修复、超分辨率等任务提供了清晰的模型选择指南。
层次聚类之AGNES算法和DIANA算法
层次聚类的基本概念 层次聚类方法是古老而且常用的聚类方法。层次聚类方法又有两种产生层次聚类的基本方法。 凝聚的：该方法是自底向上的方法，初始每个对象看做一个簇，每一步合并最相近的簇，最终形成一个簇。 分类的：该方法是自顶向下的方法，从包含的所有点的簇开始，每一步分裂一个簇，知道仅剩下单点的簇。 本文主要关注凝聚的层次聚类方法。 2 簇之间的邻近性 在凝聚的层次聚类方法中，需要
Cadence SKILL 语言实战指南：从函数列表到高效自动化脚本
本文是Cadence SKILL语言实战指南，旨在帮助芯片设计工程师从掌握核心函数列表出发，高效构建自动化脚本。文章详细解析了数据处理、数据库访问、流程控制及错误处理四类关键函数，并通过版图层批量修改与参数化单元生成两大实战场景，演示如何将函数组合成解决实际问题的自动化方案，从而显著提升Virtuoso环境下的工作效率。
聚类算法手册--原理+评估方法
聚类算法 在无监督学习(unsupervised learning)中，训练样本的标记信息是未知的。 无监督学习的目标：通过对无标记训练样本的学习来揭露数据的内在性质以及规律。 一个经典的无监督学习任务：寻找数据的最佳表达(representation)。常见的有： 低维表达：试图将数据（位于高维空间）中的信息尽可能压缩在一个较低维空间中。 稀疏表达：将数据嵌入到大多数项为零的一个表达中。该策略通常需要进行维度扩张。 独立表达：使数据的各个
OpenSpec 完全指南 config.yaml文件
不管是项目内还是全局存放，自定义工作流都要遵守以下规则，否则会导致OpenSpec无法识别，新手一定要记牢：一个文件夹 = 一个工作流：工作流文件夹的名称，就是中schema字段要填写的名称；每个工作流文件夹必须包含：这是工作流的核心定义文件，没有它，OpenSpec无法识别这个工作流；模板文件统一放templates/目录：如果需要自定义生成文件的模板（比如统一的提案模板、任务模板），就放在工作流文件夹下的templates/里，OpenSpec会自动识别；
零基础做AI漫剧：Kimi K2.5写本 + Flux生图 + Seedance 2.0动效的保姆级教程
很多零基础小伙伴想做AI漫剧，却被“写剧本、画分镜、做动效”三大难题劝退——不会写剧情、不会画插画、不会做动态，觉得门槛太高。其实不用慌！今天就给大家带来保姆级教程，全程用Kimi K2.5（写剧本）、Flux（生分镜图）、Seedance 2.0（做动效）三个工具，不用专业技能，不用手动绘画，零基础也能在1小时内做出1分钟完整AI漫剧，全程步骤拆解、示例齐全，跟着做就能出片！
层次聚类算法(AGNES算法/DIANA算法)描述与解析
层次聚类分为两种： （1） 凝聚的层次聚类：自底向上的策略，首先将每个对象作为一个簇，然后合并这些原子簇为更大的簇，直到所有的对象都在同一个簇中，或者满足终止条件。 （2） 分类的层次聚类：自顶向下的策略。 AGNES算法 AGNES(Agglomerative Nesting) 是凝聚的层次聚类算法，如果簇C1中的一个对象和簇C2中的一个
数据分享】中国12.5m数字高程模型（DEM）数据（分省）
数据名称：ALOS 12.5m DEM 数据。数据名称：ALOS 12.5m DEM 数据。数据大小：61.5GB。空间分辨率：12.5m。数据大小：61.5GB。空间分辨率：12.5m。
103：vue+cesium 设置球体水部分颜色为黄色
本示例在 Vue + cesium 项目中设置球体水部分颜色为黄色。这里的操作是将球体内部设置为空的，在地球内部添加一个黄色的圆球，这样水的部分就被突出出来了。直接复制下面的 vue+cesium源代码，操作2分钟即可运行实现效果.
STM32CubeMX之SDIO+FatFS读写SD卡
“SD卡/TF卡的读写是嵌入式系统中常用的功能。而SD卡的本质是一种flash存储器，通过单片机可以直接读写，但若要被电脑识别，则需要文件系统的支持。本篇文章主要介绍通过单片机的SDIO...
盘点｜最实用的机器学习算法优缺点分析，没有比这篇说得更好了
推荐理由对于机器学习算法的盘点，网上屡见不鲜。但目前，还没人能结合使用场景来把问题说明白，而这一点正是本文的目的所在。在文章中，作者将结合他的实际经验，细致剖析每种算法在实践中的优势和不足。本文的目的，是务实、简洁地盘点一番当前机器学习算法。尽管人们已做过不少盘点，但始终未能给出每一种算法的真正优缺点。在这里，我们依据实际使用中的经验，将对此详加讨论。归类机器学习算法，一向都非常棘手，常见的分类...
【图像拼接（Image Stitching）】关于【图像拼接论文精读】专栏的相关说明，包含专栏使用方法、阅读顺序、创新思路、文章汇总、源码汇总、数据集汇总等。总之，【图像拼接论文相关】看这一篇就够了
为什么会有这篇文章？因为专栏简介里写不下太多东西，只能通过这篇文章和大家交流，算是一个专栏阅读指南吧。说点心里话本来吧，我只想用优快云来记录自己学习【图像拼接】领域论文的过程，对每篇文章有个细致的理解，方便自己反复查阅。设置为付费也是因为涉及论文和本人其他项目需要，防止查重和其他问题，所以价格最开始设置的是专栏付费价格里最高的。起初，确实没有人看，一切也都平淡地度过着。
机器学习 周志华 bp算法 python实现_Python机器学习—算法总结
机器学习算法太多了，分类、回归、聚类、推荐、图像识别领域等等，要想找到一个合适算法真的不容易，所以在实际应用中，我们一般都是采用启发式学习方式来实验。通常最开始我们都会选择大家普遍认同的算法，诸如SVM，GBDT，Adaboost，现在深度学习很火热，神经网络也是一个不错的选择。假如你在乎精度(accuracy)的话，最好的方法就是通过交叉验证(cross-validation)对各个算法一个个...
老版QQ原生表情gif动态
这是老版的QQ表情，不过全是动态的的，Windows照片查看器是不会动的，可以右击用浏览器打开查看，再说一遍是老版的，只是分享给宁愿用老版也要动态的人。
温度PID控制PLC程序
温度PID稳定控制程序，适用于欧姆龙PLC，对其他PLC也具有很大参考价值
聚类算法总结 - 优缺点对比
前言 聚类算法是一种无监督的算法，由于不需要训练集，算法简单快速，引用在一些工程里比较简单突出，今天来了解一下聚类算法。 k-means算法（k均值算法） 算法步骤： （1）随机选取 K 个点，作为 K 类的聚类中心，用 KiK_iKi表示 （2）遍历所有的数据点 PjP_jPj，通过计算距离，找到距离 PjP_jPj 最近的聚类中心点 KiK_iKi，此时可以说第 j 个数据属于...
WINCC7.3破解文件
WINCC7.3硬件够破解文件，有需要的下载！WINCC7.3硬件够破解文件，有需要的下载！
机器学习算法优缺点综述
机器学习算法优缺点综述 计算机视觉联盟前天 https://mp.weixin.qq.com/s/GkbIwAkZOjDQsiB2owKBvA 计算机视觉联盟 团队成员为国内各大高校博士，专注于深度学习、机器学习、图像解译、人工智能、无人驾驶等热门领域，分享开源框架学习（如TensorFlow）、项目经历及编程语言(C++、python)等咨讯 115篇原创内容 公众号 点上方计算机视觉联盟获取更多干货 仅作学术分享，不代表本公众号立场，侵权联系删除 转载于：七月在线 ...
蓝牙模块HM-10手册
蓝牙模块HM-10手册，该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。
【周志华 机器学习】入门（下）
贝叶斯决策论的核心思想是基于后验概率来选择使得期望损失最小的决策实现过程：1.定义决策空间：确定决策集合2.建立先验概率：对决策问题进行建模，定义每个可能的状态或类别的先验概率分布3.估计条件概率： 估计在每个可能的状态下观察到数据 x 的条件概率分布4.计算后验概率：利用贝叶斯定理，计算在观察到数据 x 后每个可能状态的后验概率分布5.选择最优决策：根据后验概率分布和损失函数，选择能够最小化期望损失的最优决策的数学表达书为：其中是决策 d 在真实状态下的损失。
【周志华机器学习】九、聚类
文章目录参考资料1. 基本概念1.1 距离度量1.2 性能度量1.2.1 外部指标1.2.2 内部指标 参考资料 Machine-learning-learning-notes LeeML-Notes ML-NLP 本博客是根据周志华的西瓜书和参考资料1、2、3所做的笔记，主要用于学习，非技术类博客，因此存在大量复制粘贴，请见谅。 如果本篇博客有后记部分，则该部分表示的是在书本原有的基础知识上，进行的知识点的扩充。 1. 基本概念 聚类是一种经典的无监督学习方法，无监督学习的目标是通过对无标记训
机器学习、数据挖掘、数据分析岗面试总结
算法面试注意细节 算法工程师岗位（机器学习、数据挖掘、数据分析等）面试主要包含两大块：首先是基本的 Coding 能力；其次就是机器学习算法的理论与应用能力。 基本的 Coding 能力考察，主要是让你写一些数据结构与算法设计的常见算法题，比如链表类、二叉树、排序、查找、动态规划等。这方面建议《剑指 Offer》+ LeetCode 结合的方式进行练习。 机器学习算法理论与应用能力不用说，应...
【机器学习】K-Means算法的原理流程、代码实现及优缺点
通过机器学习教学视频，初识KNN算法，对原理和算法流程通过小应用进行Python实现，有了自己的一些理解。因此在此整理一下，既是对自己学习的阶段性总结，也希望能和更多的朋友们共同交流学习相关算法，如有不完善的地方欢迎批评指正。1、K-Means算法原理DT，全称Decision Trees，即常说的决策树算法。2、K-Means流程框图在建立训练集时，3、K-Means代码实现参照麦子学院4、K-...
《机器学习》周志华 第6章支持向量机。笔记+习题
裂开了呀，我高数都快忘完了 这章对我来说太难了！！！！！ 公式推导可以参考link. 《机器学习实战》参考 link. 理解要做什么** Maximal margin classifer Support Vector Classifier 二者局限 6.1 间隔与支持向量 6.2对偶问题 6.3核函数 6.4软间隔与正则化 6.5支持向量回归 6.6核方法 ...
周志华机器学习：决策树
决策树 文章目录决策树参考基本流程划分选择信息增益决策树的生成——ID3，及其问题增益率决策树生成 ——C4.5，及其问题剪枝处理预剪枝和后剪枝统计学习方法中的剪枝CART算法（统计学习方法80）CART回归树CART分类树CART剪枝连续与缺失值连续值处理缺失值处理多变量决策树习题 参考 1、机器学习第二阶段：机器学习经典算法（2）——决策树与随机森林（视频） 2、凸优化函数的定义、凸优化问题的概念及分类 3、一文读懂决策树（上）——信息增益、信息增益率、Gini系数 4、一文读懂决策树（
【周志华机器学习】五、神经网络
文章目录参考资料1. 基本概念1.1 神经元模型2. 感知机与多层网络隐藏层的解释3. BP神经网络算法3.1 算法思想3.2 过拟合问题4. 全局最小与局部最小5. 深度学习5.1 理解5.2 深度学习3步骤6. 后记6.1 为什么神经网络具有非线性切分能力6.2 随机初始化模型参数6.3 激活函数sigmoid函数tanh(双曲正切)函数ReLu(修正线性单元)函数softmax激活函数优缺点6.4 为什么使用激活函数6.5 人工神经网络中为什么ReLu要好过于tanh和sigmoid function
周志华《机器学习初步》学习笔记
读周志华《机器学习初步》有感
numpy实现周志华机器学习 9.5 密度聚类（DBSCAN算法）
本文主要参考周志华《机器学习》的9.6章节，对密度聚类做简单介绍，并使用numpy对具有代表性的DBSCAN密度聚类算法进行实现。
机器学习-周志华》读书笔记-第9章 聚类
《机器学习-周志华》读书笔记-第9章 聚类聚类简介K均值算法 聚类简介 当所给数据记录没有类别标签时而又想通过对样本的观察与训练得到分类标签与模型时，需要用到聚类模型。 将分成的一类一类称为“簇” 聚类目标： 簇内相似度高而簇间相似度低 聚类问题涉及到的两个基本问题是：1、性能度量 2、距离计算 1、性能度量，衡量模型泛化能力的指标（可类比正常模型的目标函数） 1-1 外部指标：将本模型...
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
342
扫一扫
