CDN加速镜像 | 设为首页 | 加入收藏夹
当前位置: 首页 资源下载 源码下载 数值算法/人工智能 人工智能/神经网络/遗传算法 搜索资源 - probability of detection

搜索资源列表

  1. BMDCP

    1下载:
  2. 突变分为如下主要的几种:均值突变(最常见)、方差突变、线性回归突变(也称趋势突变)、概率突变、空间型突变、谱突变、模型参数突变,等等。贝叶斯突变检测属于概率突变检测方法,其特点是能给出突变点的概率分布图。-Mutations are divided into the following main categories: the mean mutation (the most common), variance mutation, linear regression mutation (also
  3. 所属分类:AI-NN-PR

    • 发布日期:2017-04-02
    • 文件大小:935byte
    • 提供者:张望
  1. 1-s2.0-S1007021411700050-main

    0下载:
  2. 一种基于神经网络的火灾探测方法检测信息开发利用温度,烟密度、CO浓度测定三个代表火的可能性条件。 下载后,觉得文章不错,大家可以看一下。-A neural network fire detection method was developed using detection nformation for temperature, smoke density, and CO concentration to determine the probability of three repres
  3. 所属分类:AI-NN-PR

    • 发布日期:2017-04-17
    • 文件大小:369.42kb
    • 提供者:houlimei
  1. Copy-Detection

    0下载:
  2. 使用下采样帧构成的列向量的PCA系数作为每帧特征(原则上,也可以使用其他类型的关键帧特征),多帧特征构成特征矢量,以高斯概率模型的后验概率衡量相似性、并建立k维树结构的索引进行搜索,文中对噪声、模糊、再压缩、加Logo,及其这些变换的两两组合进行了实验(丢帧很少时也可以),速度很快,适合于大规模因特网视频的搜索。-Use sampling frame column vector of the PCA coefficients as each frame features (in principl
  3. 所属分类:AI-NN-PR

    • 发布日期:2017-03-31
    • 文件大小:515.24kb
    • 提供者:吴思远
  1. single_node_multi_node

    1下载:
  2. 认知无线电中基于能量检测的协作频谱感知,考虑信噪比和检测概率的关系。分别 输出单结点和3结点的理论值与仿真值。-Cognitive radio based on energy detection cooperative spectrum sensing, consider the relationship between SNR and probability of detection. Respectively output nodes and three single-node theore
  3. 所属分类:AI-NN-PR

    • 发布日期:2017-04-10
    • 文件大小:806byte
    • 提供者:guhui
  1. MATLAB

    0下载:
  2. 认知无线电中基于能量检测的协作频谱感知,资料中涉及到不同信噪比、采样点数、协作结点的检测概率,具有一定的参考性。-Cognitive radio based on energy detection cooperative spectrum sensing, data related to different SNR, sampling points, the detection probability of cooperative node has a certain reference.
  3. 所属分类:AI-NN-PR

    • 发布日期:2017-04-08
    • 文件大小:10.76kb
    • 提供者:guhui
  1. squeezeDet-master

    0下载:
  2. 一种应用于目标检测中同时满足上述所有约束条件的全卷积神经网络结构。在我们的网络中,使用卷积层不只是用来提取特征图,同时也是作为输出层去计算边界框(bounding box)和分类概率。我们模型中的检测管道(detection pipeline)只包含一个神经网络的前向通路,因此它运行起来是极其迅速的。我们的模型是全卷积结构的,因此可以达到小的模型规模和很高的能量利用效率。最后的实验表明我们的模型能达到很高的精度,在 KITTI 基准上达到了最高的精确度。(A fully convoluted n
  3. 所属分类:人工智能/神经网络/深度学习

    • 发布日期:2018-10-11
    • 文件大小:2.38mb
    • 提供者:123xy
搜珍网 www.dssz.com