资源列表
ResNet-Tensorflow-master
- 使用tensorflow框架对高光谱图像进行识别、分类(Recognition and classification of hyperspectral images using densenet structure)
CNN_Hyperspectral_Classification-master
- 使用神经网络进行训练，对高光谱普图像进行分类(Using neural network to train and classify hyperspectral images)
SAPSO
- 模拟退火优化的粒子群算法，主要避免局部最优。(Particle swarm optimization with simulated annealing optimization mainly avoids local optimization)
CNN
- 卷积神经网络分类 调制信号识别 卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（deep learning）的代表算法之一 [1-2] 。卷积神经网络具有表征学习（representation learning）能力，能够按其阶层结构对输入信息进行平移不变分类（shift-invariant classification），因此也被称
yolo3-pytorch-master
- 利用pytorch的平台搭建了yolo3目标检测算法，实用性很强(Using tensorflow platform, yolo3 target detection algorithm is built, which is very practical)
小波神经网络
- 小波神经网络预测代码 可以用来进行交通流量预测(the code about BP ,which can be use to predict)
python
- 该代码基于Python3,利用机器学习中支持向量机回归算法（SVR）实现对数据的拟合以及预测，可以通过调试C值和gamma值达到不同的拟合程度，具有较大的实际意义，并且该代码本人亲自调式运用，适合广大学习者使用。(This code is based on Python 3. It uses support vector machine regression algorithm (SVR) in machine learning to fit and predict the data. It c
电气1903班乔力奎201910190第三个报告
- 利用BP神经网络算法解决TSP问题,并且详细介绍了BP神经网络的基础知识。(Using BP neural network algorithm to solve TSP problem)
LSTM预测
- 使用LSTM对销售数据（吉恩销售数据集）进行预测(Use LSTM to forecast sales data)
贝叶斯分类
- 通过python进行编程，运用贝叶斯算法原理，对iris数据集进行分类(Classification of iris data sets by Bayes)
bas代码
- 基于天牛须算法的例子，展现天牛须算法的性能，对目标函数优化，简单代码即可实现。(Based on the example of Taurus whisker algorithm, the performance of Taurus whisker algorithm is demonstrated, the objective function is optimized, and the simple code can be realized)
svm
- 利用支持向量机，对鸢尾花数据集进行分类。(Support vector machine is used to classify iris data set.)