[计算广告] 爱普生清零软件me330,320

说明： 爱普生清零软件，亲测有效，欢迎下载。大家共同交流，共同合作。清零软件有爱普生R210，R200， R220，R230；Epson_L310，L360，L365;L380,L383;epson meL310,L320，L330,L350.
<hongyu2326> 在 上传 | 大小：498688

[机器学习] 基于波形特征和SVM的心电信号自动分类方法研究

说明： 一篇心电信号识别和分类的论文。定义并提取了基于时域特征、小波域特征和高阶统计量特征等三大类心电特征参数，将一次性直接求解多类模式的 SVM 方法应用于心电信号分类。
<kzl33h> 在 上传 | 大小：274432

[机器学习] A Survey on Contextual Multi-armed Bandits

说明： Contextual Multi-armed Bandits A Survey on Contextual Multi-armed Bandits.pdf
<weixin_42284495> 在 上传 | 大小：350208

[机器学习] A Brief Introduction to Machine Learning

说明： A Brief Introduction to Machine Learning, best machine learning book.
<u013131455> 在 上传 | 大小：1048576

[机器学习] Machine Learning in Action

说明： Machine Learning in Action, best machine learning book.
<u013131455> 在 上传 | 大小：8388608

[深度学习] tensorflow-1.8.0(用了CUDA9.1+CuDNN7.0.5编译)

说明： 贫僧编译出来的wheel，用了CUDA 9.1和CuDNN 7.0.5，适用于Python 3.6环境。。。如果不想自己编译的话可以试试用这个（不保证一定可以用）。
<geek_of_csdn> 在 上传 | 大小：89128960

[机器学习] 贝叶斯决策方法

说明： 贝叶斯决策论为机器学习的一种重要方法贝叶斯决策：根据各种事件发生的先验概率进行决策一般具有较大的风险。减少这种风险的办法是通过科学实验、调查、统计分析等方法获得较为准确的情报信息，以修正先验概率。利用贝叶斯定理求得后验概率，据以进行决策的方法，称为贝叶斯决策方法。
<qq_42281967> 在 上传 | 大小：35840

[机器学习] 基于matlab的burg新算法

说明： 自相关序列实际上只能从随机序列x(n)的有限个观测数据估计得到。当时间序列较短时，的估计误差很大，这将对AR参数的计算引入较大的误差，导致谱估计性能下降，甚至出现谱线分裂与谱峰偏移等现象。如果利用观测到的数据直接计算AR模型的参数，则能克服上述方法的缺点，得到性能较好的谱估计结果。这种方法是由Burg提出的，称为Burg法，也叫做最大熵谱算法。
<weixin_41694971> 在 上传 | 大小：1024

[深度学习] 人工智能拓展介绍，发展前景

说明： 近几年各界对人工智能的兴趣激增，自2011 年以来，开发与人工智能相关的产品和技 术并使之商业化的公司已获得超过总计20 亿美元的风险投资，而科技巨头更是投资数十亿 美元收购那些人工智能初创公司。相关报道铺天盖地，而巨额投资、计算机导致失业等问题 也开始浮现，计算机比人更加聪明并有可能威胁到人类生存这类论断更是被媒体四处引用并 引发广泛关注。
<weixin_41694971> 在 上传 | 大小：192512

[机器学习] 基于matlab的burg算法

说明： 基于matlab的burg算法，在随机信号分析中，可以用AR模型进行功率谱估计。在求解Yule-Walker方程中的AR系数可用Levinson递推算法简化计算，但它需要知道自相关序列。自相关序列实际上只能从随机序列x(n)的有限个观测数据估计得到。当时间序列较短时，的估计误差很大，这将对AR参数的计算引入较大的误差，导致谱估计性能下降，甚至出现谱线分裂与谱峰偏移等现象。如果利用观测到的数据直接计算AR模型的参数，则能克服上述方法的缺点，得到性能较好的谱估计结果。这种方法是由Burg提出的，称
<weixin_41694971> 在 上传 | 大小：3072

[深度学习] 吴恩达深度学习第三课编程作业

说明： 吴恩达深度学习第三课Structuring Machine Learning Projects编程作业
<yushionly> 在 上传 | 大小：2097152

[深度学习] 吴恩达深度学习第二课编程作业

说明： 吴恩达深度学习第二课2_Improving Deep Neural Networks Hyperparameter tuning, Regularization and Optimization编程作业
<yushionly> 在 上传 | 大小：106954752