自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(18)
  • 收藏
  • 关注

原创 配置运行instant-ngp出现的各种问题

--------------------------------------------------------------------------------------------------------------华丽的分割线。---------------------------------------------------------------------------------------------------------------华丽的分割线。但是应该是不可以)。

2024-05-05 18:09:24 1849

原创 图卷积神经网络初识(GCN)

`

2021-11-09 19:22:33 989

原创 决策树推导--缺失值处理

2021-10-26 19:46:54 340

原创 强化学习的开始--演员评论家算法

# _*_ coding.utf-s _*_ # 开发人员:Mark # 开发时间:2021/10/21 15:45 # 文件名: 强化学习 import gym, os from itertools import count import paddle import paddle.nn as nn import paddle.optimizer as optim import paddle.nn.functional as F from paddle.distribution import Categor

2021-10-21 17:08:38 211

原创 手写数字识别的开始

# _*_ coding.utf-s _*_ # 开发人员:Mark # 开发时间:2021/10/14 17:54 # 文件名: 手写数字识别.py import paddle from paddle.nn import Linear import paddle.nn.functional as F import os import numpy as np import matplotlib.pyplot as plt #读取训练集 train_dataset = paddle.vision.datas

2021-10-19 19:50:56 144

原创 主成分分析算法

意图使用面向对象的编程实现主成分分析算法 实现过程中遇到了一些意料之外的情况 没有输出数据 _*_ coding.utf-s _*_ 开发人员:Mark 开发时间:2021/10/7 15:43 文件名: 主成分分析.py import numpy as np class PAC: '''一个类完成主成分分析算法 ''' def __init__(self,x,y): self.x = x self.y = y def guiyi(self)

2021-10-07 17:38:44 134

原创 隐马尔可夫链

# _*_ coding.utf-s _*_ # 开发人员:Mark # 开发时间:2021/9/30 16:03 # 文件名: 隐马尔可夫链.py #初始化 states = ('rain', 'sun') #隐藏链的状态 observations = ('w', 's', 'c') #明链状态 start_probability = {'rain': 0.6, 'sun': 0.4} #隐藏链概率 transition_probability = {

2021-09-30 17:49:50 185

原创 欧拉算法的改进算法

实现了欧拉算法的优化算法 利用假设出的y’及(x1,y’)的斜率 与上一个点斜率求平均 以此来减小各点斜率的误差 在编码过程中,尝试使用函数 但遇到一些意料之外的问题 # _*_ coding.utf-s _*_ # 开发人员:Mark # 开发时间:2021/9/24 8:34 # 文件名: 欧拉算法.py import numpy as np import matplotlib.pyplot as plt x = 0 y = 1 step = 0.1 xx = np.zeros(100) yy

2021-09-24 09:41:15 231

原创 神经网络以及反向传播算法的推导

2021-09-17 09:20:38 152

原创 欧拉算法实现数据拟合

import matplotlib.pyplot as plt import numpy as np x1 = np.zeros(100) y1 = np.zeros(100) x=0 y=1 for i in range(100): y = 1.1*y - 0.2*x/y x = x + 0.1 x1[i] = x y1[i] = y plt.plot(x1,y1) plt.show() [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上

2021-09-16 17:39:16 287

原创 神经元感受器算法

神经元感受器算法已求得最优解 菜鸡尝试了两种方式实现 面向对象及面向过程 但疏于python 学习以及对算法理解不透彻 并未运行出结果或逻辑上有错误 望大佬指正 并来日将重来回温 最后附大佬的程序代码 import numpy as np import math x=([1.0,1.0,1.0],[1.0,0.0,0.0],[1.0,1.0,0.0],[1.0,0.0,1.0]) t=([1.0,0.0,0.0,0.0]) w=([0.0,0.0,0.0]) alp = 0.1 error = 0.

2021-09-10 14:25:34 333

原创 可视化作图

import matplotlib.pyplot as plt import numpy as np if __name__ == "__main__": fig = plt.figure() ax1 = fig.add_axes([0.1, 0.45, 0.8, 0.5]) ax2 = fig.add_axes([0.1, 0.1, 0.8, 0.2]) x1 = np.linspace(0.0, 5.0) x2 = np.linspace(0.0, 3.0)

2021-09-03 16:50:11 145

原创 房地产价格算法监督学习

import numpy as np import math import random x1= np.array([2104,1600,2400,1416,3000]) x2 = np.array([3,3,3,2,4]) t = np.array([400,330,369,232,540]) theta0=random.random() theta1=random.random() theta2=random.random() alpla = 0.1 e = 0.0000001 k0=random.ra

2021-09-03 14:06:20 144

原创 work3

import numpy as np a1 = np.random.choice(7,5) # 从0~7中随机选择5个数组成一维数组 a1 array([5, 2, 0, 6, 3]) a2 = np.random.choice([0,1,2,3,4,5,6],5) # 从给定list中随机选择5个数组成一维数组 a2 array([5, 3, 6, 2, 1]) a3 = np.random.choice(np.array([0,1,2,3,4,5,6]),5) # 将list换成array数组依

2021-09-01 20:36:40 454

原创 work4

import numpy as np x = np.array([[1,2,3],[4,5,6],[1,2,3]]) x.flatten() array([1, 2, 3, 4, 5, 6, 1, 2, 3]) import numpy as np x = np.array([[1,2,3],[4,5,6],[1,2,3]]) x.ravel() array([1, 2, 3, 4, 5, 6, 1, 2, 3]) x = np.array([[1,2,3],[2,3,4]]) print(np.p

2021-09-01 20:30:21 135

原创 work5

import numpy as np np.random.uniform() 0.3957032977342064 import numpy as np n = np.random.rand(3,4) n array([[ 0.61728673, 0.69854658, 0.78585459, 0.46753263], [ 0.927511 , 0.94099234, 0.82293658, 0.27401528], [ 0.80353933, 0.5849

2021-09-01 20:27:26 154

原创 work2

import numpy as np matrix = [ [1,2,3,4], [5,6,7,8], [9,10,11,12] ] p1 = np.delete(matrix, 1, 0) # 第0维度(行)第1行被删除(初始行为0行) print(p1) p2 = np.delete(matrix, 1, 1) # 第1维度(列)第1行被删除 print(p2) p3 = np.delete(matrix, 1) # 拉平后删除第1个元素(初始为第0个) print(p3) p4 = np.delete

2021-09-01 20:26:52 318

原创 work1

import numpy as np a=np.array([1,1,1,1]) b=np.array([[1],[1],[1],[1]]) a+b c=np.array([[1,1,1,1]]) b+c array([[2, 2, 2, 2], [2, 2, 2, 2], [2, 2, 2, 2], [2, 2, 2, 2]]) import numpy as np W=np.array([[1,1,1],[2,2,2]]) W[:,1] array([1,

2021-09-01 20:26:28 179

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

提示
确定要删除当前文章?
取消 删除