[深度学习] NMT系统搭建手册.pdf

说明： 一步步教你如何搭建机器翻译系统，包括： 1. 机器翻译现状 4 1.1 什么是机器翻译？ 4 1.2 相关论文 7 1.3 相关会议 8 1.4 相关工具 8 2. NMT系统搭建指导 9 2.1 获取数据 9 2.2 数据预处理 10 2.3 模型训练 12 2.4 模型的解码及bleu计算 13 3. 系统的优化 15 3.1 模型的ensemble 15 3.2 定制化领域微调 15 3.3 迁移学习 15 4. 翻译引擎的部署 16 4.1 翻译系统概述 16 4.2 基于Tensor
<chinatelecom08> 上传 | 大小：2mb

[机器学习] 鸢尾花感知器分类.zip

说明： 里面有MATLAB感知器算法的实现 以及鸢尾花UCI数据集，可以对鸢尾花实行两分类。
<qq_43385442> 上传 | 大小：2kb

[机器学习] Nearest-Neighbor Methods in Learning and Vision.pdf 全文263页

说明： 机器学习与计算机视觉中的最近邻方法，英文全文无删减版，共263页
<chantsky> 上传 | 大小：28mb

[机器学习] KNN算法python实现.rar

说明： 本代码共包含四个.py文件，本人默认电脑中装有python3.7.3，请先双击运行python_env.bat文件配置机器学习环境，运行此文件安装环境时文件将默认的pip源改成了清华源，如不喜此做法或安装环境失败烦请查看该文件内容手动安装环境。 环境配置成功后，请依次运行 corpus_segment.py corpus2Bunch.py TFIDF_space.py NBayes_Predict.py 四个文件，最后结果在python IDLE中打印并同步保存到rs.txt文件中。 数据集中
<qq_25297587> 上传 | 大小：52mb

[机器学习] 知识图谱构建技术综述（刘峤）

说明： 知识图谱构建技术综述（刘峤） 知识图谱构建技术综述（刘峤）
<wizardforcel> 上传 | 大小：1mb

[机器学习] BP神经网络实例及代码分析(python+tensorflow).rar

说明： 代码功能：对山东某地区历史温度数据进行BP神经网络训练，通过前三小时温度数据，预测第四小时温度值。数据来源：2016年4月份山东某地区温度数据，共30*24小时。1日到20日（20*24小时）数据为训练数据集，21到30日（10*24小时）数据为测试数据集。
<mrmaurice> 上传 | 大小：3kb

[机器学习] chap-循环神经网络.pdf

说明： 循环神经网络（Recurrent Neural Network, RNN）是一类以序列（sequence）数据为输入，在序列的演进方向进行递归（recursion）且所有节点（循环单元）按链式连接的递归神经网络（recursive neural network） 。 对循环神经网络的研究始于二十世纪80-90年代，并在二十一世纪初发展为重要的深度学习（deep learning）算法 ，其中双向循环神经网络（Bidirectional RNN, Bi-RNN）和长短期记忆网络（Long Sho
<qq_42336700> 上传 | 大小：484kb

[机器学习] chap-网络优化与正则化.pdf

说明： 在机器学习中，有时候我们基于一个数据集训练的模型对该模型的正确率非常高，而该模型对没有见过的数据集很难做出正确的响应；那么这个模型就存在过拟合现象。 为了缓解或避免过拟合现象，我们通常用的方法是采用正则化方法（Regularization）。
<qq_42336700> 上传 | 大小：3mb

[深度学习] chap-深度生成模型.pdf

说明： 深度生成模型可以分为有监督与无监督，主要还是在于无监督地应用，用于在没有目标类标签信息的情况下捕捉观测到或可见数据的高阶相关性，可以通过从网络中采样来生成有效样本，譬如受限玻尔兹曼机（Restricted Boltzmann Machine, RBM）、深度信念网络（Deep Belief Network, DBN）、深度玻尔兹曼机（Deep Boltzmann Machine, DBM）和广义除噪自编码器（Generalized Denoising Autoencoders）。
<qq_42336700> 上传 | 大小：862kb

[深度学习] chap-深度强化学习.pdf

说明： 由于卷积神经网络对图像处理拥有天然的优势，将卷积神经网络与强化学习结合处理图像数据的感知决策任务成了很多学者的研究方向。 深度Q网络是深度强化学习领域的开创性工作。它采用时间上相邻的4帧游戏画面作为原始图像输入，经过深度卷积神经网络和全连接神经网络，输出状态动作Q函数，实现了端到端的学习控制。
<qq_42336700> 上传 | 大小：406kb

[深度学习] chap-前馈神经网络.pdf

说明： 前馈神经网络是一种最简单的神经网络，各神经元分层排列。每个神经元只与前一层的神经元相连。接收前一层的输出，并输出给下一层．各层间没有反馈。是目前应用最广泛、发展最迅速的人工神经网络之一。研究从20世纪60年代开始，目前理论研究和实际应用达到了很高的水平。
<qq_42336700> 上传 | 大小：992kb

[深度学习] chap-卷积神经网络.pdf

说明： 卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（deep learning）的代表算法之一 [1-2] 。由于卷积神经网络能够进行平移不变分类（shift-invariant classification），因此也被称为“平移不变人工神经网络（Shift-Invariant Artificial Neural Networks, SIANN）
<qq_42336700> 上传 | 大小：973kb