- 综合排序
- 最热优先
- 最新优先
- 来自专栏初见Linux
10-2 控制进程
二、控制进程 现在已经知道了如何查看和监控进程，接下来见识一下如何对进程进行控制。 将使用一个名为 xlogo 的程序作为实验对象。 0.xlogo （1）是什么? xlogo 程序是由 X
1.3K40发布于 2020-08-05 - 来自专栏嵌入式音视频
10-2 判断是否为素数
预览图如下 #include<stdio.h> #include <windows.h> int main() { int prime(int x); int n; system("color f0"); printf("请输入一个正整数\n该正整数要求大于1\n程序目的:判断这个数是否为素数\n"); scanf("%d",&n); if(prime(n)) printf("这个数是素数!\n"); else printf("这个数不是素数!\n"); return 0
41430编辑于 2022-12-01 - 来自专栏mysql
hhdb数据库介绍(10-2)
集群管理页面显示已部署或已添加的计算节点集群信息。可以通过左上角搜索框模糊搜索计算节点集群名称进行快速查找。同时也可以通过右侧展开/隐藏更多按钮控制集群列表所需展示的信息内容。
1K10编辑于 2025-03-12 - 来自专栏AI机器学习与深度学习算法
机器学习入门 10-2 精准率和召回率
本系列是《玩转机器学习教程》一个整理的视频笔记。本小节根据混淆矩阵工具计算精准率以及召回率。最后通过例子说明精准率和召回率在评价极度有偏的数据的分类任务上比准确率更好。
2K30发布于 2020-03-27 - 来自专栏思影科技
深度学习在静息态功能磁共振成像中的应用
对大脑区域和连接水平进行分析为fMRI数据提供了更直接的生物学解释，并且到目前为止一直有助于描述大脑中的特征。 这种分解可以识别一组大脑成分(即大脑体素的空间簇)以及相关活动的时间过程(ICA-TCs)。 对于KRR方法，超参数网格被扩展为核映射函数(线性核/多项式核等)，正则化参数的范围为([10-3,10-2,10-1,1])，核映射函数中的gamma参数(范围为[−4,2])。 此外，对于3D CNN DL模型，作者使用的批量大小为16，初始学习率设置为10-2并通过在[10-1,10-2,10-3,10-4,10-5,10-6]范围内进行调优。 两层双向LSTM模型和graph-CNN均使用了Adam优化器，并对学习率在[5×10-2,10-2,5×10-3,10-3,10-4]范围内和对批量大小在(16,32,64,128)范围内进行了调整。
2K30编辑于 2022-06-13 - 来自专栏完美Excel
VBA专题10-2：使用VBA操控Excel界面之设置工作表
名称框中的名字是为单元格区域定义的名字，可以由用户定义名称，或者由Excel自动创建，例如Print_Area和表1。
8.9K41发布于 2020-07-02 - 来自专栏脑电信号科研科普
Schizophrenia Bulletin: 精神分裂症的潜在临床-结构维度
通过专注于单一“模态”（仅用于临床或仅用于成像），无监督的学习方法会漏掉大脑与行为之间的关键联系，并且可能会产生难以解释或与临床经验一致的解决方案。 对于LV-1（认知-阴性症状维度），我们发现主分析和验证数据集的临床特征之间存在显著相关（r = 0.6，P = 2.0×10-2；95％CI：[0.09 0.90]；n = 0.0）。补充图S3）。 3.内在网络临床-结构维度映射 接下来，作者探究临床定义的形变模式在大脑中的分布以及它们的组织结构是否反映了潜在的功能结构。 与图2c中的体素水平上的结构模式一致，认知-阴性症状维度（LV-1）的形变模式主要分布在默认模式和视觉网络中，具有统计显著性（P = 1.2×10-2，P = 3.5 ×10-2）。 然而，将SES建模为中介后，SES对临床表达的直接影响（c = -0.034（0.01）；P <1.0×10-2；95％CI [-0.05，-0.01]）不显著（c’= -0.001（0.008）; P
1.1K00发布于 2021-01-25 - 来自专栏脑机接口
根据大脑活动来重建大脑所感知的图像
多伦多大学斯卡伯勒分校(University of Toronto Scarborough)的神经科学家开发了一项新技术，可以根据脑电图(EEG)收集的大脑活动，重建人们所感知的图像。 Nemrodov表示，“当我们看到某个物品时，我们的大脑会产生一种心理感知，这本质上是对事物的一种心理印象。我们能够利用脑电图捕捉到这种感觉，从而直接说明在此过程中大脑中发生了什么。” 他们的大脑活动被记录下来，然后使用基于机器学习算法的技术在受试者的脑海中以数字方式重建图像。 这不是研究人员第一次能够使用神经成像技术和基于视觉刺激重建图像。 虽然像 fMRI 这样的技术——通过检测血流变化来测量大脑活动——可以捕捉大脑特定区域发生的事情的详细细节，但 EEG 具有更大的实用潜力，因为它更常见、便携且价格低廉。 因此，我们可以使用EEG非常详细地了解我们大脑对面孔的感知是如何发展的。” 事实上，研究人员估计，我们的大脑需要大约170毫秒(0.17秒)才能形成我们所看到的面孔的良好表征。
1.2K40编辑于 2022-09-22 - 来自专栏大数据文摘
从视觉检测窥探人类大脑和数字大脑的差别
字符识别对于“智能”大脑而言是很难的：人类的大脑能识别具有缺失或错误字母的单词，比如 为什么是这样的形式？ 字符识别对于“智能”大脑而言是很难的：人类的大脑能识别具有缺失或错误字母的单词，比如G33z, y0u c4n 3v3n r34d th1s，这方面完胜“智能”大脑！还需要比较两者的适应性吗？ ◆ ◆ ◆ 重复性 当谈到重复性，“智能”大脑的得分更高。这几乎是大多数自动化过程中的关键概念：其结果将是可重复的，不管检查发生在什么时候。 那么，自动化视觉检测过程中，“你”实际上在做什么？
88350发布于 2018-05-22 - 来自专栏用户1692782的专栏
“大脑”生长系列（八）
今天一起来看一下如何对图像做旋转和镜像处理，同样， OpenCV也提供了相应的接口，让我们一起来学习一下喽。
56020发布于 2020-04-10 - 来自专栏用户1692782的专栏
大脑生长系列（六）
上一讲是如何改变图像的分辨率和对比度，这一讲介绍一个听起来高大上的功能，图像金字塔，个人理解图像金字塔本质上也是图像大小的改变，只是改变的方式和算法有所不同。OpenCV实现了两种图像金字塔的功能，一种高斯金字塔，一种拉普拉斯金字塔。
59310发布于 2020-04-10 - 来自专栏用户1692782的专栏
“大脑”生长系列（二）
三、灰度图：简单理解，就是YUV中只有Y分量，而不考虑UV分量，比较古老的黑白电视的效果便是这样的喽。
40120发布于 2020-04-10 - 来自专栏R语言数据分析指南
ggplot绘制大脑图谱
欢迎关注R语言数据分析指南 ❝最近交流群内看到有朋友询问大脑图谱相关的图，本节来介绍如何使用ggseg包来绘制此类图，该包内容十分丰富案例众多同时也兼容ggplot，详细内容请参考官方文档。
71810编辑于 2024-07-26 Google 在建未来的大脑，我们在做“聪明的大脑助手”
说它是“AI 模型大超市”好像有点低估它了——更准确地，GateOne 是一个能把各种强模型组织成“靠谱队伍”的派任务大脑 ♀️。
20110编辑于 2025-09-26- 来自专栏新智元
先有大脑，还是先有睡眠？ScienceAdvances解密：睡眠先于大脑进化
大脑是产生睡眠的前提吗？ScienceAdvances解密：原来睡眠比大脑出现的还要早。 水螅，又名九头蛇，是一种简单的生物。 身长不到半英寸，管状的身体一端有一只脚，另一端有一个嘴。 一个多世纪以来，研究睡眠的人员一直在大脑中寻找睡眠的目的和结构。他们研究了睡眠与记忆和学习的关系。对把我们推入昏睡状态又把我们拉出来的神经回路进行了编号。 大量的研究和人们的日常经验证明了人类睡眠与大脑的联系。 但是与这种以大脑为中心的睡眠观点相对应的观点已经出现。研究人员已经注意到，由肌肉和神经系统以外的其他组织产生的分子可以调节睡眠。 对于那些想更多了解睡眠的研究人员来说，了解睡眠对大脑的影响至关重要。 所以，在20世纪中叶，如果你想研究睡眠，你就成了脑电图的专家。 研究人员发现，海豚和迁徙的鸟类在看起来清醒的时候，可以让半个大脑进入睡眠状态。大象几乎每时每刻都醒着，而小棕蝙蝠几乎每时每刻都在睡觉。
1K20编辑于 2023-05-22 - 来自专栏AI科技大本营的专栏
Jeff Dean：谷歌大脑背后的“大脑” | AI名人堂
▌谷歌大脑的雏形 《纽约时报》的一篇长文「The Great A.I. 随后，Google X 联合斯坦福大学顺势推出了聚焦深度学习的项目「谷歌大脑」。 ▌背后的“大脑” 今年 1 月，Dean 晒出了谷歌大脑 2017 的第一份成绩单：从 AutoML、语义理解和语言生成、到机器学习算法、TPU、TensorFlow 和开源软件等基础研究工作都取得了傲人的成绩 显然，这份漂亮的成绩单离不开 Jeff Dean 这位谷歌大脑背后的「大脑」的推动。 除了基础科学的研究之外，谷歌大脑还会与其他做应用、工程、开发等各类团队进行合作。
1.3K30发布于 2018-07-23 - 来自专栏CSDN技术头条
大脑记忆的建模
据国外媒体报道，科学家近日发现了大脑形成及失去记忆背后的数学方程。他们认为，这些方程可以精确地描述我们唤起回忆的方式。未来某一天，这一发现或许能帮助医生消除或改变病人脑海中与创伤事件有关的回忆。 瑞士洛桑联邦理工学院的科学家们研究了大脑是如何通过突触形成记忆的。突触具有很高的可塑性，因此神经元可以改变信息传递速度和密度，从而改变记忆。 这一算法通过改良，可以用于研发新的科技，在大脑中激发新的记忆，或是完全抹去以前的记忆。 “如果我们能理解突触形成或解散记忆网络的方式，我们就能在人类认知方式或心理治疗等领域有新的进展。” 当人类或动物睡着时，大脑往往会对白天的经历进行回放，从而强化这段经历，或是记住新的经历。 巴黎高等物理化工学院的科学家成功运用大脑回放的原理，在熟睡的老鼠大脑中创造了新的记忆。 当之前标明的特定脑细胞变得活跃时，研究人员便使用电极刺激其大脑中与“奖励”相关的部分。 而老鼠醒来之后，他们便会匆匆前去能够得到奖励的地方。这说明科学家已经在它们脑中创造了新的记忆。
1.6K80发布于 2018-02-09 - 来自专栏用户1692782的专栏
“大脑”生长系列（三）
二值化就是将图像上的像素点的灰度值设置为0或255，通过一个阈值来判断，假设像素的值大于100设为255，小于100设为0便是一种策略。
53910发布于 2020-04-10 - 来自专栏用户1692782的专栏
“大脑”生长系列（五）
亮度：亮度是指发光体（反光体）表面发光（反光）强弱的物理量。一个比较抽象的解释，哈哈。
49520发布于 2020-04-10 - 来自专栏用户1692782的专栏
“大脑”生长系列（七）
dst = src1 * alpha（透明度 [0 ~ 1] 浮点数） + src2 * (1 - alpha) + gamma（增益）;
53910发布于 2020-04-10
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号