logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

算法设计四(3)——无向图的最大割问题

代码链接:pan.baidu.com/s/1GAFnDuj7-3x6BNa0uOL9Vg码:pbfv算法分析与设计第 4 次实验时间2020.5.17实验名称无向图的最大割问题实验目的通过上机实验,要求深度掌握分支限界法的问题描述、算法设计思想、程序设计。...

#算法#数据结构
算法设计二(2)——贪心算法求解背包问题

代码链接:pan.baidu.com/s/1rIugypf7lhUTfwdAG0Gv_w码:w38a算法分析与设计第 2 次实验时间2020.4.22实验名称贪心算法求解背包问题实验目的通过上机实验,要求掌握贪心算法的问题描述、算法设计思想、程序设计。...

文章图片
#算法#数据结构
人工智能:分类算法——朴素贝叶斯、决策树的简单理解与代码实现,SVM、人工神经网络的简单理解

下文使用代码:链接:pan.baidu.com/s/1sR2bt_Iu89M3h_8XMPjEuQ提取ey3q分类算法朴素贝叶斯、决策树、SVM、人工神经网络+汽车分类实战一、 实验目的二、 实验的硬件、软件平台三、 实验算法原理(一) 朴素贝叶斯算法(二) 决策树算法(三) 支持向量机(四) 人工神经网络四、 数据分析与预处理1. 了解文本数据集的情况并阅读算法代码说明文档;2. 读取并处理数据

文章图片
#决策树#神经网络#算法
人工智能:深度学习算法及应用——简单理解CNN卷积神经网络并python实现(带源码)

实验四:深度学习算法及应用一、 实验目的二、 实验要求三、 实验的硬件、软件平台四、 实验原理1.1. 深度学习概述1.2. 深度学习的常见结构1.3. 卷积神经网络(CNN)**卷积****池化**全连接网络1.4. 卷积神经网络的大致结构1.5. 参数学习五、 实验内容与步骤1. 深度学习工具安装1.1. 使用pip命令安装tensorflow-gpu 1.9.01.2. 下载安装CUDA T

文章图片
#神经网络#算法#python
HNU计算机网络实验二

计算机网络实验二——网络基础编程实验一、实验题目二、实验内容三、实验原理【基础原理】【并行原理】四、实验步骤1.语言环境2.采用TCP进行数据发送的简单程序3.采用UDP进行数据发送的简单程序4.多线程\线程池的对比5.一个简单的chat 程序,并能互传文件一、实验题目通过本实验,学习采用Socket(套接字)设计简单的网络数据收发程序,理解应用数据包是如何通过传输层进行传送的。二、实验内容理解与

人工智能:深度学习算法及应用——简单理解CNN卷积神经网络并python实现(带源码)

实验四:深度学习算法及应用一、 实验目的二、 实验要求三、 实验的硬件、软件平台四、 实验原理1.1. 深度学习概述1.2. 深度学习的常见结构1.3. 卷积神经网络(CNN)**卷积****池化**全连接网络1.4. 卷积神经网络的大致结构1.5. 参数学习五、 实验内容与步骤1. 深度学习工具安装1.1. 使用pip命令安装tensorflow-gpu 1.9.01.2. 下载安装CUDA T

文章图片
#神经网络#算法#python
算法设计三(4)——世界名画陈列馆问题

pan.baidu.com/s/1w-VSMWmr9ntEWWdxZoD4Yw码:jnlh算法分析与设计第 3 次实验时间2020.5.17实验名称世界名画陈列馆问题实验目的通过上机实验,要求深层掌握回溯法算法的问题描述、算法设计思想、程序设计。...

#算法#数据结构
机器学习——逻辑回归(梯度下降法、牛顿法)

机器学习——逻辑回归一、实验题目二、实验目的三、实验平台四、基本原理1. 逻辑回归2. 损失函数五、实验步骤1. 数据可视化2. 将线性回归参数初始化为0,计算代价函数(cost function)的初始值3. 选择一种优化方法求解逻辑回归参数3.1. 梯度下降法3.2. 牛顿迭代法4. 某学生两次考试成绩分别为 42、85,预测其被录取的概率5. 画出分类边界六、程序清单代码见https://p

#python#机器学习
人工智能:深度学习算法及应用——简单理解CNN卷积神经网络并python实现(带源码)

实验四:深度学习算法及应用一、 实验目的二、 实验要求三、 实验的硬件、软件平台四、 实验原理1.1. 深度学习概述1.2. 深度学习的常见结构1.3. 卷积神经网络(CNN)**卷积****池化**全连接网络1.4. 卷积神经网络的大致结构1.5. 参数学习五、 实验内容与步骤1. 深度学习工具安装1.1. 使用pip命令安装tensorflow-gpu 1.9.01.2. 下载安装CUDA T

文章图片
#神经网络#算法#python
机器学习——逻辑回归(梯度下降法、牛顿法)

机器学习——逻辑回归一、实验题目二、实验目的三、实验平台四、基本原理1. 逻辑回归2. 损失函数五、实验步骤1. 数据可视化2. 将线性回归参数初始化为0,计算代价函数(cost function)的初始值3. 选择一种优化方法求解逻辑回归参数3.1. 梯度下降法3.2. 牛顿迭代法4. 某学生两次考试成绩分别为 42、85,预测其被录取的概率5. 画出分类边界六、程序清单代码见https://p

#python#机器学习
    共 14 条
  • 1
  • 2
  • 请选择