[机器学习] 谷歌机器学习速成课程中文视频（第四部分）

说明： 谷歌机器学习速成课程中文视频（第四部分） 16.训练神经网络.mp4 19.生产机器学习系统.mp4 20.静态训练与动态训练.mp4 21.静态推理与动态推理.mp4 22.数据依赖关系.mp4 23.癌症预测.mp4 24.18 世纪文学.mp4 25.现实世界应用准则.mp4
<m0_37796147> 在 上传 | 大小：211812352

[机器学习] Tiny_Faces_in_Tensorflow-master

说明： Tiny Face Detector in TensorFlow 小脸检测 A TensorFlow port(inference only) of Tiny Face Detector from authors' MatConvNet codes[1]. Requirements Codes are written in Python. At first install Anaconda. Then install OpenCV, TensorFlow.
<sinat_28178949> 在 上传 | 大小：3145728

[机器学习] EKF SLAM using LIDAR sensor and Corner Extraction

说明： SLAM navigation using an Lidar 2D sensor for sensing the walls and extract corners using Split and Merge Algorithms and LSM for line estimation.
<a19920110> 在 上传 | 大小：13312

[机器学习] Kinect Live 3D Point-Cloud matching Demo

说明： can be used in various application like develop 3D models of objects or build 3D world maps for SLAM(Simultaneous Localization And Mapping).Acquiring Kinect Data (RGB + Depth + Point Cloud)
<a19920110> 在 上传 | 大小：1048576

[机器学习] 机器学习大学课件

说明： 大学或研究生阶段机器学习的PPT课件，内容通熟易懂，适合入门人员快速学习
<xiongguoming> 在 上传 | 大小：5242880

[机器学习] 智能运维技术路线图-裴丹

说明： 落地生根-AIOPS路线图 * 运维重要性 * 运维人痛点 * 运维现状 * 挑战 * AIOPS必然性 * AIOPS现状 * 异常检测 * 故障发现 * 故障止损 * 故障修复
<zcc123123123> 在 上传 | 大小：20971520

[机器学习] 人工智能技术体系

说明： 人工智能技术体系，核心技术主要有计算机视觉、语音识别技术、自然语言处理、机器学习及机器人技术五大部分。针对人工智能核心技术的系统性介绍。
<weixin_42538481> 在 上传 | 大小：34603008

[机器学习] 结合量子粒子群算法的光伏多峰最大功率点跟踪改进方法

说明： 光伏阵列在局部阴影时的 Ｐ－ Ｕ 曲线呈现多峰特性， 需要设计光伏多峰最大功率点跟踪方 法， 以实现光伏发电最大功率输出， 提高光伏发电效率。相比粒子群优化算法， 量子粒子群优化算 法具有收敛速度更快和全局收敛性等优势。提出了一种基于量子粒子群优化算法的光伏多峰最大 功率点跟踪改进方法。该方法采用量子粒子群优化算法实现最大功率点的全局搜索； 根据光伏阵 列在局部阴影时Ｐ－ Ｕ 曲线上功率极值点的分布特点初始化种群中的粒子总数及其电压； 并根据量 子粒子群优化算法收敛时粒子自身最优位置的特点，
<lc1991224> 在 上传 | 大小：798720

[机器学习] 基于改进的量子粒子群 优化小波神经网络的网络流量预测

说明： 为了改善小波神经网络( WNN) 进行流量预测的性能及避免量子粒子群算法( QPSO) 搜索后期的早熟 收敛缺陷，提出了一种改进的 QPSO。该算法定义粒子群聚拢度，改进收缩—扩张系数使其表示为聚拢度的函数 并服从随机分布，以使粒子群具有动态自适应性，避免陷入局部最优， 并通过搜索使用 WNN 待优化参数编码位 置向量的粒子群的全局最优位置来实现目标参数的优化，使用本算法优化 WNN 参数， 建立了基于改进的 QPSO 优化 WNN 的网络流量预测模型。使用真实网络流量通过两组对比实验对其预测
<lc1991224> 在 上传 | 大小：343040

[机器学习] 改进量子粒子群算法的模糊神经网络水质评价

说明： 传统的粒子群算法训练神经网络的水质评价模型有学习速度慢， 容易陷入局部最优和精确性不高的缺点。 为了克服模型的缺点， 提出了利用改进的自适应量子粒子群算法训练 T-S模糊神经网络的新模型， 新的自适应量子 粒子群算法通过在算法中引入聚集度的概念， 使得算法可以在迭代中自适应地调整收缩扩张系数， 让算法更具动态 自适应性。新的模型结合了量子粒子群算法和 T-S模糊神经网络的优点， 提高了模型的泛化能力。通过对东江湖流 域站点 2002到 2013年的水文数据进行实验， 结果显示， 该模型比其他神
<lc1991224> 在 上传 | 大小：1048576

[机器学习] 基于小波包变换及 RBF 神经网络的 继电器寿命预测

说明： 继电器的性能参数时序值为非平稳时间序列，为了对其工作寿命进行准确预测，本文 对小波包变换原理进行了改进，利用改进的小波包变换将具有非平稳特征的继电器超程时间径流 序列进行分解，使其平稳项和随机项分离，对平稳项采用传统的 AR 模型进行预测，对于随机项 则建立基于相空间重构的 RBF（径向基函数）神经网络预测模型进行预测，最后通过小波包重构 方法对两种模型预测结果进行重构，实现对原始非平稳径流序列的预测。该方法通过实例验证具 有较高的精度，是一种可行的方法
<lc1991224> 在 上传 | 大小：350208

[机器学习] 基于改进ＰＳＯ 优化 ＲＢＦ神经网络的 温室温度预测研究

说明： 论文以温室内外的气象数据为输入量， 以温室内温湿度等气象因子为输出量， 使用改进 ＰＳＯ 算法优化的 ＲＢＦ 神经网络构建温室内环境温湿度的预测模型。通过实验对预测模型进行仿真测试与性能评估， 验证该方法的可行性和有效 性。该模型数据获取方便、 所需参数少、 模拟精度高， 为温室内极端温度的预测、 调控和管理优化提供了科学依据
<lc1991224> 在 上传 | 大小：1048576