[机器学习] 图像处理BSD68测试集灰度图像

说明：图像处理BSD68测试集灰度图像。图像处理(image processing)，用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组，该数组的元素称为像素，其值称为灰度值。图像处理技术一般包括图像压缩，增强和复原，匹配、描述和识别3个部分。
<hr582068265> 上传 | 大小：6mb

[机器学习] 6 Trends on 'Perception' for ADAS_AV _ EE Times.pdf麻省理工AI神经网络ADAS

说明：6 Trends on 'Perception' for ADAS_AV _ EE Times.pdf麻省理工AI神经网络ADAS6 Trends on 'Perception' for ADAS_AV _ EE Times.pdf麻省理工AI神经网络ADAS6 Trends on 'Perception' for ADAS_AV _ EE Times.pdf麻省理工AI神经网络ADAS6 Trends on 'Perception' for ADAS_AV _ EE Times.pdf麻省理工
<suyksuyk> 上传 | 大小：328kb

[机器学习] Structure-from-Motion Revisited.pdf

说明：SFM论文——Structure-from-Motion Revisited，省的大家从网上再找了。这篇论文写于2016年，对于三维重建感兴趣的同学，这篇论文算是必读的。
<ZR116118> 上传 | 大小：1mb

[机器学习] SPSS数据挖掘教程

说明：SPSS数据挖掘教程 使用SPSS进行数据挖掘的相关方法教程
<senhehe> 上传 | 大小：1mb

[机器学习] 基于PSO算法的神经网络集成入侵检测系统.caj

说明：针对网络入侵预测，为了提高预测精度和预测算法的收敛速度， 采用粒子群算法来优化神经网络，用来检测网络入侵检测，具有较好的结果和应用能力
<mxipei> 上传 | 大小：179kb

[机器学习] TestMusic.zip

说明：根据文字获取mp3语音，代码直接可运行，不用注册任何账号 根据文字获取mp3语音，代码直接可运行，不用注册任何账号
<u012807930> 上传 | 大小：12kb

[机器学习] Datasheet_DSMax.pdf

说明：Datasheet_DSMax.pdf
<a901012b> 上传 | 大小：580kb

[机器学习] grpcio-1.21.1-cp36-cp36m-linux_aarch64.whl

说明：grpcio-1.21.1-cp36-cp36m-linux_aarch64.whl aarch64版本编译，在jetson nano测试可用
<frostHIT> 上传 | 大小：11mb

[机器学习] 1人工智能的刑法规制_彭文华.pdf

说明：关于人工智能可否构成犯罪，国外主要存在“心理要素说”“智能代理说”“法 人类比说”“法定实体说”以及“当然主体说”等观点。人工智能成为犯罪主体的哲理基础 是科学实证主义和道德二元论，现实条件是具备法律人格。智能代理可以成为道德代理。 人工智能的道德生成进路有“实在论进路”“关系论进路”“认识论进路”等之别，“实在论 进路”相对合理。处罚人工智能既能为处罚其他主体奠定基础，也能达到剥夺其犯罪能力 的目的，还能产生附加价值。我国的人工智能刑法研究尚处于初始阶段，未来研究的重点 在于: 人
<juzhonghupolan> 上传 | 大小：689kb

[机器学习] 28篇标志性论文见证「自然语言处理NLP」2019 - 2020年度亮点进展.zip

说明：自然语言处理专家elvis在medium博客上发表了关于NLP在2019年的亮点总结。对于自然语言处理（NLP）领域而言，2019年是令人印象深刻的一年。以下附上2019年NLP领域的标志性论文见证，不得不被其中的优秀研究成果所吸引。
<syp_net> 上传 | 大小：76mb

[机器学习] 语音识别数据.rar

说明：机器学习小作业，语音性别识别所使用到的数据。包括训练集（有标签）和测试集（无标签）。训练集共23000条数据，测试集800条数据。
<leilei7407> 上传 | 大小：268kb

[机器学习] AI中台：一种敏捷的智能业务支持方案.pptx

说明：随着“数据中台”的提出和成功实践，各企业纷纷在“大中台，小前台”的共识下启动了自己的中台化进程，以数据中台、技术中台、业务中台为代表的一系列技术，极大增强了业务的敏捷性，提高了组织效能。同时随着智能技术的发展，AI应用在业务研发中的占比逐渐升高，但AI模型训练的复杂性导致其开发慢、效率低，严重影响了业务的灵活性。 针对这种情况，能否基于中台化思想对业务中AI研发工作进行专门支持，提供对智能需求的迅速实现和灵活试错功能，从而提升企业智能创新能力？AI中台的构建和实施又该如何进行？
<xiao9903> 上传 | 大小：8mb