资源列表
PyTorch-GAN-master
- 里面包含多种gan网络，不同网络实现不同效果风格化(It contains a variety of Gan networks, different networks to achieve different effects stylization)
基于BP神经网络的性别识别
- MATLAB神经网络与实例精解（陈明著） 第6章例6.1程序 基于BP神经网络的性别识别 是学习BP神经网络的经典程序(Matlab neural network and case study Chapter 6 example 6.1 procedure Gender recognition based on BP neural network It is a classic program for learning BP neural network)
xgboost 代码 + 课件
- XGboost的教程和代码，网上是收费的课程，特别的好。(Xgboost tutorial and code, online is a fee based course, especially good.)
h5_to_weight_yolo3-master
- 可以将训练权重.h文件转化为.weights文件，方便不同平台使用(The training weight. H file can be converted into. Weights file, which is convenient for different platforms)
Keras快速上手：基于Python的深度学习实战
- 该书理论和实践相结合，介绍了当前深度学习应用的几个主要框架和应用方向，实用性强，内容紧凑。基于Keras这个高度抽象的深度学习环境，全书强调快速构造深度学习模型和应用于实际业务，因此特别适合深度学习实践者和入门者学习，是一本必不可少的参考书。(The book combines theory and practice to introduce several main frameworks and application directions of current deep learning a
贝叶斯分类算法
- Java实现的贝叶斯分类的算法，算是一个小Demo，可以作为平常的研讨课题
蚁群算法实现
- 这是蚁群算法实现的一个例程，用于解决0——1背包问题，对初始者有帮助，能够运行。
Q学习实现资源分配
- 目前适用广泛的强化学习就是Q学习，此压缩包包含Q学习实现例程，用于解决资源分配问题。
2
- （a）产生两个都具有200个二维向量的数据集和（注意：在生成数据集之前最好使用命令randn(‘seed’,0)初始化高斯随机生成器为0（或任意给定数值），这对结果的可重复性很重要）。向量的前半部分来自均值向量的正态分布，并且协方差矩阵。向量的后半部分来自均值向量的正态分布，并且协方差矩阵。其中是一个2*2的单位矩阵。 （b）在上述数据集上运用感知器算法，并且使用不同的初始向量初始化参数向量。 （c）测试每一次算法在和上的性能。 （d）画出数据集和，以及分类面。((a) Generate
L4_3
- 实验数据集为：(0.697 0.460)、(0.774 0.376)、( 0.634 0.264)、(0.608 0.318)、(0.556 0.215)、(0.403 0.237)、(0.481 0.149)、(0.437 0.211)、(0.666 0.091)、(0.243 0.267)、(0.245 0.057)、(0.343 0.099)、(0.639 0.161)、(0.657 0.198)、(0.360 0.370)、(0.593 0.042)、(0.719 0.103)、(0.3
bp pred
- 反向传播神经网络进行数据回归预测，选取自变量为多维，因变量为一维(Back propagation neural network is used for data regression prediction. The independent variable is multidimensional and the dependent variable is one-dimensional.)
对冲刷单圣手
- 功能介绍对于刷单圣手EA在功能设置上面可以参考以下几点： 1，开仓方向：可以选“开多单”、“开空单”选框来控制只开多单或只开空单，又或者多空都开仓。 2，加仓：可以设置加仓手数倍数，可以分多层数并设置不同的加仓间隔。 3，止盈平仓，可以设置平均止盈点数，也可以根据不同的层数来设置盈利全平金额。 加载说明： 加载货币：AUDUSD/NZDUSD/USDJPY/GBPUSD/EURGBP/EURJPY/GBP/JPY 加载周期：15M 建议起步资金建议1000跑0.01(Function intro