登录
首页 » 算法 » 非 INTILEGENCE 机器人,更多的 U 文字他他学得越多

非 INTILEGENCE 机器人,更多的 U 文字他他学得越多

于 2022-01-25 发布 文件大小:1.05 MB
0 139
下载积分: 2 下载次数: 2

代码说明:

丹妮 转让的目的是执行 DANI — — 动态人工非智力。丹妮是什么现今称为会话代理,它的灵感来自科幻小说这种 HAL,计算机从星际迷航 》 和银河系漫游指南 》 银河从埃迪的讲话电脑。 丹妮开头没有英语语言的知识。您键入一个句子和丹妮响应与一个句子。如您与丹妮进行交互,它学会了更多和更多的单词,可以跟你聊。有关完整说明请参见 MSX 计算杂志 2 月-3 月 1987年。这是怎么丹妮从我重新执行工作。 丹妮保留它知道带有链接的每个字下面,计数与列表中的每个单词的每个单词的列表。这可以视为字的图形。您输入的每个句子,丹妮分析单词的列表。然后,程序搜索每个字在句中,键入其单词列表和丹妮如果找到匹配项,将链接添加到后面您键入的单词的单词。如果该链接已经存在,然后 DANI 更新该链接的计数。例如以下词语: "我孤独地漫游作为一片云,浮上高矿石溪谷和群山时所有在一个我看见一群人的金色水仙,主机" 生成以下 word 图形: I: 荡来荡去 (1) 看见 (1) 徘徊: 孤独 (1) 孤独: 作为 (1) 如: (1) 答: 云 (1) 人群 (1) 主机 (1) 云: 那 (1) 那: 浮游物 (1) 浮游物: (1)

下载说明:请别用迅雷下载,失败请重下,重下不扣分!

发表评论

0 个回复

  • 巴斯角三角形
    经典算法巴斯角三角形的实现,类似中国古代的杨辉三角#include #define N 12 long combi(int n, int r){     int i;     long p = 1;     for(i = 1; i
    2022-12-16 03:55:02下载
    积分:1
  • 有关复杂网络的igraph类
    igraph是一个建立和操纵无向图、有向图的开源C程序库,它既包含经典图论里的各种算法(例如最小支撑树、网络流等),也包含了最近的出现的一些网络分析算法(如社团结构搜索等)。igraph是C写的,这意味着你很容易在C/C++中使用它。如果你不熟悉这两种语言,或者觉得用C/C++太繁琐的话,igraph还提供了R语言(一种国外很流行的统计分析语言)和Python语言的接口,所以也很适合科研人员使用(我现在用的是Python,调用igraph很简单)。
    2022-02-03 02:43:22下载
    积分:1
  • Fingrerprint 匹配
    指纹识别算法的源代码 c + + 源代码将有助于开发任何应用程序来构建指纹帕利采夫访问控制系统。Vse 存档中的必要文件。
    2022-03-30 15:54:29下载
    积分:1
  • 约瑟夫问题
    约瑟夫问题-Joseph
    2022-10-21 18:15:03下载
    积分:1
  • c# kalman 滤波
    c#  实现的Kalman滤波算法能够很好地得到、观测和测量模型数据,你值得拥有。欢迎大家下载、试用。谢谢大家的支持!
    2022-06-03 11:59:22下载
    积分:1
  • Runge
    Runge-Kutta-Fehlberg method
    2022-05-17 05:47:44下载
    积分:1
  • 科学与工程数值vcjj
    源码包含许多工程常用数值算法,可用于vc编程研究,具有很强的使用价值。
    2023-05-12 08:10:03下载
    积分:1
  • 股票交易系统
    股票交易系统
    2023-04-19 03:25:04下载
    积分:1
  • 遗传程序
    遗传算法的程序实现,包括随机数产生,初始化种群,适应度计算,种群排序,反馈式突变选择、交叉、变异等步骤组成。 使用中自行调节适应度函数。
    2022-07-26 12:05:46下载
    积分:1
  • 问题分类
    TF-IDF(term frequency–inverse document frequency)是一种用于资讯检索与资讯探勘的常用加权技术, TFIDF的主要思想是:如果某个词或短语在一篇文章中出现的频率TF高,并且在其他文章中很少出现,则认为此词或者短语具有很好的类别区分能力,适合用来分类。TFIDF实际上是:TF * IDF,TF词频(Term Frequency),IDF反文档频率(Inverse Document Frequency)。TF表示词条在文档d中出现的频率。IDF的主要思想是:如果包含词条t的文档越少,也就是n越小,IDF越大,则说明词条t具有很好的类别区分能力。如果某一类文档C中包含词条t的文档数为m,而其它类包含t的文档总数为k,显然所有包含t的文档数n=m + k,当m大的时候,n也大,按照IDF公式得到的IDF的值会小,就说明该词条t类别区分能力不强。但是实际上,如果一个词条在一个类的文档中频繁出现,则说明该词条能够很好代表这个类的文本的特征,这样的词条应该给它们赋予较高的权重,并选来作为该类文本的特征词以区别与其它类文档。这就是IDF的不足之处。
    2022-02-24 18:34:48下载
    积分:1
  • 696516资源总数
  • 106914会员总数
  • 0今日下载