Bishop-Pattern-Recognition-and-Machine-Learning-2006

Information Science and Statistics Pattern recognition has its origins in engineering, whereas machine learning grew out of computer science. However, these activities can be viewed as two facets of the same field, and together they have undergone substantial development over the past ten years. In particular, Bayesian methods have grown from a specialist niche to become mainstream, while graphical models have emerged as a general framework for describing and applying probabilistic models. Also, the practical applicability of Bayesian methods has been greatly enhanced through the development of a range of approximate inference algorithms such as variational Bayes and expectation propagation. Similarly, new models based on kernels have had significant impact on both algorithms and applications.

机器学习训练秘籍（完整中文版 1-58（by Andrew NG）

吴恩达最新机器学习训练秘籍英文版 Machine Learning Yearning is a deeplearning.ai project 1 Why Machine Learning Strategy 2 How to use this book to help your team 3 Prerequisites and Notation 4 Scale drives machine learning progress 5 Your development and test sets 6 Your dev and test sets should come from the same distribution 7 How large do the dev/test sets need to be? 8 Establish a single-number evaluation metric for your team to optimize 9 Optimizing and satisficing metrics

机器学习训练秘籍（完整中文版

1 机器学习为什么需要策略? 2 如何使用此书来帮助你的团队 3 先修知识与符号说明 4 规模驱动机器学习发展 5 开发集和测试集的定义 6 开发集和测试集应该服从同一分布 7 开发集和测试集应该有多大？? 8 使用单值评估指标进行优化 9 优化指标和满意度指标

VC++图像处理程序设计

本书介绍了各种数字图像处理的算法及编程实现技术。全书由13章和一个附录组成。主要内容包括：位图基础、图像的显示、图像的几何变换、图像灰度变换、图像的平滑处理、图像锐化处理及边缘检测、图像分割及测量、图像的形态处理学、图像的变换域处理及应用、图像的合成、24位彩色图像的处理、图像的小波变换和JPEG图像的压缩编码。包含图像处理基础如平滑、增强等等内容，同时每一章有源码（C++），是入门图像处理不可缺少的一本书。在网上有配套视频教程，这里只提供书籍和源码

神经网络和机器学习（原书第三版）

神经网络是计算智能和机器学习的重要分支，在诸多领域都取得了很大的成功。在众多神经网络著作中，影响较为广泛的是Simon Haykin的《神经网络原理》（第3版更名为《神经网络与机器学习》）。在本书中，作者结合近年来神经网络和机器学习的新进展，从理论和实际应用出发，全面、系统地介绍了神经网络的基本模型、方法和技术，并将神经网络和机器学习有机地结合在一起。 本版在前一版的基础上进行了广泛修订，提供了神经网络和机器学习这两个越来越重要的学科的新分析。 本书特色： 1. 基于随机梯度下降的在线学习算法；小规模和大规模学习问题。 2. 核方法，包括支持向量机和表达定理。 3. 信息论学习模型，包括连接、独立分量分析（ICA）、一致独立分量分析和信息瓶颈。 4. 随机动态规划，包括逼近和神经动态规划。 5. 逐次状态估计算法，包括卡尔曼和粒子滤波器。 6. 利用逐次状态估计算法训练递归神经网络。 7. 富有洞察力的面向计算机的试验。

计算机视觉：一种现代方法课后习题解答

计算机视觉：一种现代方法 课后习题解答，福赛斯著作，对习题的解答很有帮助作用

图像处理与分析-变分、PDE、小波及随机方法

图像处理与分析——变分，PDE，小波及随机方法 本书是图像处理领域一本令人激动的书籍．作者从变分法、偏微分方程、小波方法及随机方法的框架下对图像处理和分析进行了深入浅出的描述和分析。 本书首先介绍了对于现代图像分析和处理有重要意义的一般数学、物理和统计背景，包括曲线和曲面的微分几何、有界变差函数空间、统计力学的要素及其在图像分析中的含义、贝叶斯估计理论一般框架、滤波和扩散的紧理论以及小波理论的要素；同时讨论了图像建模和表示的方法，包括各种确定型的图像模型、随机的Gibbs图像模型以及自由边界分割模型．本书讨论四种最常见的图像处理任务如图像降噪、图像去模糊、图像修复或插值以及图像分割的建模和计算，这些实际的图像处理任务在统一的数学框架下能够得到完整的分析和深入的理解。

ARDUINO程序设计基础

Arduino不仅仅是全球最流行的开源硬件，也是一个硬件开发平台，更是硬件开发的趋势。在大学里软件，自动化等都纷纷开始了相关课程。

深入理解OpenCV 实用计算机视觉项目解析-源代码

深入理解OpenCV ：实用计算机视觉项目解析-源代码：共计九章源代码

OpenCV3编程入门

在第一章，你将学到 ： 什么是计算机视觉 什么是 OpenCV 计算机视觉与 OpenCV 的联系 OpenCV 的起源发展 OpenCV 的应用领域 对 OpenCV、OpenAL 、OpenGL 的辨析 OpenCV 的基本架构分析 OpenCV 的下载、安装与配置 通过几个程序快速上手 OpenCV 如何进行 OpenCV 视频操作 如何用 OpenCV 调用摄像头