[深度学习] 深度学习数据集MNIST.zip

说明：深度学习常用数据集，共有7万张图片。其中6万张用于训练神经网络，1万张用于测试神经网络。 每张图片是一个28*28像素点的0~9的手写数字图片。 黑底白字。黑底用0表示，白字用0~1之间的浮点数表示，越接近1，颜色越百。
<qq_38123961> 上传 | 大小：11mb

[机器学习] 【人工智能】清华大学-2019人工智能发展报告-2019.11-395页.pdf

说明：清华大学-2019人工智能发展报告-2019，介绍了机器学习，计算机视觉，知识工程，自然语言处理，语言识别，计算机图形学，多媒体技术，人工交互技术，机器人，数据库，可视化技术，数据挖掘，信息检索
<qq_37876337> 上传 | 大小：9mb

[深度学习] GPTchartbot 聊天机器人的模型文件

说明：聊天机器人的模型文件 https://gitee.com/chenyang918/GPT2-chitchathttps://gitee.com/chenyang918/GPT2-chitchat
<weixin_32759777> 上传 | 大小：576mb

[机器学习] 模糊C均值实现变化检测.rar

说明：基于python实现图片的变化检测。变化检测是从不同时期的遥感数据中定量分析和确定地表变化的特征与过程；遥感变化检测是一个确定和评价各种地表现象随时间发生变化的过程；遥感变化检测是遥感瞬时视场中地表特征随时间发生的变化引起两个时期影像像元光谱响应的变化。
<weixin_45113944> 上传 | 大小：220kb

[机器学习] k均值实现变化检测.rar

说明：python实现k-means算法图片的变化检测。变化检测是从不同时期的遥感数据中定量分析和确定地表变化的特征与过程；遥感变化检测是一个确定和评价各种地表现象随时间发生变化的过程；遥感变化检测是遥感瞬时视场中地表特征随时间发生的变化引起两个时期影像像元光谱响应的变化。
<weixin_45113944> 上传 | 大小：220kb

[机器学习] matlab实现变化检测.rar

说明：matlab实现变化检测。变化检测是从不同时期的遥感数据中定量分析和确定地表变化的特征与过程；遥感变化检测是一个确定和评价各种地表现象随时间发生变化的过程；遥感变化检测是遥感瞬时视场中地表特征随时间发生的变化引起两个时期影像像元光谱响应的变化。
<weixin_45113944> 上传 | 大小：440kb

[机器学习] 200806Three-dimensional time model.pdf

说明：本文阐述了一种时间模型，继而建立了一种时空关系。并试图利用这种模型对目前已经认知的物理现象进行解释和推测，力求探索世界的本相。 验证模型的客观存在性并不是此文的主旨。在没有构建出合理有效的实验之前，还需要进一步的研究和探索。 限于笔者的数学水平，此模型的计算还比较粗浅。欢迎数学高手不吝赐教。 模型的构建集中了对哲学、语言学、数学、物理学、信息科学、以及计算机科学的学习，参阅的大量文献，借鉴了前人和大家的诸多见解和理论，在此不一一列举，并深表敬意和感谢。如有雷同绝非抄袭，敬
<qq_40763850> 上传 | 大小：896kb

[机器学习] Malware Detection using Windows Api Sequence and Machine Learning

说明：基于windows API 调用序列和机器学习的恶意软件检测方法的论文，包括全英论文，标记，和自己学习中理解的小记录。
<weixin_50005008> 上传 | 大小：5kb

[机器学习] Malware Detection using Windows Api Sequence and Machine Learning 2

说明：基于windows API 调用序列和机器学习的恶意软件检测方法的论文，包括全英论文，标记，和自己学习中理解的小记录
<weixin_50005008> 上传 | 大小：45kb

[深度学习] THUCNews是根据新浪新闻RSS订阅频道2005~2011年间的历史数据筛选过滤生成，包含74万篇新闻文档（2.19 GB），均为UTF-8纯文本格式。我们

说明：THUCNews是根据新浪新闻RSS订阅频道2005~2011年间的历史数据筛选过滤生成，包含74万篇新闻文档（2.19 GB），均为UTF-8纯文本格式。我们在原始新浪新闻分类体系的基础上，重新整合划分出14个候选分类类别：财经、彩票、房产、股票、家居、教育、科技、社会、时尚、时政、体育、星座、游戏、娱乐。
<congRicardo> 上传 | 大小：48mb

[深度学习] Loss Functions of Generative Adversarial Networks (GANs): Opportunities and Chal

说明：本文对GAN中的损失函数进行了详细的介绍和实验对比。 Zhaoqing Pan et al., ``Loss Functions of Generative Adversarial Networks (GANs): Opportunities and Challenges," IEEE Transactions on Emerging Topics in Computational Intelligence, vol. 4, no. 4, pp. 500-522, Aug. 2020.
<yctcpzq> 上传 | 大小：11mb

[深度学习] 360万中文词库360万中文词库

说明：360万中文词库
<weixin_32759777> 上传 | 大小：43mb