[机器学习] RotBoost A technique for combining Rotation Forest and AdaBoost

说明： 随机森林的有效改进型，据说其效果优于传统随机森林！
<weixin_41785583> 在 上传 | 大小：739328

[机器学习] 预测算法去趋势detrend

说明： 去趋势后均值一致，可以很好的用于数据处理和统计。。。。。。
<qq_38271691> 在 上传 | 大小：734

[机器学习] 中国模式识别白皮书

说明： 本白皮书旨在介绍模式识别领域的基状况，近几年（尤其是过去 5年）在 基础理论与方法、计算机视觉应用 技术研究方面的重要进展， 产业应用情况面临的挑战和发展趋势等。 供模式识别及其应用相关领域的研究生、者和技 模式识别及其应用相关领域的研究生、者和技 术开发人员参考。
<zhuf14> 在 上传 | 大小：2097152

[机器学习] tesseract-ocr-setup-3.05.01与jTessBoxEditor-1.7.3

说明： 光学字符识别(OCR,Optical Character Recognition)是指对文本资料进行扫描，然后对图像文件进行分析处理，获取文字及版面信息的过程. Tesseract的OCR引擎最先由HP实验室于1985年开始研发，至1995年时已经成为OCR业内最准确的三款识别引擎之一
<dobettereveryday> 在 上传 | 大小：92274688

[机器学习] 中国人工智能学会 学会通讯 2018年 第1期 new

说明： 人工智能 : 预见 2018，从脑科学到人工智能——机遇与挑战；
<zhuf14> 在 上传 | 大小：10485760

[机器学习] 中国人工智能学会 学会通讯 2018年 第2期

说明： 最近几年，人工智能技术有很大发展，在图像处理、文字识别、自然语言处理、 计算机博弈等多个领域取得了很好的应用，也正在渗透到更广泛的领域，其 中人工智能技术应用于文学艺术的创作之中，实现计算机自动作诗、作画等方面也取得了很大的进展，达到了很高的水平。本期专题关注于国内学者在人工智能与艺术创作研究方面的最新进展，邀请到了来自清华大学、微软公司、平安科技（深圳）有限公司和中国科学院信息工程研究所的专家学者撰写本期专题稿件，内容涉及人工智能作画、作曲、作诗和美妆等方面的内容，作者结合自己的工作实践，深
<zhuf14> 在 上传 | 大小：7340032

[机器学习] 今日头条_2017人工智能影响力报告.pdf

说明： 今日头条算数中心2017年发布人工智能影响力报告，里面所有内容均为今日头条所有。
<binliang9> 在 上传 | 大小：2097152

[深度学习] Backpropagation In Convolutional Neural Networks.pdf

说明： Neurons in CNNs share weights unlike in MLPs where each neuron has a separate weight vector. This sharing of weights ends up reducing the overall number of trainable weights hence introducing sparsity.
<lisaientisite> 在 上传 | 大小：372736

[深度学习] Feature Extraction Using Convolution.pdf

说明： In this section, we will develop methods which will allow us to scale up these methods to more realistic datasets that have larger images.
<lisaientisite> 在 上传 | 大小：95232

[深度学习] Practical Recommendations for Gradient-Based Training of Deep Architectures.pdf

说明： Learning algorithms related to artificial neural networks and in particular for Deep Learning may seem to involve many bells and whistles, called hyperparameters.
<lisaientisite> 在 上传 | 大小：485376

[深度学习] Backpropagation for a Linear Layer.pdf

说明： In these notes we will explicitly derive the equations to use when backprop- agating through a linear layer, using minibatches.
<lisaientisite> 在 上传 | 大小：126976

[深度学习] Derivatives, Backpropagation, and Vectorization.pdf

说明： Derivatives:Scalar Case;Gradient: Vector in, scalar out;Jacobian: Vector in, Vector out;Generalized Jacobian: Tensor in, Tensor out. Backpropagation with Tensors.
<lisaientisite> 在 上传 | 大小：205824