学懂分析，玩转大数据，用R轻松实现数据可视化，从实际数据分析出发，全面掌握R编程
标签： 语言
上传时间： 2018-06-07
上传用户：33ya
mcnp 可视化编辑器使用说明书，介绍了mcnp可视化编辑器的使用，方便描绘图形，并能很好的发现图中的错误
标签： KLANE
上传时间： 2018-10-11
上传用户：lrzss
PCA算法处理iris数据，matlab实现
上传时间： 2020-04-15
上传用户：wangziming
C# 绘制直角坐标系进行数据可视化，有源码供学习改机
上传时间： 2020-12-03
上传用户：
针对科研设备管理难度较大的现象，为改善设备性能，提高利用率，设计了一套基于 ZigBee 的实验室电源管理系统，通过射频卡完成人员信息的采集，由数据库进行信息管理，继电器完成设备的开关控制。测试表明， 该系统能够准确完成设备的开关管理，且串口屏的设计也实现了实验室设备的可视化管理，相较于已有方案，其系统结构简单，成本低廉，能耗低，具有较好的应用前景
上传时间： 2021-07-28
上传用户：ankee1
ROST Content Mining软件简称ROST CM软件，即内容挖掘分析软件。它是由武汉大学沈阳教授及其团队研发的,专门用来进行文本内容处理的一-款软件。ROSTCM软件具有分词处理、高频词提取、情感分析、语义网络分析、流量分析、可视化分析等一系列功能，一经推出便受到社会和学界的广泛关注。截至目前已有众多学者、科研人员和学生等群体纷纷使用这一分析工具展开了相应研究。
标签： ROSTCM
上传时间： 2021-12-26
上传用户：
1. 引言2. 概述3.3.1 100Mbps 以上的边缘速率3.3.2 99.999% 高可靠性和≤ 1ms 的超低时延3.3.3 1 个连接/ 平方米3.3.4 其他3.3.5 小结4.1.1 高频组网传播损耗与穿透损耗大，室外覆盖室内难4.1.2 无源分布式天线系统演进难、综合损耗大、互调干扰大3.1 5G 三大业务类型3.2 室内5G 业务及特征3.3 室内5G 业务对网络的需求4.2 多样化的业务要求网络具备更大的弹性容量4.3 行业应用要求网络具备极高可靠性4.4 四代共存网络及新业务发展要求网络具有高效运维、智能运营能力4.5 小结5.1 组网策略： 高中低频分层组网，提供更大容量5.2 MIMO 选择策略：标配4T4R，提供更好的用户体验5.3 方案选择策略：大容量数字化方案是必然选择5.4 容量策略：弹性容量，灵活按需满足业务需求5.5 可靠性策略：面向5G 业务的可靠性设计5.6 部署策略：端到端数字化部署，奠定网络运维和运营的基础5.7 网络运维策略：可视化运维，实现室内5G 网络可管可控5.8 网络运营策略：基于网络运营平台，支撑室内5G 网络智能运营5.9 小结
上传时间： 2022-01-30
上传用户：qdxqdxqdxqdx
这是我在做大学教授期间推荐给我学生的一本书，非常好，适合入门学习。《python深度学习》由Keras之父、现任Google人工智能研究员的弗朗索瓦•肖莱（François Chollet）执笔，详尽介绍了用Python和Keras进行深度学习的探索实践，包括计算机视觉、自然语言处理、产生式模型等应用。书中包含30多个代码示例，步骤讲解详细透彻。作者在github公布了代码，代码几乎囊括了本书所有知识点。在学习完本书后，读者将具备搭建自己的深度学习环境、建立图像识别模型、生成图像和文字等能力。但是有一个小小的遗憾：代码的解释和注释是全英文的，即使英文水平较好的朋友看起来也很吃力。本人认为，这本书和代码是初学者入门深度学习及Keras最好的工具。作者在github公布了代码，本人参照书本，对全部代码做了中文解释和注释，并下载了代码所需要的一些数据集（尤其是“猫狗大战”数据集），并对其中一些图像进行了本地化，代码全部测试通过。（请按照文件顺序运行，代码前后有部分关联）。以下代码包含了全书约80%左右的知识点，代码目录：2.1: A first look at a neural network（ 初识神经网络）3.5: Classifying movie reviews（电影评论分类：二分类问题）3.6: Classifying newswires（新闻分类：多分类问题 ）3.7: Predicting house prices（预测房价：回归问题）4.4: Underfitting and overfitting（ 过拟合与欠拟合）5.1: Introduction to convnets（卷积神经网络简介）5.2: Using convnets with small datasets（在小型数据集上从头开始训练一个卷积网络）5.3: Using a pre-trained convnet（使用预训练的卷积神经网络）5.4: Visualizing what convnets learn（卷积神经网络的可视化）
上传时间： 2022-01-30
上传用户：
斯坦福大学-深度学习基础教程.pdfUFLDL教程 From Ufldl 说明：本教程将阐述无监督特征学习和深入学习的主要观点。通过学习，你也将实现多个功能 学习/深度学习算法，能看到它们为你工作，并学习如何应用/适应这些想法到新问题上。 本教程假定机器学习的基本知识（特别是熟悉的监督学习，逻辑回归，梯度下降的想法），如果 你不熟悉这些想法，我们建议你去这里 机器学习课程 (http://openclassroom.stanford.edu/MainFolder/CoursePage.php? course=MachineLearning) ，并先完成第II，III，IV章（到逻辑回归）。 稀疏自编码器 神经网络 反向传导算法 梯度检验与高级优化 自编码算法与稀疏性 可视化自编码器训练结果 稀疏自编码器符号一览表 Exercise:Sparse Autoencoder 矢量化编程实现 矢量化编程 逻辑回归的向量化实现样例 神经网络向量化 Exercise:Vectorization
标签： 深度学习
上传时间： 2022-03-27
上传用户：kingwide
拥有可视化，精简的电路原理图展示，能通过原理图进行分析，可以控制开关实现交通灯的转换。
上传时间： 2022-05-18
上传用户：20125101110
