a Meta serach engine
上傳時(shí)間： 2014-09-12
上傳用戶：a6697238
Heritrix是一個開源,可擴(kuò)展的web爬蟲項(xiàng)目。Heritrix設(shè)計(jì)成嚴(yán)格按照robots.txt文件的排除指示和Meta robots標(biāo)簽。
標(biāo)簽： Heritrix robots Meta web
上傳時(shí)間： 2015-11-29
上傳用戶：bruce
MQL4外匯交易平臺的腳本語言參考文檔 MQL4是Meta Trader外匯交易平臺的一種腳本語言，使用這種腳本語言可以實(shí)現(xiàn)外匯自動交易。
上傳時(shí)間： 2013-12-16
上傳用戶：lepoke
Boosting is a Meta-learning approach that aims at combining an ensemble of weak classifiers to form a strong classifier. Adaptive Boosting (Adaboost) implements this idea as a greedy search for a linear combination of classifiers by overweighting the examples that are misclassified by each classifier. icsiboost implements Adaboost over stumps (one-level decision trees) on discrete and continuous attributes (words and real values). See http://en.wikipedia.org/wiki/AdaBoost and the papers by Y. Freund and R. Schapire for more details [1]. This approach is one of most efficient and simple to combine continuous and nominal values. Our implementation is aimed at allowing training from millions of examples by hundreds of features in a reasonable time/memory.
標(biāo)簽： Meta-learning classifiers combining Boosting
上傳時(shí)間： 2016-01-30
上傳用戶：songnanhua
PHP國外新聞發(fā)布系統(tǒng)的下載地址_下載_ASP集中營< _TITLE> < Meta http
上傳時(shí)間： 2017-01-16
上傳用戶：wcl168881111111
AdaBoost, Adaptive Boosting, is a well-known Meta machine learning algorithm that was proposed by Yoav Freund and Robert Schapire. In this project there two main files 1. ADABOOST_tr.m 2. ADABOOST_te.m to traing and test a user-coded learning (classification) algorithm with AdaBoost. A demo file (demo.m) is provided that demonstrates how these two files can be used with a classifier (basic threshold classifier) for two class classification problem.
標(biāo)簽： well-known algorithm AdaBoost Adaptive
上傳時(shí)間： 2014-01-15
上傳用戶：qiaoyue
AdaBoost, Adaptive Boosting, is a well-known Meta machine learning algorithm that was proposed by Yoav Freund and Robert Schapire. In this project there two main files
標(biāo)簽： well-known algorithm AdaBoost Adaptive
上傳時(shí)間： 2013-12-31
上傳用戶：jiahao131
MTK 手機(jī)軟件開發(fā) Meta 源代碼,開發(fā)環(huán)境: C++ Builder
標(biāo)簽： Builder Meta MTK 手機(jī)
上傳時(shí)間： 2014-01-13
上傳用戶：frank1234
Meta首份元宇宙白皮書稱，如果元宇宙技術(shù)從 2022 年開始被采用，到 2031 年，元宇宙技術(shù)將為全球 GDP 貢獻(xiàn) 3.01 萬億美元，其中三分之（1.04 萬億美元）來自亞太地區(qū)。2022-the-potential-global-economic-impact-of-the-Metaverse報(bào)告原文下載，PDF文檔下載
標(biāo)簽： 元宇宙 Meta 報(bào)告白皮書
上傳時(shí)間： 2022-07-26
上傳用戶：canderile
近年來微光、紅外、X光圖像傳感器在軍事、科研、工農(nóng)業(yè)生產(chǎn)、醫(yī)療衛(wèi)生等領(lǐng)域的應(yīng)用越來越為廣泛，但由于這些成像器件自身的物理缺陷，視覺效果很不理想，往往需要對圖像進(jìn)行適當(dāng)?shù)奶幚恚缘玫竭m合人眼觀察或機(jī)器識別的圖像。因此，市場急需大量高效的實(shí)時(shí)圖像處理器能夠在傳感器后端對這類圖像進(jìn)行處理。而FPGA的出現(xiàn)，恰恰解決了這個問題。 近十年來，隨著FPGA(現(xiàn)場可編程門陣列)技術(shù)的突飛猛進(jìn)，F(xiàn)PGA也逐漸進(jìn)入數(shù)字信號處理領(lǐng)域，尤其在實(shí)時(shí)圖像處理方面。Xilinx的研究表明，在2000年主要用于DSP應(yīng)用的FPGA的發(fā)貨量，增長了50％；而常規(guī)的DSP大約增長了40％。由于FPGA可無比擬的并行處理能力，使得FPGA在圖像處理領(lǐng)域的應(yīng)用持續(xù)上升，國內(nèi)外，越來越多的實(shí)時(shí)圖像處理應(yīng)用都轉(zhuǎn)向了FPGA平臺。與PDSP相比，F(xiàn)PGA將在未來統(tǒng)治更多前端(如傳感器)應(yīng)用，而PDSP將會側(cè)重于復(fù)雜算法的應(yīng)用領(lǐng)域。可以說，F(xiàn)PGA是數(shù)字信號處理的一次重大變革。 算法是圖像處理應(yīng)用的靈魂，是硬件得以發(fā)揮其強(qiáng)大功能的根本。”共軛變換”圖像處理方法是一種新型的圖像處理算法，由鄭智捷博士上個世紀(jì)90年代初提出。這種算法使用基元形狀(Meta-shape)技術(shù)，而這種技術(shù)的特征正好具備幾何與拓?fù)涞碾p重特性，使得大量不同的基于形態(tài)的灰度圖像處理濾波器可用這種方法實(shí)現(xiàn)。該種算法在空域進(jìn)行圖像處理，無需進(jìn)行大量復(fù)雜的算術(shù)運(yùn)算，算法簡單、快速、高效，易于硬件實(shí)現(xiàn)。通過十多年來的實(shí)驗(yàn)與實(shí)踐證明，在微光圖像，紅外圖像，X光圖像處理領(lǐng)域，”共軛變換”圖像處理方法確實(shí)有其獨(dú)特的優(yōu)異性能。本篇論文就針對”共軛變換”圖像處理方法在微光圖像處理領(lǐng)域的應(yīng)用，就如何在FPGA上實(shí)現(xiàn)”共軛變換”圖像處理方法展開研究。首先在Matlab環(huán)境下，對常用的圖像增強(qiáng)算法和”共軛變換”圖像處理方法進(jìn)行了比較，并且在設(shè)計(jì)制作“FPGA視頻處理開發(fā)平臺”的基礎(chǔ)上，用VHDL實(shí)現(xiàn)了”共軛變換”圖像處理方法的基本內(nèi)核并進(jìn)行了算法的硬件實(shí)現(xiàn)與效果驗(yàn)證。此外，本文還詳細(xì)地討論了視頻流的采集及其編碼解碼問題以及I2C總線的FPGA實(shí)現(xiàn)。
上傳時(shí)間： 2013-04-24
上傳用戶：CHENKAI
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
