-
chapter06
Pytho实现语言bp神经网络，内含数据集，适合初学者。(Pytho implementation language bp neural network, containing data sets for beginners.)
- 2021-04-21 10:48:49下载
- 积分：1
-
v
说明： 自动下载mitgcm模式数据，如水温，盐度，深度，海表面异常等(Automatically download MITgcm model data, such as water temperature, salinity, depth, sea surface anomalies, etc)
- 2021-03-01 11:12:46下载
- 积分：1
-
Python数据预处理
说明： Python数据预处理示例，包括数据清洗、数据整合、数据变换等操作。(Python data preprocessing examples, including data cleaning, data integration, data transformation and other operations.)
- 2020-09-17 14:07:54下载
- 积分：1
-
基础路径规划A*算法python实现
基础路径规划A*算法python实现
- 2021-05-06下载
- 积分：1
-
read_FVCOM_results
帮助更加快速而容易的读取FVCOM结果参数的py脚本(help to read fvcom result using python)
- 2016-04-25 23:08:24下载
- 积分：1
-
Desktop
n=eval(input())
def x(n):
if n<=3 and n>=0:
return n
else:
return x(n-1)+x(n-2)+x(n-3)
print(x(n))
- 2018-10-23 11:07:30下载
- 积分：1
-
hsmm
隐马尔科夫模型是关于时序的概率模型，描述由一个隐藏的马尔科夫链随机生成不可观测的状态随机序列，再由各个状态生成一个观测而产生观测序列的过程。隐藏的马尔科夫链随机生成的状态的序列，称为状态序列；每个状态生成一个观测，而由此产生的观测的随机序列，称为观测序列。马尔科夫链由初始概率分布、状态转移概率分布以及观测概率分布确定(The hidden Markov model is a probabilistic model for time series. It describes the process of randomly generating unobservable state random sequences from a hidden Markov chain, and then generating an observation by each state to produce an observation sequence. A sequence of randomly generated states of hidden Markov chains, called a sequence of states; each state produces an observation, and the resulting random sequence of observations is called an observation sequence. Markov chain is determined by initial probability distribution, state transition probability distribution and observation probability distribution)
- 2019-05-27 12:01:38下载
- 积分：1
-
vs2013调用python ocr
本程序使用vs2013调用百度python ocr实现图片上的汉字识别，本机需要安装python工程中路径均已设置好，另外电脑需要联网
- 2022-05-20 15:35:12下载
- 积分：1
-
VUMAT
可以进行金属材料断裂模拟，经试验验证该模型的正确性(the damage programme for steel in Abaqus)
- 2017-09-26 11:24:50下载
- 积分：1
-
LSTM股票预测
说明： Lstm进行时间序列预测，预测股票数据，按日的数据(Prediction of time series by LSTM)
- 2020-08-30 16:08:10下载
- 积分：1
|
联系客服（QQ：3324461878）
