资源列表
House Price Regression
- 经典的房价预测问题，用jupyter notebook编写的简单实现。使用XGBoost模块进行学习预测。(The classic price prediction problem, a simple implementation written in jupyter notebook. The XGBoost module is used for learning prediction.)
07 神经网络与深度学习
- 人工神经网络（Artificial Neural Networks，ANN）系统是 20 世纪 40 年代后出现的。它是由众多的神经元可调的连接权值连接而成，具有大规模并行处理、分布式信 息存储、良好的自组织自学习能力等特点。BP（Back Propagation）算法又称为误差 反向传播算法，是人工神经网络中的一种监督式的学习算法。BP 神经网络算法在理 论上可以逼近任意函数，基本的结构由非线性变化单元组成，具有很强的非线性映射能力。(The Artificial Neural Network
RNN
- RNN实现代码，用RNN实现简单加法，没用运用python里面的包(RNN code,RNN with simple addition, not by the use of Python inside the package)
新建文件夹 (2)
- 本程序是用python写的一个深度学习程序，该程序实现了卷积神经网络(This procedure is written in python with a deep learning program, the program achieved a convolution neural network)
BP网络c++
- 神经网络可移植头文件程序，不用修改可直接使用，网络大小可通过参数任意调节(Neural network portable head file program, without modification, can be used directly, network size can be adjusted arbitrarily by parameter)
bp神经网络在线学习
- bp神经网络在线学习pid控制，希望有所帮助(Online learning PID control of BP neural network)
神经网络
- 单隐藏层神经网络，五折交叉验证外加训练集(Single hidden layer neural network)
nn_CIFAR.py
- pytorch tutorial 代码 简单神经网络 数据集CIFAR(pytorch nn training sample code, Dataset: CIFAR dataset Usage: python3 nn_CIFAR.py)
9、SVM方法
- svm分类器，训练svm的MATLAB代码，简单易理解，好用，能够有效的实现动能(SVM classifier, training SVM MATLAB code, simple and easy to understand, good use, can effectively implement the kinetic energy)
=== 带精英策略的排序蚁群算法(C语言) ===
- 此算法可以很好的帮助使用语言进行开发的人，学习蚁群算法(This algorithm can help people who use language to develop and learn ant colony algorithm.)
CNN
- 卷积神经网络是近年发展起来，并引起广泛重视的一种高效识别方法。20世纪60年代，Hubel和Wiesel在研究猫脑皮层中用于局部敏感和方向选择的神经元时发现其独特的网络结构可以有效地降低反馈神经网络的复杂性，继而提出了卷积神经网络（Convolutional Neural Networks-简称CNN）。现在，CNN已经成为众多科学领域的研究热点之一，特别是在模式分类领域，由于该网络避免了对图像的复杂前期预处理，可以直接输入原始图像，因而得到了更为广泛的应用。(Convolution neura
RBF-k均值聚类
- RBF（径向基神经网络）网络是一种重要的神经网络，RBF网络的训练分为两步，第一步是通过聚类算法得到初始的权值，第二步是根据训练数据训练网络的权值。RBF权值的初始聚类方法较为复杂，比较简单的有K均值聚类，复杂的有遗传聚类，蚁群聚类等，这个RBF网络的程序是基于K均值聚类的RBF代码。(RBF (radial basis function network) is an important neural network. The training of RBF network is divided