资源列表
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)
粒子群算法
- 粒子群算法，也称粒子群优化算法或鸟群觅食算法(Particle Swarm Optimization)，缩写为 PSO， 是近年来由J. Kennedy和R. C. Eberhart等 开发的一种新的进化算法(Evolutionary Algorithm - EA)。PSO 算法属于进化算法的一种，和模拟退火算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的"交叉"(Crossover) 和"
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
遗传粒子群优化算法-GAPSO
- 混沌粒子群优化算法，及其该算法的简单应用(A SIMPLE IMPLEMENTATION OF THE PARTICLE SWARM OPTIMIZATION)
httpd
- 人脸识别技术,支持智能比对和鉴定用户真实身份,轻松实现刷脸门禁,考勤,闸机,签到,会员识别,安防监控,相册分类,美颜,人脸支付,登录;(Face recognition technology supports intelligent comparison and identification of user's real identity. It can easily realize the brush face access control, attendance check, gate ma
趋势网格-EA（升级版）
- 趋势网格EA（升级版），升级版将风险降到最小化，实现风险可控，快速恢复”在行情波动时两边均可获利，同时避免了如传统方法留下的一串浮亏单，补单非常及时，不会错过一些蠃利机会。(Trend grid EA (upgraded version), the upgraded version reduces the risk to the minimum, realizes the risk controllable, and quickly recovers "in the market fl
9.14DQN-QL
- 深度强化学习一个简单的事例，用于深度强化学习而用(Deep reinforcement learning is a simple example for deep reinforcement learning)
极限反转
- 能准确判断在最高点出现之后，在高点及时做空，最低点出现以后在低点及时做多。 大小资金都可操作，反转月收益翻倍不是问题。(Be able to accurately judge that after the highest point appears, short at the high point and long at the low point after the lowest point appears. Both large and small funds can be operated
GRU.py
- 时间序列预测，利用GRU模型预测客流、车流时间序列(Time series prediction, short-term time series prediction of passenger flow and vehicle flow)
matlab动物识别系统
- matlab环境下运行算法，进行提取特征，机器学习并进行识别，开发了动物识别系统，该系统简单实用。(Identify animals by their characteristics)
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
SVM分类
- 基于SVM的疲劳驾驶系统。基于神经网络的非接触式疲劳驾驶检测已成为当前针对疲劳驾驶检测领域炙手可热的研究方向。它有效解决了接触式疲劳检测方法给驾驶员带来的干扰以及单一信号源对于反映疲劳程度可靠性低的问题，同时通过设计神经网络模型对多源信息进行分类，实现对疲劳状态的高精度和高速度的检测。选取合适的特征值对网络检测准确率以及准确反映疲劳程度至关重要。基于驾驶员生理信号检测可靠性和准确性较高。(Fatigue driving system based on SVM)