[机器学习] R语言的回归分析与机器学习实践技术应用.pdf

说明：我提供一份R的指南，让你能尽快感受到 R的强大以及开源的魅力，不再感到沮丧和忧虑。 尽快学习到回归分析与机器学习
<qq_37408430> 上传 | 大小：385kb

[机器学习] python 遗传算法

说明：genetic_algorithms_with_python python遗传算法 详解 大家一起学习
<wjqhit> 上传 | 大小：9mb

[机器学习] MatLab强化学习_深度Q学习_神经网络_网格迷宫问题

说明：MatLab强化学习代码包，为使用深度Q学习解决网格迷宫问题的代码。 详细说明可参看我的专栏《强化学习与控制》 https://blog.csdn.net/weixin_43723517/category_9676083.html "I thought what I'd do was I'd pretend I was one of those deaf-mutes, or should I?"
<weixin_43723517> 上传 | 大小：3kb

[机器学习] 轮毂识别论文.zip

说明：东北大学赵玉良老师关于轮毂识别的一些研究论文。 1、面向柔性自动化生产线的汽车轮毂识别系统 2、汽车轮毂在线识别系统的研究 3、基于机器视觉的汽车轮毂识别系统
<Magician0619> 上传 | 大小：13mb

[机器学习] 无标记数据学习, 一致性学习与自监督学习是什么？【Google AI-Luong, 83ppt】.zip

说明：如何利用未标记数据进行机器学习是当下研究的热点。最近自监督学习、对比学习等提出用于解决该问题。最近来自Google大脑团队的Luong博士介绍了无标记数据学习的进展，半监督学习以及他们最近重要的两个工作：无监督数据增强和自训练学习，是非常好的前沿材料。
<syp_net> 上传 | 大小：9mb

[机器学习] 从学习速率中解开自适应梯度法（Disentangling Adaptive Gradient）.pdf

说明：我们研究了深度学习优化算法评估中的几个混合因素。首先，我们深入研究自适应梯度方法如何与学习速率调整相互作用，这是一个众所周知的难以调整的超参数，它对神经网络训练的收敛和推广具有显着影响。我们引入了一个“嫁接”实验，该实验将更新的大小与其方向解耦，发现文献中的许多现有信念可能是由于对步长的隐式时间表的隔离不足而产生的。除了这一贡献之外，我们还对自适应梯度方法的推广进行了一些实证和理论回顾，旨在为这一空间带来更清晰的视角。
<syp_net> 上传 | 大小：1015kb

[机器学习] funNLP-master.zip

说明：这是一个了解个学习NLP的资料合集，用于训练集，也总结很多很丰富的NLP常用技术链接和学习平台链接，希望和大家一起分享，可以共同学习，一起探讨，更快的进步！
<weixin_42575020> 上传 | 大小：69mb

[机器学习] 路径规划随机路图法MATLAB库文件仿真.rar

说明：对传统的随机路图法（PRM）算法调用matlab库文件的仿真实验，只为给读者提供最原始简介的实验环境，避免因为过度的改进造成不必要的理解误区。该实验程序可自由定义栅格地图大小，自由定义障碍物的摆放位置与数量，同时也可以生成随机地图验证自己的算法。希望可以帮到更多人。
<ABC1225741797> 上传 | 大小：30kb

[机器学习] 随机路图法PRM完全手写MATLAB仿真.rar

说明：对传统的随机路图法（PRM）算法纯手写的matlab的仿真实验，未调用库文件，只为给读者提供最原始简介的实验环境，避免因为过度的改进造成不必要的理解误区。该实验程序可自由定义栅格地图大小，自由定义障碍物的摆放位置与数量，同时也可以生成随机地图验证自己的算法。希望可以帮到更多人。
<ABC1225741797> 上传 | 大小：50kb

[机器学习] 快速扩展随机树RRT的MATLAB仿真代码.rar

说明：对传统的快速扩展随机数（RRT）算法matlab的仿真实验，只为给读者提供最原始简介的实验环境，避免因为过度的改进造成不必要的理解误区。该实验程序可自由定义栅格地图大小，自由定义障碍物的摆放位置与数量，同时也可以生成随机地图验证自己的算法。希望可以帮到更多人。
<ABC1225741797> 上传 | 大小：64kb

[机器学习] Topology-Preserving Deep Image Segmentation.pdf

说明：Topology-Preserving Deep Image Segmentation Segmentation algorithms are prone to make topological errors on fine-scale structures, e.g., broken connections. We propose a novel method that learns to segment with correct topology. In particular, we
<stanley19840821> 上传 | 大小：2mb

[机器学习] alphaFM-master.zip

说明：FM_FTRL实现
<m0_37870649> 上传 | 大小：26kb