[深度学习] Deep Reinforcement Learning for

说明：Abstract— Reinforcement learning holds the promise of enabling autonomous robots to learn large repertoires of behavioral skills with minimal human intervention. However, robotic applications of reinforcement learning often compromise the autonomy
<weixin_46044606> 上传 | 大小：2mb

[深度学习] FIRE眼底图像数据集-用于眼底图像配准

说明：一个视网膜眼底图像数据集，其拥有 129 张眼底彩色视网膜图像，并根据不同特征组合成 134 对图像.相关论文是:《FIRE: Fundus Image Registration Dataset》
<weixin_42332891> 上传 | 大小：263mb

[深度学习] IOSTAR-dataset 包含原图(彩色图)和分割图和关键点坐标,可以作为点检测和分割的数据集

说明：IOSTAR-dataset 包含原图(彩色图)和分割图和关键点坐标，可以作为点检测（分支点＼交叉点＼末梢点）或者分割的数据集，是经常拿来做点检测的数据集．DRIVE数据集也经常用来点检测，但是这里只有ＩＯＳＴＡＲ．
<weixin_42332891> 上传 | 大小：11mb

[深度学习] DRIVE 眼底图像数据集.zip

说明：眼底图像分割＼关键点检测＼动静脉区分常用数据集，是眼底最广泛的数据集之一，甚至可以去掉＇之一＇二字．这里面含有分割图的ｇｒｏｕｎｄｔｒｕｔｈ，原图以及ｍａｓｋ，没有关键点坐标的groundtruth，关键点在另一个上传的资源里，一次只能传一个压缩包．．害！
<weixin_42332891> 上传 | 大小：28mb

[深度学习] DRIVE数据集的关键点的groundtruth，　注意这里只有点的坐标以及一位专家的手动分割图，想要原图的话去我的另一个资源里找，谢谢～

说明：DRIVE数据集的关键点的groundtruth，这是荷兰的一个团队标记的，是广泛流传的一个．其涉及到的算法主要有ｍｉｃｃａｉ的论文ｍｕｌｔｉ－ｔａｓｋ那篇，ＢＩＣＲＯＳ算法等．　注意这里只有点的坐标以及一位专家的手动分割图，想要原图的话去我的另一个资源里找，谢谢～
<weixin_42332891> 上传 | 大小：16mb

[深度学习] torchvision-0.3.0-cp36-cp36m-linux_x86_64.whl

说明：cpu版本的torchvision-0.3.0-cp36-cp36m-linux_x86_64.whl
<qq_35975447> 上传 | 大小：2mb

[深度学习] torch-1.1.0-cp36-cp36m-linux_x86_64.whl

说明：cpu版本的，torch-1.1.0-cp36-cp36m-linux_x86_64.whl。需要的请自行下载。
<qq_35975447> 上传 | 大小：96mb

[深度学习] cuda10.0+py3.7.7+tf1.14.0+pytorch1.2.0深度学习环境配置流程.docx

说明：流程中环境描述：cuda版本10.0，python版本3.7.7 ，tensorflow版本1.14.0，pytorch版本1.2.0
<qq_35839094> 上传 | 大小：1mb

[深度学习] 基于多元特征融合和LSTM神经网络的中文评论情感分析.caj

说明：本文的主要研究工作如下： （1）针对文本情感分析中对文本表示时遇到的维度过高和语义不相关 的问题，本文采用 word embedding 机制，通过神经网络语言模型对大量评 论文本进行训练，并在此基础上通过 distributed representation 的方式表示文 本，从而将文本映射为一个低维实数向量。这种文本表示方法同时也可以 表达文本的语义信息，有助于神经网络模型对文本更好地理解。 （2）针对情感分析任务的特殊性，本文提出了一种新的文本表示方法- ——多元特征词向量。这种表示方
<fengliren> 上传 | 大小：1mb

[深度学习] 基于word2vec的关键词提取算法.caj

说明：随着近些年深度学习的兴起，词语在计算机中的表示有了重大突破；而长期以来关键词提取算法均 以词语作为特征进行计算，效果并不理想。因此，本文提出了一种基于深度学习工具 word2vec 的 关键词提取算法。该算法首先使用 word2vec 将所有词语映射到一个更抽象的词向量空间中；然后 基于词向量计算词语之间的相似度，最终通过词语聚类得到文章关键词。实验表明该算法对于篇幅 长文章的关键词提取的准确率要明显高于其他算法
<fengliren> 上传 | 大小：695kb

[深度学习] 领域关键词抽取_结合LDA与Word2Vec.caj

说明：随着互联网与信息技术的发展，大数据分析成为目前热门话题之 一。大数据分析主要从海量数据中提取有意义的信息作为数据特征， 通过分析已有数据的特征，实现数据的归纳分析，预测数据集的发展 方向。自然语言处理是实现文本信息智能分析的一项重要研究工作。 对特定领域内文本的分析，可以获取该领域内的重要信息，以及实现 对该领域发展方向的预测。 针对财经领域而言，分析财经领域内海量的文本信息，可以了解 经济发展的前景，实现对经济发展的预测。中文文本分析主要是文本 的分类、聚类等工作，依赖于对文本中词汇的分析。
<fengliren> 上传 | 大小：255kb

[深度学习] 文本检索结果聚类及类别标签抽取技术研究.caj

说明：本文根据检索结果聚类特点进行语义特征信息抽取来辅助聚类过程。着眼 于深度挖掘文本之间语义联系，提出基于语义空间转换方法的类别标签自动发 现算法。针对检索结果聚类的实用特性，力图保持检索结果聚类的时效性、准 确性和覆盖性，重点研究了以下问题： 1、基于语义特征抽取的初始信息优化选择 检索结果聚类需要直接呈现给用户，这一特点决定了传统的机器学习算法并 不能完美解决这一问题。理解文本的语义是自然语言处理的终极目标，同样对 于检索结果聚类是十分重要的。针对中文语义分析并不成熟的现状，本文提出 从网络
<fengliren> 上传 | 大小：4mb