大约有 2,000 项符合查询结果（耗时：0.0069秒） [XML]
通信连接组件 · App Inventor 2 中文网
...。
解码JSON文本(JSON文本)
解码给定的 JSON 编码值以生成相应的 AppInventor 值。
JSON 列表 [x, y, z] 解码为列表 (x y z)，具有键 A 和值 B 的 JSON 对象（表示为 {A:B}）解码为列表 (( A B))，即包含二元素列表(A B)的列表。
如果...
【App Inventor 2 数据可视化】使用柱状图和饼图收集数据 - App应用开发 - ...
...源地址：https://drive.google.com/drive/f ... 0BGKOaa?usp=sharing（如打不开可以直接在附件中下载）
数据在行动1：使用柱状图和饼图收集数据跟踪我的情绪这个渐进式的指南告诉你如何创建一个App来跟踪你一周或一个月的情绪，并可视...
地图组件（高德地图） · App Inventor 2 中文网
... 特征列表 参数是一个特征描述列表，可以使用 根据描述生成特征 方法将其转换为组件。
坐标无效(消息)
当程序在处理地理数据时遇到无效点时，会触发 坐标无效 事件。
当点的经度或纬度超出可接受范围（分别为 [-9...
Deep Learning（深度学习）学习笔记整理系列之（三） - 大数据 & AI - 清泛...
...，一是每次训练一层网络，二是调优，使原始表示x向上生成的高级表示r和该高级表示r向下生成的x'尽可能一致。方法是：
1）首先逐层构建单层神经元，这样每次都是训练一个单层网络。
2）当所有层训练完后，Hinton使用wake-sl...
Deep Learning（深度学习）学习笔记整理系列之（三） - 大数据 & AI - 清泛...
...，一是每次训练一层网络，二是调优，使原始表示x向上生成的高级表示r和该高级表示r向下生成的x'尽可能一致。方法是：
1）首先逐层构建单层神经元，这样每次都是训练一个单层网络。
2）当所有层训练完后，Hinton使用wake-sl...
Deep Learning（深度学习）学习笔记整理系列之（三） - 大数据 & AI - 清泛...
...，一是每次训练一层网络，二是调优，使原始表示x向上生成的高级表示r和该高级表示r向下生成的x'尽可能一致。方法是：
1）首先逐层构建单层神经元，这样每次都是训练一个单层网络。
2）当所有层训练完后，Hinton使用wake-sl...
Deep Learning（深度学习）学习笔记整理系列之（三） - 大数据 & AI - 清泛...
...，一是每次训练一层网络，二是调优，使原始表示x向上生成的高级表示r和该高级表示r向下生成的x'尽可能一致。方法是：
1）首先逐层构建单层神经元，这样每次都是训练一个单层网络。
2）当所有层训练完后，Hinton使用wake-sl...
Deep Learning（深度学习）学习笔记整理系列之（三） - 大数据 & AI - 清泛...
...，一是每次训练一层网络，二是调优，使原始表示x向上生成的高级表示r和该高级表示r向下生成的x'尽可能一致。方法是：
1）首先逐层构建单层神经元，这样每次都是训练一个单层网络。
2）当所有层训练完后，Hinton使用wake-sl...
Deep Learning（深度学习）学习笔记整理系列之（三） - 大数据 & AI - 清泛...
...，一是每次训练一层网络，二是调优，使原始表示x向上生成的高级表示r和该高级表示r向下生成的x'尽可能一致。方法是：
1）首先逐层构建单层神经元，这样每次都是训练一个单层网络。
2）当所有层训练完后，Hinton使用wake-sl...
Deep Learning（深度学习）学习笔记整理系列之（三） - 大数据 & AI - 清泛...
...，一是每次训练一层网络，二是调优，使原始表示x向上生成的高级表示r和该高级表示r向下生成的x'尽可能一致。方法是：
1）首先逐层构建单层神经元，这样每次都是训练一个单层网络。
2）当所有层训练完后，Hinton使用wake-sl...