[深度学习] 知识的不确定性与不确定推理（可信度方法主观贝叶斯模糊推理概率分配函数正交和似然函数信任函数）.ppt

说明：不确定推理的概率基础 确定性理论C-F模型 主观Bayes方法 不确定性的更新 结论不确定性的合成 信任函数与似然函数的关系 可能性理论和模糊推理 非单调推理
<qq_44631615> 上传 | 大小：4mb

[深度学习] 第六章遗传算法.ppt

说明：爬山法的基本思想，循环地向更优的方向持续移动，算法在到达一个“峰顶”时终止，此时相邻状态中没有比该“峰顶”更高的值。 模拟退火算法的基本思想，模拟退火算法和爬山法一样，也是一种迭代寻优算法，模拟退火算法以一定的概率来接受一个比当前解要差的解，因此有可能会跳出这个局部的最优解，达到全局的最优解。 禁忌搜索最重要的思想是标记对应已搜索的局部最优解的一些对象，并在进一步的迭代搜索中尽量避开这些对象（而不是绝对禁止循环） 蚁群算法的基本思想，某一条路径上走过的蚂蚁越多，释放的信息素越多，后来者选择该路径
<qq_44631615> 上传 | 大小：2mb

[深度学习] GAN网络讲解ppt

说明：该课件分为三部分，首先是GAN最新发展引入，GAN的原理讲解，GAN程序演示；以minist手写体数据集的手写体生成实验。
<weixin_44864552> 上传 | 大小：23mb

[机器学习] 西瓜书里的Agnes算法

说明：西瓜书里的Agnes算法，纯python实现（除了画图以外），数据为西瓜数据，代码清晰易懂，并数据可视化
<qq_33413128> 上传 | 大小：3kb

[机器学习] 利用Python对时间序列进行分类与聚类

说明：可靠的方法去判断两个时间序列是否相似，截下来便可以使用k-NN算法进行分类。根据经验，最优解一般出现在k=1的时候。下面就利用DTW欧氏距离的1-NN算法。在该算法中，train是时间序列示例的训练集，其中时间序列所属的类被附加到时间序列的末尾。test是相应的测试集，它所属于的类别就是我们想要预测的结果。在该算法中，对于测试集中的每一个时间序列，每一遍搜索必须遍历训练集中的所有点，从而可以找到最多的相似点。考虑到DTW算法是二次方的，计算过程会耗费非常长时间。我们可以通过LB Keogh下界方
<kamo54> 上传 | 大小：3mb

[机器学习] svm数据集yale（十五类人脸）

说明：svm数据集yale（十五类人脸）黑白图片数据而已’
<qq_45172417> 上传 | 大小：938kb

[机器学习] Coling 2020最佳论文出炉

说明：COLING 2020（The 28th International Conference on Computational Linguistics）是计算语言学和自然语言处理领域的重要国际会议，由ICCL（International Committee on Computational Linguistics）主办，每两年举办一次，是CCF-B类推荐会议。本届COLING 2020将于2020年12月8日至13日以在线会议的形式举办。COLING 2020共计收到2180篇论文投稿，其中包括2
<syp_net> 上传 | 大小：2mb

[深度学习] FaceNet: A Unified Embedding for Face Recognition and Clustering

说明：一种统一的人脸识别与聚类嵌入算法
<weixin_42555985> 上传 | 大小：14mb

[机器学习] K近邻算法进行手写识别的数据集

说明：K近邻算法进行手写识别的数据集，包含手写数字的训练集和测试集，为32*32的数据集合，在代码里转为1024的向量
<bashendixie5> 上传 | 大小：832kb

[机器学习] 纯python版svm

说明：没有调包，单纯用Python程序实现svm，更加易懂明了，能更好地理解公式推导以及svm的实现，并打印机器对每个点的操作和参数的变化。
<qq_33413128> 上传 | 大小：33kb

[深度学习] 分布式人工智能.ppt

说明：分布式人工智能的定义 Agent的弱定义：Agent是具有自主性、社会性、反应性和能动性的计算机软件系统或硬件系统。 Agent的强定义：Agent是这样一个实体，它的状态可以看成是由信念、能力、选择、承诺等心智构件组成。即Agent除了具有弱定义下的特性外，还应该具有人类的一些特性，如知识、信念、意图等，甚至包括感情。 MAS是指由多个Agent组成的集合 黑板模型是一种广泛应用的通信方式，可支持多Agent系统的分布式问题求解。 细胞膜计算技术 元胞自动机(Cellular Automata
<qq_44631615> 上传 | 大小：2mb

[机器学习] 第8章机器学习.ppt

说明：机器学习的基本过程 西洋跳棋程序的具体学习过程 决策树学习 信息增益 基本的决策树学习算法——ID3算法 ID3算法举例 人工神经网络 MP模型 布尔函数的神经元实现 神经网络学习机制：有监督学习方式（神经网络根据实际输出与期望输出的偏差，按照一定的准则调整各神经元连接的权系数）、无监督学习方式（神经网络仅仅根据其输入调整连接权系数和阈值） 前馈型BP网络 反馈型Hopfield网络 马尔可夫模型 朴素贝叶斯分类器
<qq_44631615> 上传 | 大小：3mb