搜索资源列表
BK_Gauss混合高斯背景
- 本算法基于混合高斯模型编程，采用opencv库，能够运行
FuzzyBackgroundProbModel
- 基于模糊理论的概率背景模型检测图象中的概率背景算法程序
fuzzy-ppt
- 常规方法需要系统的模型，这有时是很难做到的，智能控制在此背景下发展起来，模糊控制、神经网络控制、专家系统被视为三种典型的智能控制方法。
singleGaussianmodel
- 本码源是针对于单高斯模型算法做的运动目标检测，其中实现了背景建模、背景更新和目标检测的步骤实现。-The source code is in the single-Gaussian model for the algorithm to do the moving target detection, in which the realization of the background modeling, background to update and steps to achieve targe
高斯背景模型
- 高斯背景模型，进行前景分离，目标提取，稳定性高。
predict
- 模拟人的思维特点,提出一种新型智能控制器:仿人逻辑预测控制器. 该控制器融合了基于泛布尔代数的逻辑控制器和基于模型的预测控制器的特点, 是一种多值逻辑混合动态系统. Matlab仿真表明, 该控制器在模型匹配时性能良好, 在模型失配时依然能满意运行, 表现出鲁棒性强, 超调量小的特点. 与其它类型人工智能控制器相比, 该控制器结构简单, 物理背景明确, 数学概念清晰, 便于在工业控制领域推广应用.-Simulation of the characteristics of people' s
time_series_analysis
- 麻省理工大学的时间序列分析课程讲义。讲义详细介绍了时间序列分析的相关背景、数学模型及应用的知识，是非常不错的时间序列分析的资料-Time Series Analysis MIT course notes. Lecture details the background time series analysis, mathematical models and application of knowledge, is a very good time series data
gesture-recognition
- 出并设计了基于计算机视觉的手势识别系统。采用双肤色模型和背景自适应模型进行手势分割，解决纷乱背景 下实时手势分割问题。以傅里叶描述于表缸E手势轮廓，基于BP网络建立的手势识别分类器，具有较强的自学习能力，提高了 识别率。-A hand gesture recogll主ti。n system which based on∞mputer vision is Prescn}ed in thi3 pape。A method of combinirlg double c010r-spatial
Predictive-Controller
- 逻辑预测控制 仿人逻辑预测控制器设计. 该控制器融合了基于泛布尔代数的逻辑控制器和基于模型的预测控制器的特点, 是一种多值逻辑混合动态系统. Matlab仿真表明, 该控制器在模型匹配时性能良好, 在模型失配时依然能满意运行, 表现出鲁棒性强, 超调量小的特点. 与其它类型人工智能控制器相比, 该控制器结构简单, 物理背景明确, 数学概念清晰, 便于在工业控制领域推广应用-Simulating characteristics of human intelligent, a new intelli
A2
- 计算智能是以模型（计算模型、数学模型）为基础、以分布并行计算为特征的模拟人的智能求解问题的理论与方法，本书系统的讲述计算智能的基本内容基本理论与基本方法1、从模拟智能的生成过程的观点讲述模拟进化的计算理论。2、从模拟智能结构的观点讲述人工神经网络理论。3、从模拟智能行为的观点讲述模糊逻辑与模糊推理。全书突出基础，强调背景，跟着研究与发展-Computational Intelligence based model (model, mathematical model)-based, distri
real-time-tracking
- 自适应背景混合模型用于目标的实时追踪，介绍了目标追踪的新方法-Real-time adaptive background mixture model for tracking targets, introduced a new method of target tracking
Deep Learning with Python
- 本书由Keras之父、现任Google人工智能研究员的弗朗索瓦?肖莱（Fran?ois Chollet）执笔，详尽介绍了用Python和Keras进行深度学习的探索实践，涉及计算机视觉、自然语言处理、生成式模型等应用。书中包含30多个代码示例，步骤讲解详细透彻。由于本书立足于人工智能的可达性和大众化，读者无须具备机器学习相关背景知识即可展开阅读。在学习完本书后，读者将具备搭建自己的深度学习环境、建立图像识别模型、生成图像和文字等能力。(Deep Learning with Python intr
Python深度学习.pdf+代码
- 本书由Keras之父、现任Google人工智能研究员的弗朗索瓦?肖莱（Franc?ois Chollet）执笔，详尽介绍了用Python和Keras进行深度学习的探索实践，包括计算机视觉、自然语言处理、产生式模型等应用。书中包含30多个代码示例，步骤讲解详细透彻。由于本书立足于人工智能的可达性和大众化，读者无须具备机器学习相关背景知识即可展开阅读。在学习完本书后，读者将具备搭建自己的深度学习环境、建立图像识别模型、生成图像和文字等能力。(This book is written by Franc
人员疏散仿真源程序
- 采用格子气模型和背景场模型对障碍物双出口房间内的行人疏散过程进行仿真(Simulation of pedestrian evacuation process in double exit room of obstacles using lattice gas model and background field model)
Deep Learning with Python
- 深度学习基本算法，深度学习with python作为标题建议介绍深度学习使用Python编程语言和开源Keras库，它允许简单快速的原型设计。 在Python深度学习中， 你将从一开始就学习深度学习，你将学习所有关于图像分类模型，如何使用深度学习获取文本和序列，甚至可以学习如何使用神经网络生成文本和图像。 本书是为那些具有Python技能的人员编写的，但你不必在机器学习，Tensorflow或Keras方面有过任何经验。你也不需要先进的数学背景，只有基础的高中水平数学应该让你跟随和理解核心