[机器学习] donations.rar

说明：营销预测响应donations营销预测响应
<qq_42363032> 上传 | 大小：6mb

[机器学习] 汇报CNN+RNN+LSTM神经网络模型介绍PPT

说明：该PPT是本人对神经网络学习的一部分汇报的内容，有很多不完善的地方，仅仅作为学习参考，具体问文字版内容参考本人博客文章（https://blog.csdn.net/weixin_43935696/article/details/107482361）
<weixin_43935696> 上传 | 大小：6mb

[深度学习] 更改matlab主题代码.rar

说明：更改matlab的主题的matlab代码，在matlab中运行schemer_import，然后选择所需主题即可。
<qq_35669555> 上传 | 大小：1mb

[机器学习] cec2013_function.rar

说明：CEC2013对应的benchmark function. 测试函数的代码。需要根据自己的需要改造使用，要嵌入到自己的代码中才可以运行喔。有不懂的可以相互交流。
<qq_35669555> 上传 | 大小：67kb

[机器学习] FriedmanTest.m

说明：Friedman Test的matlab代码。用于评价多个算法的相对排名。因为考虑到权重的影响，因而比较公平。
<qq_35669555> 上传 | 大小：1kb

[机器学习] cec14-matlab-code.rar

说明：cec2014的benchmark function的matlab代码，可以直接使用。希望能帮助到同样做优化的小伙伴喔。
<qq_35669555> 上传 | 大小：2mb

[深度学习] 论文笔记—DIVERSITY IS ALL YOU NEED_ LEARNING SKILLS WITHOUT A REWARD FUNCTION.pdf

说明：论文摘要：聪明的生物可以在没有监督的情况下探索环境并学习有用的技能。在本文中，我们提出了“多样性就是你所需要的”（DIAYN），一种无需奖励功能即可学习有用技能的方法。我们提出的方法通过使用最大熵策略最大化信息理论目标来学习技能。在各种模拟的机器人任务上，我们证明了这个简单的目标会导致无监督技能的出现，例如走路和跳跃。在许多强化学习基准环境中，我们的方法可以解决学习基准任务，而无需接受真正的任务奖励。我们展示了受过预训练的技能如何为下游任务提供良好的参数初始化，以及如何进行层次组合以解决复杂，稀
<liz_Lee> 上传 | 大小：10mb

[深度学习] DNN判断句子的通顺程度.py

说明：利用百度api判断中文语句的通顺程度，如果一个句子很通顺，更像我们平时常见的句子，那么他的得分会比较低，相反如果句子不通顺，得分就很很高，可以通过设置分数阈值来分析句子的合理性
<qq_41895904> 上传 | 大小：1kb

[深度学习] 论文笔记—learning invariant feature spaces to transfer skills with RL

说明：论文摘要：人们可以根据自己的经验学习各种各样的任务，但也可以通过观察其他生物来学习。即使观察到的代理与学习代理形态之间的差异很大，也可以加快新技能的获取。在本文中，我们研究了强化学习算法如何在形态不同的代理（例如，不同的机器人）之间传递知识。我们介绍了一个问题提法，其中两个特工被要求通过共享信息来学习多种技能。我们的方法使用了两个代理所学到的技能来训练不变特征空间，然后将其用于将其他技能从一个代理转移到另一个代理。学习这些不变特征空间的过程可以看作是一种“类比制作”，或者是隐式学习两个不同领域之
<liz_Lee> 上传 | 大小：1mb

[深度学习] 论文笔记—基于迁移共享空间的分类新算法

说明：论文摘要：为解决来自不同但相关领域的大量无标签数据和少量带标签数据的分类问题，首先构造一个联 系源域到目标域的共享特征空间，并将该空间引入经典的支持向量机算法使其获得迁移能力，最终得到 一种新的基于支持向量机的迁移共享空间的分类新算法，即迁移共享空间支持向量机．具体地，该方法 以迁移学习理论为基础，结合分类器最大间隔原理，通过最大化无标签数据和带标签数据的联合概率分 布来构建无标签数据和带标签数据的共享空间；为充分考虑少量带标签数据之数据分布，在其原始特征 空间和共享空间组成的扩展空间中训练分类
<liz_Lee> 上传 | 大小：3mb

[深度学习] NIPS2017-Oriol Vinyals-model vs optimazation meta-learning

说明：ppt框架：元学习定义，与无监督学习的对比，与监督学习的对比，元学习模型分类（基于模型，基于度量，基于优化）与例子，总结，展望
<liz_Lee> 上传 | 大小：2mb

[深度学习] 论文笔记—Learning domain-shared group-sparse representation for unsupervised DA

说明：论文摘要：在无监督域适应中，一个关键的研究问题是跨域的联合分布对齐 。 但是， 直接 对齐的源和目标联合分布是不可行的， 因为目标条件分布的标签未知。结合边缘分布对齐（它是条件分布对齐的等价条件，而不是用条件分布近似估计目标标签。），提出了一种基于领域共享的群体稀疏准则——字典学习模型，用于学习具有对齐联合分布的领域共享表示。实验结果表明，该方法在方差较大的数据集上也表现良好。 我们的结果进行了定量和定性分析，并进行了参数灵敏度和收敛性分析的实验，以表明该方法的有效性。
<liz_Lee> 上传 | 大小：5mb