[深度学习] 吴恩达 Planar+data+classification+with+one+hidden+layer+v4.ipynb

说明： 吴恩达 planar data classification with one hidden layer 答案
<sinat_36655390> 上传 | 大小：1mb

[深度学习] Deep Convolutional Generative Adversarial Networks

说明： Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks.pdf
<hlw787075497> 上传 | 大小：7mb

[深度学习] libcuda.so.1

说明： nvidia中cuda的一个关键文件，有错误操作时容易丢失。
<yewei11> 上传 | 大小：39kb

[深度学习] 用于微博情感分析的一种情感语义增强的深度学习模型

说明： 基于神经语言模型的词向量表示技术能够从大规模的未标注文本数据集中自动学习词语的有效特征表 示，已经在许多自然语言处理任务及研究中取得重要进展．微博中的表情符号是微博情感分析最重要的特征之一， 已有大量的研究工作在探索有效地利用表情符号来提升微博情感分类效果．借助词向量表示技术，为常用表情符 号构建情感空间的特征表示矩阵ＲＥ；基于向量的语义合成计算原理，通过矩阵ＲＥ 与词向量的乘积运算完成词义 到情感空间的映射；接着输入到一个ＭＣＮＮ（Ｍｕｌｔｉ－ｃｈａｎｎｅｌ　Ｃｏｎｖｏｌｕｔｉｏｎ　Ｎｅｕｒ
<zhp881828> 上传 | 大小：1mb

[深度学习] MPQA（Multiple-Perspective QA）

说明： Janyce Wiebe等人所开发的MPQA(Multiple-Perspective QA)库：包含535 篇不同视角的新闻评论，它是一个进行了深度标注的语料库。其中标注者为每个子句手工标注出一些情感信息，如观点持有者、评价对象、主观表达式以及其极性与强度。 情感分析资源大全：http://blog.csdn.net/qq280929090/article/details/70838025
<qq280929090> 上传 | 大小：16mb

[深度学习] 康奈尔影评数据集

说明： 该语料由电影评论组成，其中持肯定和否定态度的各1,000 篇；另外还有标注了褒贬极性的句子各5331句，标注了主客观标签的句子各5000句。该语料可以被应用于各种粒度的，如词语、句子和篇章级情感分析研究中。 情感分析资源大全：http://blog.csdn.net/qq280929090/article/details/70838025
<qq280929090> 上传 | 大小：101mb

[深度学习] 知网主张词语词典

说明： 该词典主要发呢为中文和英文两部分，共包含如下数据：中文主张词语38个、英文主张词语35个。 情感分析资源大全：http://blog.csdn.net/qq280929090/article/details/70838025
<qq280929090> 上传 | 大小：1kb

[深度学习] 基于Face_Recognition的python人脸识别项目完整示例代码

说明： 一个基于Face_Recognition的python人脸识别项目完整示例代码，所有代码基于python实现。python 3.6版本，有不懂的同学下载后里面有链接地址，我可以提供具体指导。
<z505773219> 上传 | 大小：125kb

[深度学习] 台湾大学中文情感极性词典

说明： 该词典为简体的情感极性词典，共包含2812个正向情感词和8278个负向情感词，可以用于二元情感分类任务当中。 情感分析资源大全：http://blog.csdn.net/qq280929090/article/details/70838025
<qq280929090> 上传 | 大小：40kb

[深度学习] 大连理工大学情感词汇本体库（无辅助情感分类）

说明： 该资源主要用于情感分析中，而且是基于规则的算法，主要是提供情感极性、程度等先验知识。在该词典当中，每个情感词都被分为正向、负向、中性三个情感极性，并具有从0到10等不同大小的情感程度，且分为七个情感大类（乐、好、怒、哀、惧、恶、惊）和21个小类。 情感分析资源大全：http://blog.csdn.net/qq280929090/article/details/70838025
<qq280929090> 上传 | 大小：1mb

[深度学习] SemEval-2014 Task 4数据集

说明： SemEval-2014 Task 4数据集主要用于细粒度情感分析，包含Laptop和Restaurant两个领域，每个领域的数据集都分为训练数据、验证数据（从训练数据分离出来）和测试数据，非常适用于有监督的机器学习算法或者深度学习算法，如LSTM等。文件格式为.xml。 情感分析资源大全：http://blog.csdn.net/qq280929090/article/details/70838025
<qq280929090> 上传 | 大小：1mb

[深度学习] cs231n_2017_lecture13.pdf

说明： 生成模型 Generative Models Generative Models Generative Models
<sinat_36811967> 上传 | 大小：4mb