资源列表
sentiwordnet
- python3.6下英文文本预处理和情感分析(English text preprocessing and emotional analysis under python3.6)
花书
- 深度学习是机器学习的一个分支,它能够使计算机通过层次概念来学习经验和理解世界。因为计算机能够从经验中获取知识,所以不需要人类来形式化地定义计算机需要的所有知识。层次概念允许计算机通过构造简单的概念来学习复杂的概念,而这些分层的图结构将具有很深的层次。本书会介绍深度学习领域的许多主题。(Deep learning is a branch of machine learning. It enables computers to learn experience and understand the
Test_LSTM
- 利用C++语言实现了长短时记忆网络,复杂性较高。(Using C++ language to achieve long and short time memory network, the complexity is relatively high.)
apriori
- 收集数据:使用任何方法 准备数据:任意数据类型都可以,因为我们只保存集合 分析数据:使用任何方法 训练算法:使用Apriori算法来找到频繁项集 测试算法:不需要测试过程 使用算法:用于发现频繁项集以及物品之间的关联规则 使用Apriori算法,首先计算出单个元素的支持度,然后选出单个元素置信度大于我们要求的数值,比如0.5或是0.7等。然后增加单个元素组合的个数,只要组合项的支持度大于我们要求的数值就把它加到我们的频繁项集中,依次递归。 然后根据计算的支持度选出来的频繁项集来
LBP-DBN人脸识别matlab代码
- 深度学习的识别算法,经lbp优化后,效率很高(The recognition algorithm of deep learning is highly efficient after being optimized by LBP.)
qpso
- 量子粒子群算法:因为粒子的位置和速度在量子空间中不能一起确定,所以用波函数表示粒子位置,通过蒙特卡罗方法求出粒子位置。gbest求解通过平均最好位置mbest得到。mbest是所有个体平均最优,通过它来求解粒子出现在相对点的位置,用L表示。而粒子的势表示位置的最终值,与L直接相关。(Quantum particle swarm optimization (QPSO): because the position and velocity of the particle can not be det
ASTAR
- 路径规划A*算法的python实现,带有详尽注释(Path planning A* algorithm Python implementation, with detailed notes)
Two-Layer-CNN-on-MNIST-master
- cnn Mnist 两层卷积实现,可以达到97%d 识别率,大家可以拿来上手试用(CNN MNIST two layers)
03_III._DIVIDE__CONQUER_ALGORITHMS_Week_1
- 人工智能,深度学习,神经网络,基础算法,适合学习的PPT /视频(Artificial intelligence)
环形一级倒立摆
- 一阶环形倒立摆模糊控制器实现及仿真模型,需要的可以下载哦(Circular inverted pendulum fuzzy control and simulation model)
MTCNN-Tensorflow-master
- 基于tensorflow的mtcnn人脸关键点检测(tensorflow mtcnn face_landmarks)
utf8''Traffic-sign-recognition
- 项目基于Tensorflow进行实现。 #### 文件说明: --- * input_data.py: 图片的输入 * traffic_sign_cnn.py: 用cnn进行训练分类 * testDemo.py: 用于测试已经训练出来的模型,输入单个图片输出结果,并分类到文件夹 #### 数据集说明: --- * 这里是列表文本使用的是比利时的交通标志数据集,可以网上自己找,里面有62个分类。 #### 网络说明: --- *