机器学习数学 该存储库包含伦敦帝国学院Coursera上针对“机器学习的数学”专业的所有测验/作业。 可以看到我的证明证明。 注意:此存储库中提供的材料仅用于帮助那些可能在课程中的任何时间卡住的人。 强烈建议没有人可以复制此处介绍的解决方案(Coursera Honor Code的验证)。 更新 课程1:线性代数-已完成 第1周-已完成第2周-已完成第3周-已完成第4周-已完成第5周-已完成 课程2:多元演算-已完成 第1周-已完成第2周-已完成第3周-已完成第4周-已完成第5周-已完成第6周-已完成 课程3:PCA-已完成 第1周-已完成第2周-已完成第3周-已完成第4周-已完成
2022-12-26 01:49:48 66.29MB JupyterNotebook
1
网络安全应急演练脚本 网络攻防之—针对ms17-010脚本(python) 一、漏洞简介 1、永恒之蓝介绍: 永恒之蓝漏洞(MS17-010),它的爆发源于 WannaCry 勒索病毒的诞生,该病毒是不法分子利用NSA(National Security Agency,美国国家安全局)泄露的漏洞 “EternalBlue”(永恒之蓝)进行改造而成 。勒索病毒的肆虐,俨然是一场全球性互联网灾难,给广大电脑用户造成了巨大损失。据统计,全球100多个国家和地区超过10万台电脑遭到了勒索病毒攻击、感染。 2、漏洞原理: 永恒之蓝漏洞通过 TCP 的445和139端口,来利用 SMBv1 和 NBT 中的远程代码执行漏洞,通过恶意代码扫描并攻击开放445文件共享端口的 Windows 主机。只要用户主机开机联网,即可通过该漏洞控制用户的主机。不法分子就能在其电脑或服务器中植入勒索病毒、窃取用户隐私、远程控制木马等恶意程序。 3、影响版本: 目前已知受影响的 Windows 版本包括但不限于:WindowsNT,Windows2000、Windows XP、Windows 2003、Win
2022-12-23 11:00:23 638B 网络攻防 护网 CTF 脚本
1
它是第 1 章的一部分 VaR 和 CVaR 说明
2022-12-18 03:33:52 7KB matlab
1
r-kaggle-泰坦尼克号 #Titanic生存预测 该存储库包含我针对Kaggle的《泰坦尼克号生存预测问题》的一些方法。 该存储库包括用于功能选择的脚本,用于数据建模的替代策略,原始测试和训练数据集以及为其生成的可视化图。 所有代码段均以R编写。 泰坦尼克号生存预测问题 在这一普遍的挑战中,目标是根据性别,阶级,机票详细信息,年龄类别等属性来预测什么样的人可能度过泰坦尼克号灾难。 程式码范例 去做 动机 列出的示例代码中的一种方法已提交给Kaggle。 安装 数据集可以在“数据”文件夹中找到。 它包括2个分别用于培训和测试的csv文件。 train.csv(59.76 kb) test.csv(27.96 kb) 使用以下R包。 seqinr:生物序列检索和分析 e1071:统计部概率论小组的其他职能(以前为E1071),维也纳工业大学 派对:递归派对的实验室 Ame
2022-12-16 11:06:19 77KB R
1
针对SU53提示修改用户角色权限
2022-12-14 15:50:51 684KB SU53 用户角色权限
1
针对PuTTY0.70的简单测试,界面测试,控件测试,易用性测试。其中包括0.70版本的测试报告,0.65和0.66的缺陷报告。
2022-12-11 14:08:01 60KB putty
1
UPX Tool+ 1.1.1专门针对Exe与dll的加壳 防报毒 防破解
2022-12-07 23:37:34 305KB 加壳
1
LADRC的matlab和simulink仿真 针对高志强的2003 ACC-LADRC中论文三个例子的Simulink仿真
2022-12-07 19:22:14 216KB LADRC
1
这是FID预训练好的模型,针对coco的文本生成图像定量指标训练好的模型 复现步骤请看:https://blog.csdn.net/air__Heaven/article/details/124751665 CUB-Bird的FID预训练好的模型,请看:https://download.csdn.net/download/air__Heaven/85362542
2022-12-05 11:28:49 30.57MB 文本生成图像 T2I FID GAN
单眼视觉测程 具有4个组成部分的单眼视觉里程表(VO):初始化,跟踪,局部地图和束调整。 阅读《灌篮高手》后,我做了这个项目。 这也是我于2019年3月在NWU开设的EESC-432 Advanced Computer Vision课程的最终项目。 演示: 在上图中: 左侧是视频和检测到的关键点。 右侧是与左侧视频相对应的摄像机轨迹:白线来自VO;白线来自VO。 绿线是事实。 白线上的红色标记是关键帧。 点是地图点,其中红色的点是新三角剖分的。 您可以在此处下载。 报告 我的pdf版本课程报告在。 与本自述文件相比,它对算法的描述更为清晰,因此我建议阅读。 目录 1.算法 通过以下过程/算法来实现此VO: 1.1。 初始化 估计相对相机姿势: 给定视频,将第一帧(图像)设置为参考,并与第二帧进行特征匹配。 计算两个帧之间的基本矩阵(E)和单应矩阵(H)。 用的方法计算它们的对称传递误差,然后选择更好的一个(即,如果H /(E + H)> 0.45,则选择H)。 将E或H分解为两个帧之间的相对姿势,即旋转(R)和平移(t)。 通过使用OpenCV,E给出1个结果,H给出2个结果,满
2022-11-28 15:02:23 86KB opencv tracking cpp eigen
1