- 博客(38)
- 收藏
- 关注
RSS订阅原创 综合实验---基于卷积神经网络的目标分类案例
具体内容请参考：在完成综合实验基于卷积神经网络的目标分类案例后，我获得了很多宝贵的学习收获。首先，我深入了解了卷积神经网络的原理和工作方式。通过实际操作，我学会了如何构建一个简单的卷积神经网络模型，并对其进行训练和评估。其次，我学会了如何处理图像数据，并将其转换为适合卷积神经网络处理的格式。这包括对图像行预处理、数据增强和批量处理等技巧，以提高模型的准确性和泛化能力。此外，我学会了如何选择适当的损失函数和优化器，并进行超参数调整来优化模型的性能。
2023-07-11 15:23:51
178
原创 实验2---决策树ID3
决策树是一种常用的机器学习算法，ID3算法是一种用于构建决策树的算法。下面是ID3算法的原理：算法基于信息论的思想，通过计算不同特征对数据集的信息增益来选择最佳的特征来分割数据。算法的输入是一个包含属性和标签的数据集，其中属性是用于描述数据的特征，标签是数据的分类或输出。首先，算法计算整个数据集的熵，熵衡量了数据集的不确定性。熵越高，数据集的混乱程度越高。然后，算法遍历所有可能的特征，对每个特征计算信息增益。信息增益是指通过使用该特征来分割数据集后，整个数据集熵的减少程度。
2023-07-11 14:57:04
112
原创 高斯模糊实验
1. 实验内容本实验将学习高斯模糊。2. 实验要点高斯模糊图像使用高通滤波器测试性能3. 实验环境numpymatplotlibcv2。
2023-06-25 18:42:29
104
原创 逻辑回归作业
我们知道逻辑回归的代价函数是： 𝐽(𝜃)=1𝑚∑𝑖=1𝑚[−𝑦(𝑖)log(ℎ𝜃(𝑥(𝑖)）−(1−𝑦(𝑖))log(1−ℎ𝜃(𝑥(𝑖)))]J(θ)=1m∑i=1m[−y(i)log(hθ(x(i)))−(1−y(i))log(1−hθ(x(i)))]接下来，你需要编写代码来实现计算正则化逻辑回归的代价函数和梯度，并返回计算的代价值和梯度。其中theta为参数，X为训练集中的特征列，y为训练集的标签列，三者均为矩阵。其中theta为参数，X为训练集中的特征列，y为训练集的标签列，三者均为矩阵。
2023-06-25 18:25:11
82
原创 线性回归作业
在该部分练习任务中，你需要实现一个计算成本 𝐽(𝜃)的函数computeCost，用于检查梯度下降实现的收敛性。假设你是一家餐厅的领导，正在考虑在不同的城市开设新的分店。该连锁店已经在不同的城市有了餐车，并且你能够获得每个城市的人口和利润数据。要点:完成该函数后，将 𝜃值初始化为0并进行成本的计算，将得到的成本值打印出来。在该部分练习中,将通过代码实现返回一个5*5的对角矩阵。在该部分中，将使用梯度下降来选择合适的线性回归参数θ用以拟合给定数据集。在该部分练习中，将实现单变量线性回归并用来预测餐车的利润。
2023-06-25 18:09:00
107
原创 VGA协议实践
VGA显示器具有成本低、结构简单、应用灵活的优点。对于一名FPGA工程师，尤其是视频图像的方向的学习者，VGA协议是必须要掌握的。
2023-04-26 16:13:20
595
原创 实验2-Nios-II入门实践
本次实验用Verilog和Nios软件编程两种方式完成LED流水灯显示并用Nios软件编程通过DE2-115开发板串口输出“Hello world！”字符到笔记本电脑串口助手，让我感受到了软硬结合开发的好处，也让我初步掌握了 Nios-II 软件的开发流程、软件的基本调试方法。
2023-04-12 15:03:10
742
原创 STM32寄存器&HAL库方式的LED程序
寄存器的功能是存储二进制代码，它是由具有存储功能的触发器组合起来构成的。一个触发器可以存储1位二进制代码，故存放n位二进制代码的寄存器，需用n个触发器来构成。[1]按照功能的不同，可将寄存器分为基本寄存器和移位寄存器两大类。基本寄存器只能并行送入数据，也只能并行输出。移位寄存器中的数据可以在移位脉冲作用下依次逐位右移或左移，数据既可以并行输入、并行输出，也可以串行输入、串行输出，还可以并行输入、串行输出，或串行输入、并行输出，十分灵活，用途也很广（百度百科）
2022-10-13 17:27:46
834
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人