[深度学习] Deep Learning with PyTorch

说明：Deep Learning with PyTorch，A practical approach to building neural network models using PyTorch（PyTorch入门书籍）Copyright C 2018 Packt Publishing All rights reserved. No part of this book may be reproduced, stored in a retrieval system, or transmitted in
<return_0_> 上传 | 大小：8mb

[机器学习] Mathematics for Machine Learning

说明：Mathematics for Machine Learning，作者是Marc Peter Deisenroth, A Aldo Faisal, Cheng Soon Ong 这本书的书签应该是正确的Contents List of illustrations Foreword Part i Mathematical Foundations 1 Introduction and motivation 11 1.1 Finding Words for Intuitions 12 1.2 Two
<lex_glimmer> 上传 | 大小：8mb

[机器学习] Matrix factorization for multivariate time series analysis

说明：Matrix factorization is a powerful data analysis tool. It has been used in multivariate time series analysis, leading to the decomposition of the series in a small set of latent factors. However, little is known on the statistical performances of mat
<lex_glimmer> 上传 | 大小：288kb

[深度学习] textCNN文本分类相关论文Convolutional Neural Networks for Sentence Classification

说明：textCNN文本分类相关论文Convolutional Neural Networks for Sentence Classification
<zgj_gutou> 上传 | 大小：220kb

[机器学习] MPU6050PCB封装亲测能用

说明：MPU6050基础电路PCB设计图，可提取出QFN24封装库用于MPU6050芯片的封装
<thjsunday> 上传 | 大小：1mb

[深度学习] 尖峰神经网络Verilog代码实现----

说明：尖峰神经网络Verilog代码实现
<shylock_yuan> 上传 | 大小：6kb

[深度学习] slic实现代码

说明：实现slic代码 效果还行，可以试一下
<nancy_mao> 上传 | 大小：6kb

[机器学习] 使用matlab 实现DTW算法

说明：使用matlab 实现DTW算法，语句比较简单易懂，已经经过测试
<qq_41741457> 上传 | 大小：640byte

[深度学习] Coursera吴恩达深度学习课程代码作业（部分）

说明：Coursera吴恩达深度学习课程代码作业（只保存了部分）欢迎下载学习
<weixin_40522580> 上传 | 大小：58kb

[机器学习] tensorflow CPU版本和GPU版本完整搭建过程

说明：TensorFlow 是世界上最受欢迎的开源机器学习框架，它具有快速、灵活并适合产品级大规模应用等特点，让每个开发者和研究者都能方便地使用人工智能来解决多样化的挑战。文档为CPU版本和GPU版本搭建过程
<qq_41611588> 上传 | 大小：1mb

[机器学习] 自组织神经网络matlab实现

说明：自组织映射(Self-organizing Maps,SOM)算法是一种无导师学习方法,具有良好的自组织、可视化等特性,已经得到了广泛的应用和研究。本资源是SOM的matlab实现代码，适合初学者进行算法研究和相关数据处理、故障诊断等方面的应用
<qq_41611588> 上传 | 大小：12kb

[机器学习] 概率神经网络算法matlab实现

说明：概率神经网络（Probabilistic Neural Network）的网络结构类似于RBF神经网络，但不同的是，PNN是一个前向传播的网络，不需要反向传播优化参数。这是因为PNN结合了贝叶斯决策，来判断测试样本的类别。
<qq_41611588> 上传 | 大小：192kb