[深度学习] cs231n_2017_lecture13.pdf

说明： 生成模型 Generative Models Generative Models Generative Models
<sinat_36811967> 上传 | 大小：4mb

[深度学习] cs231n_2017_lecture12.pdf

说明： 可视化和理解 Visualizing and Understanding Visualizing and Understanding
<sinat_36811967> 上传 | 大小：15mb

[深度学习] cs231n_2017_lecture11.pdf

说明： 检测和分割 Detection and segmentation Detection and segmentation
<sinat_36811967> 上传 | 大小：7mb

[深度学习] cs231n_2017_lecture10.pdf

说明： 递归神经网络 recurrent neural network recurrent neural network
<sinat_36811967> 上传 | 大小：5mb

[深度学习] cs231n_2017_lecture6.pdf

说明： 训练神经网络1 Training neural network Training neural network
<sinat_36811967> 上传 | 大小：3mb

[深度学习] cs231n_2017_lecture5.pdf

说明： 卷积神经网络 Convolution neural network Convolution neural network
<sinat_36811967> 上传 | 大小：10mb

[深度学习] cs231n_2017_lecture4.pdf

说明： 反向传播和神经网络 Backpropagation and neural networks
<sinat_36811967> 上传 | 大小：2mb

[深度学习] cs231n_2017_lecture3.pdf

说明： 损失函数和优化 损失函数可以看做 误差部分(loss term) + 正则化部分(regularization term)
<sinat_36811967> 上传 | 大小：4mb

[深度学习] cs231n_2017_lecture2.pdf

说明： 图像分类 目标：这一节我们将介绍图像分类问题。所谓图像分类问题，就是已有固定的分类标签集合，然后对于输入的图像，从分类标签集合中找出一个分类标签，最后把分类标签分配给该输入图像。虽然看起来挺简单的，但这可是计算机视觉领域的核心问题之一，并且有着各种各样的实际应用。在后面的课程中，我们可以看到计算机视觉领域中很多看似不同的问题（比如物体检测和分割），都可以被归结为图像分类问题。
<sinat_36811967> 上传 | 大小：5mb

[机器学习] 蛙跳算法在物流配送中心选址中的应用

说明： 基于matlab的蛙跳算法在物流配送中心选址中的应用，配送中心的规模容量总可以满足需求点需求。一个需求点仅由一个配送中心提供。不考虑工厂到配送中心的运输费用。
<qq_40313510> 上传 | 大小：2kb

[机器学习] 10Algorithms-08.pdf

说明： This paper presents the top 10 data mining algorithms identified by the IEEE International Conference on Data Mining (ICDM) in December 2006: C4.5, k-Means, SVM, Apriori, EM, PageRank, AdaBoost, kNN, Naive Bayes, and CART. These top 10 algorithms ar
<sinat_36811967> 上传 | 大小：773kb

[机器学习] 2014_Rodriquez_Laio.pdf

说明： intrinsic and extrinsic contributions depends on the sample quality (such as the doping density and the amount of disorder). Studies of the dependence on temperature and on disorder are therefore required to better understand the doping density depe
<sinat_36811967> 上传 | 大小：1mb