[机器学习] face_caffe_opencv.zip

说明：opencv调用caffe模型，人脸识别，图片和视频。.
<weixin_44152895> 上传 | 大小：10mb

[机器学习] 计算两个向量的互信息(Mutual Information) matlab程序

说明：计算两个向量的互信息(Mutual Information) matlab程序
<asfdsdg> 上传 | 大小：1kb

[机器学习] XGBoost 从基础到实战代码讲义 4周.zip

说明：视频主要在B站就可找到了，这里面是A100学院配套对应的ppt(ppt转换成pdf了)，以及视频里面的jupyter notebook源码，搭建环境后，可以直接运行，
<qq_38244808> 上传 | 大小：133mb

[机器学习] 麻省理工线性代数36讲讲义.rar

说明：线性代数是数学的一个分支，它的研究对象是向量，向量空间（或称线性空间），线性变换和有限维的线性方程组。向量空间是现代数学的一个重要课题；因而，线性代数被广泛地应用于抽象代数和泛函分析中；通过解析几何，线性代数得以被具体表示。线性代数的理论已被泛化为算子理论。由于科学研究中的非线性模型通常可以被近似为线性模型，使得线性代数被广泛地应用于自然科学和社会科学中。
<zfhsfdhdfajhsr> 上传 | 大小：51mb

[机器学习] 2020全国大学生智能车竞赛比赛细则（正式版）.pdf

说明：2020年的大学生智能车竞赛的细则，这次比赛第一次引入AI，同时信标组也改变了形式，提出了对声音的处理，从而获得方位判断，实现判灯的操作。
<weixin_44035751> 上传 | 大小：1mb

[机器学习] tensorflow2.1

说明：该资源包括tensorflow2.1的各种语法，同时包含机器学习和深度学习各种实战例子，对于进一步学习深度学习有很大帮助。
<zhangpengfly> 上传 | 大小：46mb

[机器学习] 一文回顾近二十年数据科学领域的里程碑事件或突破性技术.pdf

说明：在进入21世纪后迅速发展的短短二十年中，数据科学领域有哪些里程碑事件或突破性技术值得铭记呢？下面让我们来一一盘点。
<syp_net> 上传 | 大小：923kb

[机器学习] 机器学习技术的发展与结构搜索的诞生.pdf

说明：伴随着人工智能技术的飞速发展，语音识别、机器翻译等各项科技名词已不是传统意义上被企业家束之高阁的前景应用，更不是研究人员讳莫如深的复杂概念，它们已经伴随着大数据时代的来临走入了寻常人的身边。如今的生活中我们无处不在享受着人工智能技术带给我们的便利，从前在科幻电影《星际迷航》中使用的通用翻译器，已然成为了现在人们出行途中能够使用的小型翻译机。而拨开这些实际应用的面纱，它们背后所使用的技术往往是这些年来备受关注的神经网络模型。
<syp_net> 上传 | 大小：931kb

[机器学习] 遗传算法与神经网络结合在股票预测中的应用.rar

说明：使用Matlab，遗传算法与神经网络结合在股票预测中的应用，附带Matlab遗传算法工具箱，有比较详细的注释
<RUILONG88> 上传 | 大小：798kb

[机器学习] 人工智能之机器学习.pdf

说明：从1642年Pascal发明的手摇式计算机，到1949年Donald Hebb提出的赫布理论——解释学习过程中大脑神经元所发生的变化，都蕴含着机器学习思想的萌芽。事实上，1950年图灵在关于图灵测试的文章中就已提及机器学习的概念。到了1952年，IBM的亚瑟·塞缪尔（Arthur Samuel，被誉为“机器学习之父”）设计了一款可以学习的西洋跳棋程序。塞缪尔和这个程序进行多场对弈后发现，随着时间的推移，程序的棋艺变得越来越好[1]。塞缪尔用这个程序*了以往“机器无法超越人类，不能像人一样写代码
<ippracticer> 上传 | 大小：5mb

[机器学习] 超全人脸数据集.zip

说明：ORL、Yale、YaleB、FERET、PIE、UMIST、AR史上最全机器学习人脸数据集打包 ORL、Yale、YaleB、FERET、PIE、UMIST、AR史上最全机器学习人脸数据集打包 ORL、Yale、YaleB、FERET、PIE、UMIST、AR史上最全机器学习人脸数据集打包
<qq_40957277> 上传 | 大小：91mb

[机器学习] 基于PCA人脸图像压缩与重建算法的研究与实现_王涛.caj

说明：本文在基于人脸图像压缩与重建方法基础上，研究了、人脸图像 压缩与重建方法，并在此基础上了实现了一种改进的方法，即对图像训练样本进行 可选择的行、列均等的划分，得到一些尺寸大小都一样的子图像，然后将所有训练图像 的所有子图像集合在一起进行分析，得到相应的总体协方差矩阵。在对总体协方差 矩阵处理时，引入奇异值分解来求解协方差矩阵的特征值和特征向量。同样在对测试图 像进行压缩时，事先按照训练图像那样的划分方法将测试图像划分成子图像，然后逐个 对子图像进行压缩，重建时也是逐个对压缩的子图像进
<r78zyang> 上传 | 大小：9mb