搜索资源列表
fann-2.1.0beta
- Fast Artificial Neural Network Library是一个免费开源的神经网络库，它用C实现了支持全连接及稀连接的多层人工神经网络，并且支持定点和浮点数的跨平台运行。库中包含有易于处理训练数据的框架。它易于使用、通用、文档完备并且快速。目前已有PHP, C++, .NET, Ada, Python, Delphi, Octave, Ruby, Prolog Pure Data 和 Mathematica的绑定。库中还附有一本带例子和关于如何使用本库的建议的参考手册，本库也有
Python-2
- 这是支持向量机的程序。也是关于svm的，可以很好的学习支持向量机-This is a support vector machine procedure. Is also about the SVM can be good learning support vector machines
python-2.6.6
- python2.6-6安装文件,用于使用libsvm的.py文件。-installation file of python
FANN-2.2.0-Source
- FANN 2.20 Source code.Fast Artificial Neural Network Library是一个免费开源的神经网络库，它用C实现了支持全连接及稀连接的多层人工神经网络，并且支持定点和浮点数的跨平台运行。库中包含有易于处理训练数据的框架。它易于使用、通用、文档完备并且快速。目前已有PHP, C++, .NET, Ada, Python, Delphi, Octave, Ruby, Prolog Pure Data 和 Mathematica的绑定。库中还附有一本带例子
SVM
- SVM: 一种分类器，采用最大化分类间隔进行优化参数。 关于这个分类器两点比较重要： 1）SMO优化算法需要掌握， 可以具体参看两篇文章，John Platt的文章 以及“Improvements to Platt s SMO algorithm for SVM Classifier Design” 2）核函数的使用，如何将核函数使用到SVM中，核函数就是空间转换的函数， 说白了就是距离计算函数，如何将同类之间的距离计算的比较近，如何将低维空间转换到易于分类的高维空间
TreeRegression
- 树回归：对复杂的关系建模。一般可以分为两种，一种是回归树，一种是模型树， 主要的区别在于对于叶节点的建模方式，回归树使用分段常数，模型树使用线性回归方程。 可以使用剪枝技术对于可能过拟合的树进行剪枝，剪枝一般分为预剪枝和后剪枝。 回归树和模型树都是2元树，每次总是选择最好的分割方式，分成两部分。 这个是自己写的Python语言的CART树回归程序，基本实现了其原理，注释比较多。-Tree Regression: modeling of complex relationshi
deepnet-master
- Nitish Srivastava University of Toronto.利用GPU训练深度学习算法-Implementation of some deep learning algorithms. Nitish Srivastava University of Toronto. GPU-based python implementation of 1. Feed-forward Neural Nets 2. Restricted Boltzmann Machines
keras-master
- 最近一直在用keras，说点个人感受。 1、keras根植于python及theano，人气比较旺。 2、提供较为上层的框架，搞个深度学习的原型非常方便。 3、更新很快，我记得几个月前还没有multi-task的能力，最近再查就提供了graph的对象。 4、最重要的，文档很全。这点超过其它类似的基于theano的框架（Lasagne, Opendeep, Blocks）-Keras is a high-level neural networks library, written
hyperopt-hyperopt-0.1-2-gba2fe77
- HyperOpt：分布式异步超参数优化 HyperOpt是串行和并行优化Python库用于搜索空间，它可以包括实值的，离散的，有条件的维度.(hyperopt: Distributed Asynchronous Hyper-parameter Optimization Hyperopt is a Python library for serial and parallel optimization over awkward search spaces, which may incl
fcn.berkeleyvision.org
- 图像识别、深度学习。 语言用的是python 2.x ，里面有训练好的模型，在文件夹里都有给出地址，可以直接去下载。也有一个很大的图片包，里面有很多图片，可以直接拿来作为素材用。也可以自己给图片制作数据标签，训练自己的模型。(image recognition deep learning The language used is Python 2.x, and there are training models, which are given in the folder, which c
game
- 电视节目中的”你来比划我来猜“大家应该都看过，而且很多人也玩过，规则就是一个人看词语比划相应动作和说一些提示，另一个人看不到词语要通过比划的动作猜出来，猜的过程中主持人判断是否符合规则。 某一组玩家猜词语的算法设计为： 1.开始计时--->2.猜词语--->3.答对则正确数加1并回到2，要跳过或犯规了则直接回到2，超时了直接跳到3--->3.循环10次后或时间结束后统计答对的题数 有num组玩家就进行以上流程的num次循环，当然也要准备x组词语，因为每组玩家猜的词语是不同
TensorFlow 官方文档中文版 - v1.2
- tensorflow官方文档中文版，方便用python学习该深度学习框架(The Chinese version of the official document of tensorflow is convenient for learning the deep learning framework with Python)
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)
TensorFlowv1.2
- google开发的python深度学习框架的官方手册，中文版。(tensorfloe user guide in chinese)
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
Keras1.1.2
- This is a Keras library 1.1.2 for Python 3.5 (includes source code + docker).
ID3决策树算法实验
- 决策树ID3算法实验_数据集car_databases。用python编写的决策树ID3算法，运用了Car-Evaluation的例子。BUG较少，综合了网上的优秀代码，并进一步形成自己的代码。代码基本有注释，风格良好，能够很快看懂。内含有比较规范的报告文档，包含所有流程图，说明图，以及文档风格绝对不错，无需更改，建议下载！ 该算法所测试的数据集如下（已经打包在内，并已经生成xls格式，方便直接使用）： 已知：UCI标准数据集Car-Evaluation，定义了汽车性价比的4 个
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
fast-rcnn-master
- Fast R-CNN是在R-CNN的基础上进行的改进，大致框架是一致的。总体而言，Fast R-CNN相对于R-CNN而言，主要提出了三个改进策略： 1. 提出了RoIPooling，避免了对提取的region proposals进行缩放到224x224，然后经过pre-trained CNN进行检测的步骤，加速了整个网络的learning与inference过程，这个是巨大的改进，并且RoIPooling是可导的，因此使得整个网络可以实现end-to-end learning，这个可以认为是
python基础数据分析实例
- 假设要分析的数据包括属性age。数据元组的年龄值为（按递增顺序）13、15、16、19、20、20、21、22、22、25、25、25、25、25、30、33、35、35、35、36、40、45、46、52、70。另外，假设一家医院用上述年龄属性对所选样本受试者的年龄和体脂数据进行测试，得到结果，并执行下列操作： 1、将上述数据保存在逗号分隔值文件中。 2、将逗号分隔值文件中的数据读入R中的变量。 3、年龄和脂肪百分比的平均、中等和标准差是多少？ 4、这个时代的模式是什么？评论数据的形式（即双峰