[机器学习] Matlab入门教程

说明： matlab入门教程帮助新手快速学习matlab程序，matlab入门教程帮助新手快速学习matlab程序，
<maliao123> 上传 | 大小：246kb

[深度学习] Learning to rank for blind image quality

说明： Blind image quality assessment (BIQA) aims to predict perceptual image quality scores without access to reference images. State-of-the-art BIQA methods typically require subjects to score a large number of images to train a robust model. However, th
<sinat_27009979> 上传 | 大小：1mb

[机器学习] 爬虫_豆瓣电影

说明： python 爬虫基础框架，爬的网站是豆瓣电影，根据豆瓣电影一条网址，爬取电影名和电影简介，并根据同页面热映电影的超链接爬取下一个电影和电影简介，循环
<inorilzy> 上传 | 大小：40kb

[机器学习] 爬虫基础框架

说明： python 爬虫基础框架，爬的网站是百度百科，根据百度百科一条网址，爬取词条和词条内容，并根据词条中的超链接爬取下一个词条和内容，循环
<inorilzy> 上传 | 大小：12kb

[深度学习] facenet预训练模型20170512-110547

说明： facenet的预训练模型文件，github上存在的facenet程序中需要用到此模型
<u012704485> 上传 | 大小：183mb

[机器学习] 文本识别特征提取

说明： 特征识别代码，处理文字识别，提取特征值，采用python编辑
<vr299> 上传 | 大小：5kb

[机器学习] 《OpenCV 3计算机视觉 Python语言实现（原书第2版）》.(乔·米尼奇诺)

说明： 《OpenCV 3计算机视觉 Python语言实现（原书第2版）》.(乔·米尼奇诺)
<mtxld666> 上传 | 大小：24mb

[机器学习] 人脸识别程序，运用python软件

说明： import face_recognition as fr import pickle import os from face_recognition.face_recognition_cli import image_files_in_folder as ifi from sklearn.neighbors import KNeighborsClassifier as knc """ face_encodings() 3.    对给定的图片中的每一张人脸, 返回128-dimension人
<qq_42268837> 上传 | 大小：6mb

[深度学习] RBF神经网络的优缺点

说明： RBF神经网络的优缺点，主要与BP神经网络做对比，详细阐述了该神经网络
<weixin_40940247> 上传 | 大小：85kb

[机器学习] 基于 AFSA-ＲBF 神经网络的电动汽车动力 电池 SOC 预测

说明： 传统的电池荷电状态( State of Charge，SOC) 估计方法是基于精确的数学模型， 它依赖于大量的 建模假设和经验参数，故模型预测 SOC 精度是有限的; 为了提高动力电池 SOC 预测的精度，提出利用人工鱼 群算法( Artificial Fish Swarm Algorithm， AFSA) 优化径向基神经网络( ＲBF) 对 SOC 进行预测，解决了 ＲBF 网 络参数选择的不确定性; 仿真实验结果表明: 方法能方便、 快速、 准确地实现对 SOC 的预测， 且具有实际使用
<lc1991224> 上传 | 大小：361kb

[机器学习] 改进人工蜂群算法优化 ＲＢＦ神经网络的短时交通流预测

说明： 为了提高径向基函数 ＲＢＦ神经网络预测模型对短时交通流的预测准确性， 提出了一种基于 改进人工蜂群算法优化 ＲＢＦ神经网络的短时交通流预测模型。利用改进人工蜂群算法确定 ＲＢＦ 网络隐 含层的中心值以及隐含层单元数， 然后训练改进的人工蜂群算法 ＲＢＦ 神经网络预测模型， 并将其应用到 某城市４天的短时交通流量数据的验证。将实验结果与传统 ＲＢＦ 神经网络预测模型、 ＢＰ 神经网络预测 模型和小波神经网络预测模型进行了比较。对比结果表明， 该方法对短时交通流具有更高的预测准确性
<lc1991224> 上传 | 大小：1mb

[机器学习] 基于 GAPSO- LSSVM 的蓄电池剩余容量联合检测算法

说明： 铅酸蓄电池应用广泛，准确检测其剩余容量是电池管理系统中的重要一环。 提出将蓄电池开路电压、温度和内阻 三个状态指标作为联合检测量，结合基于 GAPSO- LSSVM 算法对剩余容量进行检测。 在 LSSVM 算法中引入 PSO 算 法对其惩罚参数和核函数参数进行寻优，避免人为因素干扰，提高了精度。 然后再引入 GA 算法，解决了 PSO 算法易局 部收敛的问题，进一步提升了精度。 最后，MATLAB 仿真验证了基于 GAPSO- LSSVM 的联合检测算法在蓄电池剩余容 量的检测方面效果良好，
<lc1991224> 上传 | 大小：2mb