资源列表
tensorflow
- tensorflow的简单应用与入门学习，快速上手tensorflow(Tensorflow's simple application and entry learning, quick start tensorflow)
flower_CNN
- 简单的的CNN对花进行分类，里面包括代码和数据(Using CNN to classify the flower,which include data and code)
Bayesian
- 基于贝叶斯的协同过滤算法，电影评分推荐，数据库ml-100k(Collaborative filtering algorithm)
.rar
- 风电场优化调度，基于改进遗传算法，内含算法及程序，2017年(wind power le=zeros(1,length(f)); le=zeros(1,length(f));)
FCN.tensorflow-master
- 全卷积网络图像分割。使用python和tensorflow的实现。(Image segmentation with full convolution network.)
C51-DDQN-Keras-master
- C51-DDQN-Keras-master 分类版DDQN机器学习Demo代码(C51-DDQN-Keras-master DDQN reinfocrement learning)
MATLAB
- 马尔科夫模型，包括终极预测概率，非常好用，通俗易懂(The Markoff model, including the ultimate prediction probability, is very easy to use and easy to understand.)
19.决策树与随机森林
- 决策树和随机森林，非常实用的PPT资料，推荐(Decision tree and random forest, very useful PPT data, recommended.)
主成分分析及matlab实现
- 主成分分析和主成分回归的MATLAB实现，含程序，详细(MATLAB implementation of principal component analysis, including program)
Python神经网络编程.pdf+代码
- 本书首先从简单的思路着手，详细介绍了理解神经网络如何工作所必须的基础知识。第一部分介绍基本的思路，包括神经网络底层的数学知识，第2部分是实践，介绍了学习Python编程的流行和轻松的方法，从而逐渐使用该语言构建神经网络，以能够识别人类手写的字母，特别是让其像专家所开发的网络那样地工作。第3部分是扩展，介绍如何将神经网络的性能提升到工业应用的层级，甚至让其在Raspberry Pi上工作。(This book begins with a brief introduction to the basi
BP神经网络python简单实现
- 去掉神经元类，把功能合并入NetLayer类中，使用矩阵计算加快速度 调整代码实现批量训练方法。 优化程序中numpy库运算顺序，避免产生中间变量(Remove neuron classes, merge functions into NetLayer classes, and use matrix to calculate speed.)
Gauss Bayes
- 使用高斯贝叶斯函数对已有数据进行分类，有样本集(The Gauss Bayes function is used to classify the existing data.)