资源列表
MATLABcode
- 采用bp对男女生样本数据中的身高，体重，喜欢数学，喜欢文学，喜欢运动，设计男女生分类器，并计算模型预测性能（包含SE,SP,ACC和AUC ）。(Using bp for height and weight in male and female sample data, like math, like literature, like sports, design boys and girls classifiers, and calculate model prediction perform
DBN
- 深度信念网络，神经网络的一种。既可以用于非监督学习，类似于一个自编码机；也可以用于监督学习，作为分类器来使用。(Deep belief network, a kind of neural network. It can be used for unsupervised learning, similar to a self-coding machine, or supervised learning, as a classifier.)
CAE
- 卷积自编码器，深度学习中的CAE，类似CNN，是深度学习的基本框架之一(Convolution self encoder, CAE in depth learning, similar to CNN, is one of the basic frameworks for deep learning.)
CNN
- 一种有效的特征提取算法，包含几类卷积神经网络算法代码与演示数据(An effective feature extraction algorithm includes several kinds of convolutional neural network algorithm codes and demonstration data.)
entropy
- 求解信号的香农熵和指数熵，分别从功率谱和奇异谱的角度求解(The Shannon entropy and exponential entropy of signals are obtained.)
TTS 语音合成开发包
- TTS 语音合成开发包，帮助程序员仅通过几行代码轻松实现文本朗读、文本转音频文件的功能，只需几分钟的时间，就可以将TTS语音功能集成到你的程序中。 开发包的使用 1、首先将 Include\Speak.h、Lib\Speak.lib 拷贝到工程所在的目录 2、在要调用语音接口的代码中引入这两个文件： #include "Speak.h" #pragma comment(lib, "Speak.lib") 3、调用语音接口编写相关代码
python machine learning
- 作者是Sebastian Raschka，密歇根州立大学的博士生，他在计算生物学领域提出了几种新的计算方法，还被科技博客Analytics Vidhya评为GitHub上最具影响力的数据科学家。他有一整年都使用Python进行编程的经验，同时还多次参加数据科学应用与机器学习领域的研讨会。在数据科学、机器学习以及Python等领域他拥有丰富的演讲和写作经验，本书可使得不具备机器学习背景的人设计出由数据驱动的解决方案。(The author, Sebastian Raschka, a PhD stu
Machine Learning
- 作者是Prateek Joshi.人工智能专家。本书注重于对基于机器学习中深度学习内容的分析，并附上了许多经典案例，非常值得一读。(The writer is an expert in Prateek Joshi. AI. This book focuses on the analysis of in-depth learning in machine-based learning, and attaches many classic cases, which are worth reading
ANN模型预测程序
- ANN程序 MATLAB语言 用于数据处理 只要换数据就能用
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.)
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.)
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