关注
码龄
粉丝数
原力等级 --
被采纳
被点赞
采纳率
Five hundred miles188
2024-05-20 11:36
采纳率: 100%
浏览 8
首页
数据结构与算法
已结题
图示五个参数的模型校正是用什么方法做出来的。如何建立其他模型
¥15
最小二乘法
线性回归
如图 使用模型预测反应程度和及时追加原理,原来的工程师跑路,现在重新做,看不懂参数来源 能看懂的分享下
收起
写回答
好问题
0
提建议
关注问题
微信扫一扫
点击复制链接
分享
邀请回答
编辑
收藏
删除
收藏
举报
19
条回答
默认
最新
关注
码龄
粉丝数
原力等级 --
被采纳
被点赞
采纳率
「已注销」
2024-05-20 11:54
关注
请上传PECT_KS.xlsm
本回答被题主选为最佳回答
, 对您是否有帮助呢?
本回答被专家选为最佳回答
, 对您是否有帮助呢?
本回答被题主和专家选为最佳回答
, 对您是否有帮助呢?
解决
无用
评论
打赏
微信扫一扫
点击复制链接
分享
举报
评论
按下Enter换行,Ctrl+Enter发表内容
查看更多回答(18条)
向“C知道”追问
报告相同问题?
提交
关注问题
Lens Shading Correction(LSC)与离线
校正
流程详解:原理、算法实现与工程调试路径
2025-06-09 12:39
观熵的博客
在手机摄像头成像链路中,镜头阴影
校正
(Lens Shading Correction,LSC)是保证图像亮度...本文将系统讲解 LSC 的物理成因、Grid Map 建模、典型 ISP 实现路径,以及离线 LUT 生成
方法
与多平台校准实践,覆盖 Qualcomm
基于信息畸变修正和粒子群算法融合的配电网故障定位.pdf
2021-09-28 23:33
文档中还提供了配电网的
模型
图示
,例如一个由九个节点组成的分布网络
模型
,以及PSO算法的流程图。这些示例和图表有助于我们更直观地理解故障定位
方法
的工作原理和步骤。 本文的研究内容非常专业,涉及了电力系统、...
一种基于火柴棒
模型
的图像水平倾斜矫正算法
2014-05-24 22:26
这可能意味着火柴棒
模型
与其他传统的图像倾斜
校正
算法有所不同,它可能在处理某些特定类型图像或是提高矫正精确度上有所突破。 文章的标签“火柴棒 倾斜
校正
”进一步指出,算法的核心在于火柴棒
模型
的应用。该
模型
...
【大
模型
基础】OCR技术全解析:从原理到实践的深度指南
2025-12-13 08:52
NeoLshu的博客
OCR技术全解析:原理、应用与方案对比 OCR(光学字符识别)技术已成为连接物理与数字世界的核心工具,广泛应用于金融、政务、教育等领域。其核心流程包括图像预处理、文本检测、识别和后处理,技术发展经历了传统...
计算机视觉:相机
模型
与
参数
标定
2022-05-22 21:53
Laker 23的博客
针孔照相机
模型
(有时称为射影照相机
模型
)是计算机视觉中广泛使用的照相机
模型
。对于大多数应用来说,针孔照相机
模型
简单,并且具有足够的精确度。这个名字来源于一种类似暗箱机的照相机。该照相机从一个小孔采集射...
任务
参数
化高斯混合
模型
(task-parameterized Gaussian mixture model,TP-GMM)
2021-09-10 19:46
陈三章的博客
面对这一挑战的一个先决条件是设计一个机器人应该
做
什么(它应该如何移动,它应该遵循什么行为)的通用表示,该表示与上述技术兼容,并且可以双边共享。特别是在不断变化的环境中,服务机器人的动作需要快速生成并...
为什么90%的大
模型
上线后失控?Python监控工具使用不当是关键
2025-10-02 13:37
ByteShoal的博客
解决大
模型
上线失控难题,关键在于科学监控。本文剖析大
模型
监控工具Python的正确使用
方法
,涵盖推理延迟、资源占用等核心指标监测,适用于AIGC、对话系统等场景,提升稳定性与可维护性,值得收藏。
【大
模型
微调数据标注规范】:9大核心准则揭秘,提升
模型
精度的关键一步
2025-12-10 15:07
ByteGlow的博客
掌握大
模型
微调数据的标注规范,提升
模型
精度的关键一步。涵盖NLP、对话系统等场景,详解一致性、准确性、上下文完整性等9大核心准则,确保训练数据高质量。实用
方法
论助力算法优化,值得收藏。
神经网络中超
参数
调节和优化技巧、优化算法的分类介绍
2023-02-22 16:31
Dream_Bri的博客
神经网络中超
参数
调节和优化技巧、优化算法的分类介绍
【强化学习解惑】离线强化学习(Offline RL)在大
模型
开发中具备怎样的优势和挑战?
2025-08-17 15:21
云博士的AI课堂的博客
离线强化学习(Offline RL)在大
模型
开发中具备怎样的优势和挑战?
没有解决我的问题,
去提问
向专家提问
向AI提问
付费问答(悬赏)服务下线公告
◇ 用户帮助中心
◇ 新手如何提问
◇ 奖惩公告
问题事件
关注
码龄
粉丝数
原力等级 --
被采纳
被点赞
采纳率
已结题
(查看结题原因)
5月24日
关注
码龄
粉丝数
原力等级 --
被采纳
被点赞
采纳率
已采纳回答
5月24日
关注
码龄
粉丝数
原力等级 --
被采纳
被点赞
采纳率
创建了问题
5月20日