- Hansen Global Forest Change v1.11 (2000-2023)对大地遥感卫星图像进行时间序列分析以确定全球森林范围和变化特征的结果。第一个 "和 "最后一个 "波段是大地遥感卫星光谱波段（红、近红外、SWIR1 和 SWIR2）的第一个和最后一个可用年份的参考多光谱图像。参考复合图像代表了这些波段中每个波段的生长季节质量评估观测数据集的中值观测数据。请参阅 1... Hansen Global Forest Change v1.11 (2000-2023)对大地遥感卫星图像进行时间序列分析以确定全球森林范围和变化特征的结果。第一个 "和 "最后一个 "波段是大地遥感卫星光谱波段（红、近红外、SWIR1 和 SWIR2）的第一个和最后一个可用年份的参考多光谱图像。参考复合图像代表了这些波段中每个波段的生长季节质量评估观测数据集的中值观测数据。请参阅 1...
- ABoVE: Thaw Depth at Selected Unburned and Burned Sites Across Alaska简介文件修订日期：2024-02-06数据集版本: 1.0摘要该数据集提供了 2016 年 8 月、2017 年 6 月和 9 月以及 2018 年 7 月至 8 月期间在阿拉斯加七个地点进行的解冻深度测量。其中三个地点是成对的未烧毁-烧毁地点。在每个... ABoVE: Thaw Depth at Selected Unburned and Burned Sites Across Alaska简介文件修订日期：2024-02-06数据集版本: 1.0摘要该数据集提供了 2016 年 8 月、2017 年 6 月和 9 月以及 2018 年 7 月至 8 月期间在阿拉斯加七个地点进行的解冻深度测量。其中三个地点是成对的未烧毁-烧毁地点。在每个...
- 人工智能（Artificial Intelligence，AI）是当今科技领域的热门话题之一，而神经网络和机器学习作为AI的两个重要分支，在解决各种问题中发挥着重要作用。本文将详细介绍神经网络和机器学习的基本概念，帮助读者更好地理解这两个领域，并通过Python代码实例进行说明。 第一部分：理解神经网络 1. 什么是神经网络？神经网络是受到生物神经元启发的数学模型，它由多个神经元（节点）组成... 人工智能（Artificial Intelligence，AI）是当今科技领域的热门话题之一，而神经网络和机器学习作为AI的两个重要分支，在解决各种问题中发挥着重要作用。本文将详细介绍神经网络和机器学习的基本概念，帮助读者更好地理解这两个领域，并通过Python代码实例进行说明。 第一部分：理解神经网络 1. 什么是神经网络？神经网络是受到生物神经元启发的数学模型，它由多个神经元（节点）组成...
- ABoVE: Soil Moisture and Active Layer Thickness in Alaska and NWT, Canada, 2008-2020简介文件修订日期：2021-12-07数据集版本: 1摘要该数据集提供了不同研究团队在美国阿拉斯加和加拿大西北地区站点测量到的土壤解冻深度和湿度 (STDM) 测量值以及介电特性。每个站点有多个观测数据，观测数据总数为 3... ABoVE: Soil Moisture and Active Layer Thickness in Alaska and NWT, Canada, 2008-2020简介文件修订日期：2021-12-07数据集版本: 1摘要该数据集提供了不同研究团队在美国阿拉斯加和加拿大西北地区站点测量到的土壤解冻深度和湿度 (STDM) 测量值以及介电特性。每个站点有多个观测数据，观测数据总数为 3...
- 人工智能（Artificial Intelligence，AI）是当今科技领域的热门话题之一，而Python作为一种简单易学、功能强大的编程语言，在人工智能领域也扮演着重要的角色。本文将带领读者从零开始学习Python人工智能，主要围绕神经网络和机器学习展开，旨在让读者了解基本概念、原理以及如何用Python实现。 第一部分：神经网络入门 1. 什么是神经网络？神经网络是一种受到生物神经元启... 人工智能（Artificial Intelligence，AI）是当今科技领域的热门话题之一，而Python作为一种简单易学、功能强大的编程语言，在人工智能领域也扮演着重要的角色。本文将带领读者从零开始学习Python人工智能，主要围绕神经网络和机器学习展开，旨在让读者了解基本概念、原理以及如何用Python实现。 第一部分：神经网络入门 1. 什么是神经网络？神经网络是一种受到生物神经元启...
- 简介澳大利亚数字地球（DEA）土地覆被系统采用粮食及农业组织土地覆被分类系统分类法第二版（Di Gregorio 和 Jansen，1998 年；2005 年）为澳大利亚提供年度土地覆被分类。DEA 土地覆被将 30 多年的卫星图像转化为澳大利亚土地、植被和水体随时间变化的证据。土地覆被是地球表面观察到的物理覆被，包括树木、灌木、草、土壤、裸露的岩石、水体、种植园、农作物和建筑结构。全澳大利... 简介澳大利亚数字地球（DEA）土地覆被系统采用粮食及农业组织土地覆被分类系统分类法第二版（Di Gregorio 和 Jansen，1998 年；2005 年）为澳大利亚提供年度土地覆被分类。DEA 土地覆被将 30 多年的卫星图像转化为澳大利亚土地、植被和水体随时间变化的证据。土地覆被是地球表面观察到的物理覆被，包括树木、灌木、草、土壤、裸露的岩石、水体、种植园、农作物和建筑结构。全澳大利...
- 简介该产品提供统计工具，用于利用澳大利亚数字地球中的 Landsat 8 数据时间序列，提供总体状况的年度图像，以及特定年份某一地区的变化程度。该产品的大地测量部分提供特定年份的 "平均 "无云图像。地磁图像采用多维中值计算，同时使用卫星图像的所有光谱测量值，以保持测量值之间的关系。该产品的绝对偏差中值部分使用了三种方差测量方法，每种方法都提供了给定年份的 "二阶 "高维统计综合结果。根据... 简介该产品提供统计工具，用于利用澳大利亚数字地球中的 Landsat 8 数据时间序列，提供总体状况的年度图像，以及特定年份某一地区的变化程度。该产品的大地测量部分提供特定年份的 "平均 "无云图像。地磁图像采用多维中值计算，同时使用卫星图像的所有光谱测量值，以保持测量值之间的关系。该产品的绝对偏差中值部分使用了三种方差测量方法，每种方法都提供了给定年份的 "二阶 "高维统计综合结果。根据...
- 简介该产品提供统计工具，用于利用澳大利亚数字地球中的 Landsat 7 数据时间序列，提供总体状况的年度图像，以及特定年份某一地区的变化程度。该产品的大地测量部分提供特定年份的 "平均 "无云图像。地磁图像采用多维中值计算，同时使用卫星图像的所有光谱测量值，以保持测量值之间的关系。该产品的绝对偏差中值部分使用了三种方差测量方法，每种方法都提供了给定年份的 "二阶 "高维统计综合结果。根据... 简介该产品提供统计工具，用于利用澳大利亚数字地球中的 Landsat 7 数据时间序列，提供总体状况的年度图像，以及特定年份某一地区的变化程度。该产品的大地测量部分提供特定年份的 "平均 "无云图像。地磁图像采用多维中值计算，同时使用卫星图像的所有光谱测量值，以保持测量值之间的关系。该产品的绝对偏差中值部分使用了三种方差测量方法，每种方法都提供了给定年份的 "二阶 "高维统计综合结果。根据...
- 强化学习是一种机器学习方法，用于训练智能体（agent）在与环境的交互中学习如何做出最优决策。SARSA是强化学习中的一种基于状态-行动-奖励-下一个状态的方法，用于学习最优策略。本文将详细介绍SARSA的原理、实现方式以及如何在Python中应用。 什么是SARSA？SARSA是一种基于值函数的强化学习方法，其名字来源于状态（State）、行动（Action）、奖励（Reward）、下一个... 强化学习是一种机器学习方法，用于训练智能体（agent）在与环境的交互中学习如何做出最优决策。SARSA是强化学习中的一种基于状态-行动-奖励-下一个状态的方法，用于学习最优策略。本文将详细介绍SARSA的原理、实现方式以及如何在Python中应用。 什么是SARSA？SARSA是一种基于值函数的强化学习方法，其名字来源于状态（State）、行动（Action）、奖励（Reward）、下一个...
- Daily SnowModel Outputs Covering the ABoVE Core Domain, 3-km Resolution, 1980-2020简介文件修订日期：2023-01-27数据集版本: 1摘要该数据集提供了 1980 年 9 月 1 日至 2020 年 8 月 31 日期间 3 千米网格上的 SnowModel 每日模拟输出，涵盖 ABoVE 核心区域。每日... Daily SnowModel Outputs Covering the ABoVE Core Domain, 3-km Resolution, 1980-2020简介文件修订日期：2023-01-27数据集版本: 1摘要该数据集提供了 1980 年 9 月 1 日至 2020 年 8 月 31 日期间 3 千米网格上的 SnowModel 每日模拟输出，涵盖 ABoVE 核心区域。每日...
- Python代码示例：取出x_train前100行数据在机器学习和数据处理中，有时我们需要对数据集进行处理，比如提取其中的部分数据进行分析或训练模型。在Python中，我们可以利用简单的代码来实现这一功能。下面就以一个示例来演示如何使用Python取出数据集x_train的前100行数据。 首先，假设我们已经加载了数据集x_train，接下来我们将展示如何取出前100行数据：pythonCo... Python代码示例：取出x_train前100行数据在机器学习和数据处理中，有时我们需要对数据集进行处理，比如提取其中的部分数据进行分析或训练模型。在Python中，我们可以利用简单的代码来实现这一功能。下面就以一个示例来演示如何使用Python取出数据集x_train的前100行数据。 首先，假设我们已经加载了数据集x_train，接下来我们将展示如何取出前100行数据：pythonCo...
- LSTM 的时间步展开：探究序列数据处理与多时间步展开 I. 介绍长短期记忆网络（Long Short-Term Memory，简称 LSTM）是一种特殊的循环神经网络（Recurrent Neural Network，简称 RNN），专门用于处理序列数据。LSTM 在处理序列数据时能够有效地捕捉长期依赖关系，适用于语音识别、文本生成、时间序列预测等任务。本文将深入探讨 LSTM 网络如何... LSTM 的时间步展开：探究序列数据处理与多时间步展开 I. 介绍长短期记忆网络（Long Short-Term Memory，简称 LSTM）是一种特殊的循环神经网络（Recurrent Neural Network，简称 RNN），专门用于处理序列数据。LSTM 在处理序列数据时能够有效地捕捉长期依赖关系，适用于语音识别、文本生成、时间序列预测等任务。本文将深入探讨 LSTM 网络如何...
- 在机器学习领域，Stacking是一种高级的集成学习方法，它通过将多个基本模型的预测结果作为新的特征输入到一个元模型中，从而提高整体模型的性能和鲁棒性。本文将深入介绍Stacking的原理、实现方式以及如何在Python中应用。 什么是Stacking？Stacking，又称为堆叠泛化（Stacked Generalization），是一种模型集成方法，与Bagging和Boosting不同... 在机器学习领域，Stacking是一种高级的集成学习方法，它通过将多个基本模型的预测结果作为新的特征输入到一个元模型中，从而提高整体模型的性能和鲁棒性。本文将深入介绍Stacking的原理、实现方式以及如何在Python中应用。 什么是Stacking？Stacking，又称为堆叠泛化（Stacked Generalization），是一种模型集成方法，与Bagging和Boosting不同...
- 在机器学习领域，Boosting是一种强大的集成学习方法，它通过串行训练多个弱学习器（weak learner）并将它们组合成一个强大的模型。本文将详细介绍Boosting的原理、常见算法以及如何在Python中实现。 什么是Boosting？Boosting是一种迭代的集成学习方法，其基本思想是通过串行训练多个弱学习器，并对每个学习器的预测结果进行加权组合，从而得到一个更强大的模型。与Ba... 在机器学习领域，Boosting是一种强大的集成学习方法，它通过串行训练多个弱学习器（weak learner）并将它们组合成一个强大的模型。本文将详细介绍Boosting的原理、常见算法以及如何在Python中实现。 什么是Boosting？Boosting是一种迭代的集成学习方法，其基本思想是通过串行训练多个弱学习器，并对每个学习器的预测结果进行加权组合，从而得到一个更强大的模型。与Ba...
- ABoVE: L1 S-0 Polarimetric Data from UAVSAR P-band SAR, Alaska and Canada, 2017简介文件修订日期：2021-04-03数据集版本: 1摘要本数据集提供了在美国阿拉斯加和加拿大西部 74 个研究地点采集的 UAVSAR P 波段合成孔径雷达仪器的 1 (L1) 级极坐标雷达后向散射系数（Sigma-0 或 S-0）... ABoVE: L1 S-0 Polarimetric Data from UAVSAR P-band SAR, Alaska and Canada, 2017简介文件修订日期：2021-04-03数据集版本: 1摘要本数据集提供了在美国阿拉斯加和加拿大西部 74 个研究地点采集的 UAVSAR P 波段合成孔径雷达仪器的 1 (L1) 级极坐标雷达后向散射系数（Sigma-0 或 S-0）...
上滑加载中
推荐直播
-
华为云码道Agent集成与鸿蒙实战2026/08/11 周二 19:00-21:00
王一男-华为云码道产品规划专家；李炎-华为云码道产品专家；彭江敏-华为云鸿蒙端云一体化开发专家
本次直播带你解读华为云码道7月份产品新特性、新功能。更有专家演示码道Agent Space × 钉钉机器集成实战，从0到1打通消息通道；码道鸿蒙端云一体化实战，快速搭建员工签到系统。
回顾中 -
华为云开发者AI素养直播课·第三期2026/08/21 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人；念擎-华为云AI开发者运营案例开发专家
本期直播内容：AI六层能力首次详细解读 + 新一代华为云开发者空间亮相 + 校园案例直播带练
回顾中 -
华为云开发者AI素养直播课·第四期2026/08/28 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人；吴松明-华为云AI开发者案例开发专家
EduSwarm 是一个基于多智能体框架构建的 AI 教师团队协作平台：把备课、上课、作业、批改、学情等教学环节，交给多位专职 AI Agent（课件师、出题官、批改师、学情分析师等）协作完成。教师从「亲力亲为」变成「做决策」，学生只需凭课堂码加入即可实时跟课。
回顾中
热门标签