[深度学习] 神经网络详细解读以及具体应用剖析.zip

说明： 2019.05.23-详细分析循环神经网络，原理与具体应用。详细分析循环神经网络，原理与具体应用详细分析循环神经网络，原理与具体应用详细分析循环神经网络，原理与具体应用详细分析循环神经网络，原理与具体应用
<m0_37648017> 上传 | 大小：45mb

[机器学习] Schematic Prints.pdf

说明： 振动加速度传感器，学习交流的好工具，值得拥有。
<weixin_42343274> 上传 | 大小：73kb

[机器学习] Dense_Neighborhoods_on_Affinity_Graph.pdf

说明： In this paper, we study the problem of how to reliably compute neighborhoods on affinity graphs. The k- nearest neighbors (kNN) is one of the most fundamental and simple methods widely used in many tasks, such as classi- fication and graph construct
<qq_33879672> 上传 | 大小：704kb

[深度学习] Mask-RCNN-pytorch.zip

说明： Mask-RCNN的代码实现，Pytorch版本，有什么问题留言回复。
<weixin_43462984> 上传 | 大小：58kb

[深度学习] AlexNet_with_tensorflow-master.zip

说明： 本代码是基于TensorFlow框架实现的AlexNet网络结构的代码复现
<guoqiangszu> 上传 | 大小：415kb

[机器学习] How to build AutoML from scratch – Alexander Mamaev – Medium.pdf

说明： 如何从头开始构建autoML，Bridging WebML to model-driven engineering: From document type definitions to meta object facility，Meta-models are a prerequisite for model-driven engineering (MDE) in general and consequently for model-driven web engineering in parti
<weixin_39397839> 上传 | 大小：3mb

[深度学习] TextCNN在文本分类的应用.pptx

说明： TextCNN在文本分类的应用，深入浅出，通俗易懂，图是自己画的。
<guotong1988> 上传 | 大小：48kb

[机器学习] 局部线性嵌入(Locally Linear Embedding，LLE)(Python)

说明： 局部线性嵌入(Locally Linear Embedding，LLE)也是非常重要的降维方法。和传统的PCA，LDA等关注样本方差的降维方法相比，LLE关注于降维时保持样本局部的线性特征，由于LLE在降维时保持了样本的局部特征，它广泛的用于图像图像识别，高维数据可视化等领域。
<aioo11> 上传 | 大小：4kb

[机器学习] 等度量映射(Isomap)(Python)

说明： 等度量映射(Isomap)是最经典的非线性映射降维方法之一，它在MDS的基础上引入了“测地距离”的概念，直接解决了MDS使用欧氏距离无法应对非线性流形的问题。
<aioo11> 上传 | 大小：3kb

[机器学习] 多维缩放(multidimensional scaling ,MDS)(Python)

说明： 多维缩放(multidimensional scaling ,MDS)，是另外一种线性降维方式，与主成分分析法和线性降维分析法都不同的是，多维缩放的目标不是保留数据的最大可分性，而是更加关注与高维数据内部的特征。多维缩放算法集中于保留高维空间中的“相似度”信息，而在一般的问题解决的过程中，这个“相似度”通常用欧式距离来定义。
<aioo11> 上传 | 大小：2kb

[机器学习] 核主成分分析(Kernel Principal Component Analysis, KPCA)(Python)

说明： 核主成分分析(Kernel Principal Component Analysis, KPCA) PCA方法假设从高维空间到低维空间的函数映射是线性的，但是在不少现实任务中，可能需要非线性映射才能找到合适的低维空间来降维。 非线性降维的额一种常用方法是基于核技巧对线性降维方法进行核化(kernelized)。这是对PCA的一种推广。
<aioo11> 上传 | 大小：7kb

[机器学习] 主成分分析(Principal components analysis)(Python)

说明： 主成分分析(Principal components analysis)是最常用的降维方法 算法步骤： （1）对所有样本进行中心化操作 （2）计算样本的协方差矩阵 （3）对协方差矩阵做特征值分解 （4）取最大的d个特征值对应的特征向量，构造投影矩阵
<aioo11> 上传 | 大小：2kb