[深度学习] 移动网络时代的社会化媒体关注度对电影票房收入的影响研究

说明： 移动网络时代的社会化媒体关注度对电影票房收入的影响研究
<lifloveyou> 在 上传 | 大小：2097152

[机器学习] BLEU算法的python实现

说明： 利用python的collect包从底层实现了机器翻译、问答系统中常见的BLEU算法。
<qq_32699293> 在 上传 | 大小：4096

[机器学习] 读取语音文件

说明： python代码实现语音文件的读取，并将所有的文件以列表形式保存
<qq_32846107> 在 上传 | 大小：3072

[机器学习] 特定领域概念属性关系抽取方法研究

说明： 针对互联网中开放式中文文本关系难以抽取的问题, 提出一个新的关系抽取方法。 为缓解关系三元组抽取较难的问题, 给出一个新的基于属性和概念实例的关系三元组构造方法, 抽取的大量概念实例关系三元组中 不仅包含大量显式关系三元组 , 还包含部分隐式关系三元组。 在此基础上, 针对关系三元组含有噪声和错误的
<qq_36182996> 在 上传 | 大小：1041408

[机器学习] 智慧天下安装程序

说明： 智慧天下安装程序 包含控制器、编程平台、伺服电机、红外通讯、亮度、超声波、声音、火焰、多功能等、LED显示模块、光电、触碰等传感器的用户手册
<weixin_42601965> 在 上传 | 大小：116736

[机器学习] 基于单文本指代消解的人物家庭网络构建研究

说明： 人物家庭网络是社会关系网络中的一个重要组成部分，因此，如何高效准确地提取出人物的家庭网络具有 重要研究意义。该文在前人工作的基础上提出一种基于单文本指代消解技术的人物家庭关系抽取方法，以此扩大 人物家庭关系抽取的范围，进而提高人物家庭网络的召回性能。该文还提出了一种基于人物虚拟边的家庭网络评 估指标，用于更合理地评价构建出的人物家庭网络的性能。在大规模中文语料 Ｇｉｇａｗｏｒｄ上的实验表明，该方法可 以较为准确地抽取出人物的家庭关系，进而提高人物家庭网络的召回性能，从而为社会网络分析提供基础数
<qq_36182996> 在 上传 | 大小：485376

[深度学习] 基于深度学习的视觉SLAM综述

说明： 基于深度学习的视觉slam综述，是利用深度学习学习slam
<weixin_42355456> 在 上传 | 大小：680960

[深度学习] aaai18eForest

说明： Auto-encoding is an important task which is typically re- alized by deep neural networks (DNNs) such as convolu- tional neural networks (CNN). In this paper, we propose En- coderForest (abbrv. eForest), the first tree ensemble based auto-encoder. We
<z_yh1997> 在 上传 | 大小：270336

[机器学习] 《统计自然语言处理基础 苑春法译》 (中文版)

说明： 自然语言处理 入门书籍，很多大师都推荐，应该不会错
<wxjly20112011> 在 上传 | 大小：25165824

[VR] 二维光栅制作与装配误差综合建模与实验研究_林存宝

说明： 针对二维位移测量系统中光栅制作与装配非理想所引起的几何误差，基于多普勒频移理论和坐标变换方法，建立了同时包含光栅非正交角与装配角在内的通用几何误差模型，定量研究了各误差角对系统性能的影响程度。
<maiwudi> 在 上传 | 大小：678912

[机器学习] Hands On Machine Learning with Scikit-Learn and TensorFlow20173

说明： Hands On Machine Learning with Scikit-Learn and TensorFlow20173 通过最近的一系列突破，深度学习推动了整个机器学习领域。 现在，即使对这项技术几乎一无所知的程序员也可以使用简单有效的工具来实现能够从数据中学习的程序。 这本实用的书向你展示了如何。 通过使用具体示例，最小理论和两个可用于生产的Python框架 - scikit-learn和TensorFlow-authorAurélienGéron帮助您直观地了解构建智能系统的概念和
<qq_21997625> 在 上传 | 大小：44040192

[机器学习] 天池比赛 美年健康完整代码

说明： 这个是我参加天池的比赛 美年健康的完整程序，包括最初的修改代码，最终代码，数据，几乎涵盖了我整个项目流程，包括数据的处理，分析，模型的选择比较。
<shaoyou223> 在 上传 | 大小：188743680