[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> 在 上传 | 大小：191889408

[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> 在 上传 | 大小：5120

[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> 在 上传 | 大小：25165824

[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> 在 上传 | 大小：6291456

[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> 在 上传 | 大小：87040

[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> 在 上传 | 大小：369664

[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> 在 上传 | 大小：1048576

[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> 在 上传 | 大小：2097152

[机器学习] 基于遗传算法优化神经网络的 SCR 催化剂失效预测

说明： 该文使用神经网络结合遗传算法编制计算软件来实现 选择性催化还原技(selective catalytic reduction，SCR)催化剂 的失效预测功能，并在此基础上制定催化剂清洗再生流程。 以 49 份运行环境不同的 SCR 催化剂为研究对象，使用灰色 关联度分析法对原始数据进行预处理，最终确定以燃料钾含 量等 7 个变量作为网络输入，以催化剂的相对活性作为网络 输出。在 Matlab 环境下编程，构建按误差逆传播算法训练 的多层前馈网络(back propagation，BP)神经网络
<lc1991224> 在 上传 | 大小：481280

[机器学习] 基于数据驱动的短期风电出力预估–校正预测模型

说明： 提高风电出力的预测精度可降低含高渗透率风电电力 系统调度、优化、规划等策略的保守性和控制策略的复杂性。 该文在分析风电出力历史数据与气象因素关系的基础上，建 立了基于风电出力数据驱动的短期风电功率预估–校正预测 模型。采用具有较高精度的小波神经网络预测模型实现预估 环节，以自适应动态规划作为附加优化结构，利用风电出力 实测数据及时更新预估模型中的参数，实现校正环节，使得 预估模型能够适应风机在额定风速以下运行区域内多变的 运行点。
<lc1991224> 在 上传 | 大小：1048576

[深度学习] python学习小项目

说明： 该代码是基于python写的一个小项目，适合刚刚学习的小白练手。
<zhang19910329> 在 上传 | 大小：300032

[机器学习] 机器学习有关岗位校招面试题

说明： 该资源主要是本人整理的最近的校招，关于机器学习岗位的的各种面试题目，希望对今年找机器学习相关的岗位的各位同学能够有一定帮助
<zhang19910329> 在 上传 | 大小：36864