opencv实现人脸检测(Java实现)/*** 人脸识别功能（抄袭DEMO）* @author SXC* 2020年7月2日 下午11:23:26*/import org.opencv.core.Core;import org.opencv.core.Mat;import org.opencv.core.MatOfRect;import org.opencv.core.Point;import

Pytorch笔记：RNN 循环神经网络 (回归)import torchfrom torch import nnimport numpy as npimport matplotlib.pyplot as plt# torch.manual_seed(1)# reproducible# Hyper ParametersTIME_STEP = 10# rnn time stepINPUT_SIZE

Java实现深度神经网络：Sigmoid层使用Java实现Sigmoid.java/*** Sigmoid层** @author SXC 2020年9月11日 下午12:56:31*/public class Sigmoid {public Sigmoid() {}public double[] out(double[] x) {double[] out = new double[x.length

opencv包的下载首先打开cmd.exe，输入pip install opencv-python，回车，如图。下面的地址即为opencv所下载到的位置。pycharm的配置首先打开PyCharm，选择File-Settings-Project-Project Interpreter,如下图所示：点击箭头所示位置。选择Showll All，进入到Proiect Interpreters界面如下图，

多层神经网络单个神经元类/*** 单个神经元** @author SXC 2020年8月13日 下午9:48:19*/public class Neurons {ThreeNeurons tN;double input[];double inputandoutput[];double weight[];// 包含一个偏置的权重，数量比输入大一个private double nowoutput;pr

代数重数与几何重数（对于单个特征值而言）代数重数：相同特征值的个数。几何重数：特征子空间的维数为几何重数，因为空间是几何里的概念，rank(λI−A)=n−αrank(λI-A)=n-αrank(λI−A)=n−α中的ααα值，几何重数 ≤ 代数重数。在几何重数 = 代数重数时，A可以变换为对角阵，但两者不相同时，A只可以变换为约当阵，这里就需要使用广义特征向量。广义特征向量计算rank(λI−A

由于异步电动机三相原始动态模型相当复杂，分解和求解这组非线性方程十分困难，在实际应用中必须予以简化，简化的基本思路就是将复杂的问题分解成一个一个简单易处理的问题，将复杂的三相坐标系转换成易理解的两相坐标系。其关键点就是将需要控制的三个量变换成两个量，控制这两个量的效果和控制原来的三个量的效果相同。即ABC坐标转换到α-β静止坐标或d-q同步旋转坐标。ABC坐标下ABC为三相坐标系下，三相电压的大小

opencv包的下载首先打开cmd.exe，输入pip install opencv-python，回车，如图。下面的地址即为opencv所下载到的位置。pycharm的配置首先打开PyCharm，选择File-Settings-Project-Project Interpreter,如下图所示：点击箭头所示位置。选择Showll All，进入到Proiect Interpreters界面如下图，

代数重数与几何重数（对于单个特征值而言）代数重数：相同特征值的个数。几何重数：特征子空间的维数为几何重数，因为空间是几何里的概念，rank(λI−A)=n−αrank(λI-A)=n-αrank(λI−A)=n−α中的ααα值，几何重数 ≤ 代数重数。在几何重数 = 代数重数时，A可以变换为对角阵，但两者不相同时，A只可以变换为约当阵，这里就需要使用广义特征向量。广义特征向量计算rank(λI−A

神经网络，多输入多输出单个神经元类/*** 单个神经元** @author SXC 2020年8月13日 下午9:48:19*/public class Neurons {ThreeNeurons tN;double input[];double inputandoutput[];double weight[];// 包含一个偏置的权重，数量比输入大一个private double nowoutp