解析深度学习：卷积神经网络原理与视觉实践

北邮自动化+机器学习+实验+卷积神经网络+yhh

北邮自动化+机器学习+实验+卷积神经网络+yhh+作业居多的老师+可直接运行提交

Spark+MLlib机器学习实践+,王晓华著

Spark+MLlib机器学习实践+,王晓华著完整版，自己学习很实用

机器学习+BP神经网络+北邮自动化机器学习课程作业+实验

机器学习+BP神经网络+北邮自动化机器学习课程作业+实验

人工神经网络反向传播算法学习.zip

神经网络 机器学习 深度学习 学习资料 源码 基础资料 神经网络 机器学习 深度学习 学习资料 源码 基础资料 神经网络 机器学习 深度学习 学习资料 源码 基础资料 神经网络 机器学习 深度学习 学习资料 源码 基础资料 ...

机器学习和人工神经网络是人工智能领域的重要分支

机器学习和人工神经网络是人工智能领域的重要分支，它们之间存在密切的关系。机器学习是一种通过让计算机自动从数据中学习规律和模式，从而完成特定任务的方法。而人工神经网络则是实现机器学习的一种技术，它通过...

机器学习基础 人工神经网络基础入门知识介绍 人工神经网络概述 共61页.ppt

机器学习基础 人工神经网络基础入门知识介绍 人工神经网络概述 共61页.ppt

matlab实现统计学习、机器学习、神经网络、深度学习+源码及数据资料

matlab实现统计学习、机器学习、神经网络、深度学习+源码及数据资料

机器学习人工神经网络

机器学习：人工神经网络，P神经网络实例分析

机器学习--神经网络

机器学习--神经网络机器学习--神经网络机器学习--神经网络机器学习--神经网络

人工智能技术图谱(包含机器学习+深度学习+深度学习框架下的神经网络等)

人工智能技术图谱(包含机器学习+深度学习+深度学习框架下的神经网络+应用场景)，适合初学者

人工神经网络与机器学习 第三版 课后答案 上课PPT 课后上机实验代码

这里有人工神经网络与机器学习的课后答案、上机实验程序、课后PPT等等，还有一些乱七八杂的。

机器学习-卷积神经网络

机器学习-卷积神经网络

机器学习:近20种人工神经网络模型matlab源码

机器学习的一个方面是人工神经网络的发展，这种网络已经被用来解决各种问题。事实上，现在有近20种不同类型的人工神经网络模型可以使用MATLAB实现。这些模型可以用于识别图像、语音识别和自然语言处理等任务，仅举几...

模拟神经元功能和网络结构，来完成认知任务的一类机器学习算法.zip

神经网络 机器学习 深度学习 学习资料 源码 基础资料 神经网络 机器学习 深度学习 学习资料 源码 基础资料 神经网络 机器学习 深度学习 学习资料 源码 基础资料 神经网络 机器学习 深度学习 学习资料 源码 基础资料 ...

机器学习神经网络选择带答案

机器学习神经网络选择带答案，整理机器学习神经网络部分习题，

基于物理反应神经网络（PINN）深度机器学习技术的核反应堆中子相关问题的解决方法+源码+说明资料.zip

基于物理反应神经网络（PINN）深度机器学习技术的核反应堆中子相关问题的解决方法+源码+说明资料.zipPINNuclear-Neutrons 项目旨在学习和复现核反应堆中子相关问题的解决方法，使用物理反应神经网络（PINN）和深度...

机器学习算法与神经网络.zip

机器学习算法与神经网络机器学习算法与神经网络机器学习算法与神经网络 机器学习算法与神经网络机器学习算法与神经网络机器学习算法与神经网络 机器学习算法与神经网络机器学习算法与神经网络机器学习算法与神经网络...

衣服数据集-四个独立的压缩文件

衣服数据集-四个独立的压缩文件

博客中Kmeans以及FCM算法数据（免积分）

博客中Kmeans以及FCM算法的数据，包括IRIS鸢尾花数据集、Wine葡萄酒数据集、Seed小麦种子数据集、glass数据集、WDBD乳腺癌数据集，下载在直接存入项目文件夹即可，如果下载不了，可以私信我，看到后会及时回复。

完整车牌号识别程序，可以识别车牌和颜色，可以集成到项目中 支持win7+

基于.Net开发车牌号识别程序，通过控制台输出结果，可以通过启动参数传入地址，集成到项目中。 使用介绍：https://blog.csdn.net/billyyi/article/details/138597795

神经网络回归预测--气温数据集

神经网络回归预测--气温数据集

XGBoost+LightGBM+LSTM-光伏发电量预测

包含比赛代码、数据、训练后的神经网络模型等。 在分析光伏发电原理的基础上，论证了辐照度、光伏板工作温度等影响光伏输出功率的因素，通过实时监测的光伏板运行状态参数和气象参数建立预测模型，预估光伏电站瞬时发电量，根据光伏电站DCS系统提供的实际发电量数据进行对比分析，验证模型的实际应用价值。 1 数据探索与数据预处理 1.1 赛题回顾 1.2 数据探索性分析与异常值处理 1.3 相关性分析 2 特征工程 2.1 光伏发电领域特征 2.2 高阶环境特征 3 模型构建与调试 3.1 预测模型整体结构 3.2 基于LightGBM与XGBoost的构建与调试 3.3 基于LSTM的模型构建与调试 3.4 模型融合与总结 4 总结与展望 参考文献

机器学习期末复习题及答案

机器学习期末复习题及答案

中文短信数据集-带标签

本数据集可用于进行文本分类、信息检索等自然语言处理实验，共包含80万条短信。其中：原始数据集data.txt每行为1条短信，格式为“标签\t短信内容”，标签=0表示正常短信，标签=1表示垃圾短信。train.csv和test.csv为拆分后的训练集与测试集，拆分代码为train_test_split.py。stopwords.txt为使用的停用词。 基于该数据集的文本分类详见文章https://blog.csdn.net/baidu_40395808/article/details/135793836，基于该数据集的信息检索详见文章https://blog.csdn.net/baidu_40395808/article/details/135897480。 示例如下： 0 商业秘密的秘密性那是维系其商业价值和垄断地位的前提条件之一 1 《依林美容》三．八．女人节倾情大放送活动开始啦！！！！超值套餐等你拿，活动时间x月x日一x月xx日， 详情进店咨询。美丽热线x

hugging face的models-openai-clip-vit-large-patch14文件夹

用于无法访问hugging face并需要运行stable-diffusion-webui时使用

Mathwork+Matlab+编程手册

Introduction to Programming with MATLAB ~ Vanderbilt University

时间序列预测模型实战案例(Xgboost)(Python)(机器学习)包括时间序列预测和时间序列分类，点击即可运行！

内容概要 资源包括三部分(时间序列预测部分和时间序列分类部分和所需的测试数据集全部包含在内) 在本次实战案例中，我们将使用Xgboost算法进行时间序列预测。Xgboost是一种强大的梯度提升树算法，适用于各种机器学习任务，它最初主要用于解决分类问题，在此基础上也可以应用于时间序列预测。 时间序列预测是通过分析过去的数据模式来预测未来的数值趋势。它在许多领域中都有广泛的应用，包括金融、天气预报、股票市场等。我们将使用Python编程语言来实现这个案例。 其中包括模型训练部分和保存部分，可以将模型保存到本地，一旦我们完成了模型的训练，我们可以使用它来进行预测。我们将选择合适的输入特征，并根据模型的预测结果来生成未来的数值序列。最后，我们会将预测结果与实际观测值进行对比，评估模型的准确性和性能。 适合人群：时间序列预测的学习者,机器学习的学习者， 能学到什么：本模型能够让你对机器学习和时间序列预测有一个清楚的了解，其中还包括数据分析部分和特征工程的代码操作 阅读建议：大家可以仔细阅读代码部分，其中包括每一步的注释帮助读者进行理解，其中涉及到的知识有数据分析部分和特征工程的代码操作。

亚博K210模型训练部署

亚博K210模型训练部署

Stable-Diffusion WEBUI 简体中文语言包（2023.05.30更新）

AI绘图，Stable-Diffusion WEBUI，本地化（简体中文）语言文件。 原始文件来自翻译插件，根据自己实际使用情况，增加和修改了一些翻译。 配合【双语插件】看上去要自然一点，内容还在继续完善中。 本次增加了一些翻译内容，特别是插件。 同时继续合并了其它翻译插件的内容。 最近文字提示修改得有点多啊。 请放入“你的SDWebUI项目位置/localizations/”中。 中文翻译部分删掉了不少括起来的英文原文，所以别直接选它用。 请配合【Bilingual Localization】插件使用，双语同时显示，效果最好。

Plecs电力电子仿真PLECS41.64 电力系统仿真软件免安装版本

超级容易学习的电力电子仿真软件。 PLECS是一个用于电路和控制结合的多功能仿真软件，尤其适用于电力电子和传动系统。 对于仿真Buck电路，Boost电路，单相整流电路，单相逆变电路，三相整流电路，三相逆变电路，LLC电路等都能够完美实现。并且能够直接使用C语言进行编程仿真，让代码直接写完以后完整运行到控制板中。 Plecs主要解决了Matlab Simulink仿真速度很慢，学习过程复杂和困难等问题。 Plexim在电力电子仿真领域处于世界领先地位。首要软件产品PLECS可以协助用户加快产品开发和创新流程。其优势来源于先进的编程技术，以及融合了非常规建模概念的仿真算法。通过认真听取工程师的需求和建议，我们能够为客户的今天和未来提供满意的解决方案。 从2002年开始，PLECS已经在众多工业领域成为电力电子仿真的标准。典型应用涵盖新能源，车辆电子，航空航天，工业及牵引驱动等。