分类
发现
榜单
服务器优惠
AI论文
免费AI编程助手
搜索
注册
登录
分类
发现
榜单
服务器优惠
AI论文
免费AI编程助手
搜索
注册
登录
搜索
书栈网 · BookStack
本次搜索耗时
0.025
秒,为您找到
3534
个相关结果.
搜书籍
搜文档
资料
1380
2018-04-21
《Pinpoint学习笔记》
Pinpoint资料 官方资料 代码托管 WIKI 用户组 介绍文档 安装和开发文档 中文资料 Pinpoint资料 Pinpoint的资料,坦白说非常少,尤其中文资料几乎没有。 因此在整理资料时,自己动手翻译了部分内容。 官方资料 代码托管 Pinpoint的源代码托管在 github . WIKI WIKI地址 ...
测量
287
2023-04-02
《Blender 3.5 参考手册》
测量 激活 界面 概述 用法 测量 MeasureIt 是一个附加组件,旨在用于在视口中显示度量值,使具有精确度量的设计对象的过程更加容易。这些工具对于任何需要精确测量的工作都非常有用,包括建筑项目,技术设计和3D打印。 激活 打开Blender并转到 “首选项” ,然后转到 “附加组件” 选项卡。 单击 3D 视图,然后单击测量它以...
滤镜节点
86
2024-08-11
《Blender 4.2 参考手册》
滤镜节点 输入 属性 输出 例子 滤镜节点 滤镜节点对图像执行各种常规滤镜效果。 输入 系数 控制节点对输出图像的影响量。 图像 标准颜色输入。 属性 类型 柔化(Soften)、拉普拉斯(Laplace)、索贝尔(Sobel)、维特(Prewitt)和克什(Kirsch)都根据矢量微积分和集合理论执行边缘检测(方式略有不同...
滤镜节点
302
2024-06-26
《Blender 4.1 参考手册》
滤镜节点 输入 属性 输出 例子 滤镜节点 滤镜节点对图像执行各种常规滤镜效果。 输入 系数 控制节点对输出图像的影响量。 图像 标准颜色输入。 属性 类型 柔化(Soften),拉普拉斯过滤(Laplace),索贝尔(Sobel),维特(Prewitt)和克什(Kirsch)都根据矢量微积分和集合理论执行边缘检测(方式略有...
贡献者列表
3420
2019-06-02
《Alibaba Druid v1.0 使用手册》
刘加伟 温绍锦 张永为 修斯研 王瑾华 周科荣 septer 齐占明 左晃右过 高傲的羊 贡献者列表 刘加伟 公司 阿里集团介绍 项目发起人 温绍锦 公司:阿里集团介绍 开发者 张永为 公司:阿里巴巴介绍 开发者 修斯研 公司 支付宝介绍 开发者 王瑾华 公司: 阿里集团 周科荣 公司:新浪爱彩网介绍...
第7章 应用
10584
2018-05-11
《把时间当作朋友》
第七章:应用 1. 兴趣 2. 方法 3. 痛苦 4. 比较 5. 运气 6. 人脉 7. 自卑 8. 灵感 9. 鼓励 10. 效率 11. 节奏 12. 物极必反 绝对不要盲目地试图减少睡眠时间 尽量不要减少与家庭成员交流的时间 最好不要放弃你的社交时间 13. 自我证明 第七章:应用 1. 兴趣 经常有学生向我表...
五、谱聚类
1751
2020-05-31
《AI算法工程师手册》
五、谱聚类 5.1 邻接矩阵 5.2 拉普拉斯矩阵 5.3 谱聚类算法 5.3.1 最小切图 5.3.2 RatioCut 算法 5.3.3 Ncut 算法 5.4 性质 五、谱聚类 谱聚类spectral clustering 是一种基于图论的聚类方法。 谱聚类的主要思想是:基于数据集 来构建图 ,其中: 顶点 :由...
2. 无监督学习
1586
2020-03-01
《scikit-learn (sklearn) 0.19 官方文档中文版》
2. 无监督学习 2. 无监督学习 2.1 高斯混合模型 2.1.1 高斯混合 2.1.1.1 优缺点 2.1.1.1.1 优点 2.1.1.1.2 缺点 2.1.1.2 选择经典高斯混合模型中分量的个数 2.1.1.3 估计算法期望最大化(EM) 2.1.2 变分贝叶斯高斯混合 2.1.2.1 估计算法: 变分推断(var...
1.16. 概率校准
816
2020-03-01
《scikit-learn (sklearn) 0.19 官方文档中文版》
1.16. 概率校准 1.16. 概率校准 1.16. 概率校准 1.16. 概率校准 校验者: @曲晓峰 @小瑶 翻译者: @那伊抹微笑 执行分类时, 您经常希望不仅可以预测类标签, 还要获得相应标签的概率. 这个概率给你一些预测的信心. 一些模型可以给你贫乏的概率估计, 有些甚至不支持概率预测. 校准模块可以让您更好地校准给定模型的概率...
智能异常检测
1129
2022-11-30
《夜莺(Nightingale)v5.14 使用手册》
智能异常检测 On this page 时序数据异常检测简介 静态阈值可能遇到的问题 01.静态阈值覆盖场景有限,业务类监控数据不适用 02.阈值会由于特殊日或业务发展产生变化 03.传统静态阈值的设置,依赖专家经验,人力维护成本高 智能异常检测的优势 哪些场景适合智能异常检测? 夜莺的智能告警落地方案 自建还是购买? 从成本角度来看 ...
1..
«
71
72
73
74
»
..100