注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 东南大学 崇志宏：图概率参考书

  2. 从原理和算法阐述图概率的基本原则和方法的参考书，适合深入理解图概率的学生参考

  3. 所属分类：机器学习

    • 发布日期：2017-08-03
    • 文件大小：69206016
    • 提供者：chognzhihong_seu

  1. 东南大学 崇志宏：VAE和GAN技术要点（部分内容）

  2. 变分自动编码和对抗生成网络在深度学习领域取得广泛的影响力，其背后思想和方法技巧可以在wake-sleep框架下进行统一和相互改进。本来希望能够这方面的工作做个总结，但是发现这是一个大的topic，涉及的文献源远流长，很难把握其中的要义，只要做成一个部分的ppt，需要继续努力完整这个讨论！

  3. 所属分类：深度学习

  1. 斯坦福大学机器学习课程个人笔记完整版

  2. 斯坦福大学机器学习课程个人笔记完整版.pdf 目录 (1)线性回归、logistic回归和一般回归 1 (2)判别模型、生成模型与朴素贝叶斯方法 10 (3)支持向量机SVM（上） 20 (4)支持向量机SVM（下） 32 (5)规则化和模型选择 45 (6)K-means聚类算法 50 (7)混合高斯模型和EM算法 53 (8)EM算法 55 (9)在线学习 62 (10)主成分分析 65 (11)独立成分分析 80 (12)线性判别分析 91 (13)因子分析 103 (14)增强学习 1

  3. 所属分类：专业指导

    • 发布日期：2017-09-04
    • 文件大小：11534336
    • 提供者：gaifertrertre

  1. 斯坦福大学公开课 CS231n_Convolutional_Neural_Networks_for_Visual_Recognition PPT

  2. 深度学习-面向视觉识别的卷积神经网络，2016斯坦福大学公开课。课程介绍： 计算机视觉在社会中已经逐渐普及，并广泛运用于搜索检索、图像理解、手机应用、地图导航、医疗制药、无人机和无人驾驶汽车等领域。而这些应用的核心技术就是图像分类、图像定位和图像探测等视觉识别任务。近期神经网络（也就是“深度学习”）方法上的进展极大地提升了这些代表当前发展水平的视觉识别系统的性能。 本课程将深入讲解深度学习框架的细节问题，聚焦面向视觉识别任务（尤其是图像分类任务）的端到端学习模型。在10周的课程中，学生们将会学

  3. 所属分类：深度学习

    • 发布日期：2017-09-05
    • 文件大小：36700160
    • 提供者：sinat_27053203

  1. 贝叶斯思维：统计建模的Python学习法

  2. 贝叶斯方法正在变得越来越常见与重要，但是却没有太多可以借鉴的资料来帮助初学者。基于Allen Downey在大学讲授的本科课程，本书的计算方法能帮助你获得一个良好的开端。 　　使用已有的编程技巧学习和理解贝叶斯统计 　　处理估计、预测、决策分析、假设的证据、假设检验等问题 　　从简单的例子开始，包括硬币问题、M&Ms豆问题、《龙与地下城》勇士投骰子问题、彩弹游戏和冰球比赛问题 　　学习计算方法，解决诸如SAT分数含义、模拟肾肿瘤和人体微生物建模问题

  3. 所属分类：其它

  1. 斯坦福大学机器学习课程个人笔记完整版

  2. 机器学习算法太多了，分类、回归、聚类、推荐、图像识别领域等等，要想找到一个合适算法真的不容易，所以在实际应用中，我们一般都是采用启发式学习方式来实验。本文主要回顾下几个常用算法的适应场景及其优缺点！（提示：部分内容摘自网络）。 机器学习算法太多了，分类、回归、聚类、推荐、图像识别领域等等，要想找到一个合适算法真的不容易，所以在实际应用中，我们一般都是采用启发式学习方式来实验。通常最开始我们都会选择大家普遍认同的算法，诸如SVM，GBDT，Adaboost，现在深度学习很火热，神经网络也是一个不

  3. 所属分类：机器学习

    • 发布日期：2017-09-17
    • 文件大小：11534336
    • 提供者：qq_28400629

  1. 斯坦福大学机器学习课程笔记

  2. 本报告是在学习斯坦福大学机器学习课程前四节加上配套的讲义后的总结与认识。前四 节主要讲述了回归问题，属于有监督学习中的一种方法。该方法的核心思想是从离散的统计 数据中得到数学模型，然后将该数学模型用于预测或者分类。该方法处理的数据可以是多维 的。

  3. 所属分类：算法与数据结构

    • 发布日期：2017-10-21
    • 文件大小：12582912
    • 提供者：qq_22983133

  1. 【2018 最新】deep learning 深度学习的现状及局限综述

  2. 【2018 最新】deep learning 纽约大学教授Gary Marcus长文对深度学习的现状及局限性批判性探讨 + Deep Learning-LeCun、Bengio和Hinton三大牛的综述[2015]。讲解讨论了深度学习是什么？深度学习能做好什么？ 深度学习的局限性、过度炒作的潜在风险、更好的人工智能方法是什么？等非常核心的问题，对机器学习、深度学习研究者和学习者启发很大！

  3. 所属分类：深度学习

    • 发布日期：2018-01-05
    • 文件大小：1048576
    • 提供者：zhuf14

  1. 数学分析学习方法与解题指导（1）

  2. 这个份资料是山东大学出的，配合高教社邓东皋《数学分析简明教程》的答案的！

  3. 所属分类：专业指导

    • 发布日期：2008-12-11
    • 文件大小：10485760
    • 提供者：illman4

  1. 数学分析学习方法与解题指导（2）

  2. 山东大学出的，配合邓东皋数学分析简明教程的答案书！

  3. 所属分类：专业指导

    • 发布日期：2008-12-11
    • 文件大小：8388608
    • 提供者：illman4

  1. 大学英语新视野3 好的英语学习方法

  2. 学习大学英语的好软件 这可以帮助你考英语四级

  3. 所属分类：专业指导

    • 发布日期：2009-02-23
    • 文件大小：441344
    • 提供者：shevchenko520

  1. FLAC3D在岩土工程中的应用-陈育民-东南大学讲座

  2. 软件介绍 动力分析 Dynamic Option 桩-土相互作用分析 Interface 隧道分析 Structure Element 流固耦合分析 Fluid-Mechanical Interaction 学习方法及经验介绍

  3. 所属分类：专业指导

  1. 华中科技大学多向文本检测方法

  2. 华中科技大学多向文本检测方法

  3. 所属分类：机器学习

    • 发布日期：2018-05-29
    • 文件大小：2097152
    • 提供者：hitter_king

  1. 北京交通大学实验报告

  2. 北京交通大学2018年光纤实验报告 1、使学生深入了解WDM器件的各种特性及特点 2、熟悉WDM器件的应用方法 3、让学生通过对光纤器件的连接建立一个感性认识，增加学习的兴趣，熟悉光纤无源器件的使用方法

  3. 所属分类：讲义

    • 发布日期：2018-06-11
    • 文件大小：247808
    • 提供者：qq_36277503

  1. 机器学习与流形（1）

  2. （最近，哈佛大学丘成桐先生领导的团队，大连理工大学罗钟铉教授、雷娜教授领导的团队应用几何方法研究深度学习。老顾受邀在一些大学和科研机构做了题为“深度学习的几何观点”的报告，汇报了这方面的进展情况。这里是报告的简要记录，具体内容见【1】。） 上一次博文（深度学习的几何理解（1） - 流形分布定律）引发很大反响，许多新朋老友和老顾联系，深入探讨学术细节，并给出宝贵意见和建议，在此一并深表谢意。特别是中国科学技术大学的陈发来教授提出了和传统流形学习相比较的建议；和熊楚渝先生提出通用学习机的X-形式理

  3. 所属分类：深度学习

    • 发布日期：2018-06-11
    • 文件大小：2097152
    • 提供者：ch1209498273

  1. 贝叶斯思维 统计建模的Python学习法

  2. 　贝叶斯方法正在变得越来越常见与重要，但是却没有太多可以借鉴的资料来帮助初学者。基于Allen Downey在大学讲授的本科课程，本书的计算方法能帮助你获得一个良好的开端。 　　使用已有的编程技巧学习和理解贝叶斯统计 　　处理估计、预测、决策分析、假设的证据、假设检验等问题 　　从简单的例子开始，包括硬币问题、M&Ms;豆问题、《龙与地下城》勇士投骰子问题、彩弹游戏和冰球比赛问题 　　学习计算方法，解决诸如SAT分数含义、模拟肾肿瘤和人体微生物建模问题 内容简介

  3. 所属分类：机器学习

    • 发布日期：2018-06-18
    • 文件大小：15728640
    • 提供者：fyl222

  1. AI 顶级国际会议 IJCAI 斯坦福大学PH.D Aditya Grover报告深度生成模型Deep Generative Model

  2. 生成模型是图模型与概率编程语言中概率推理的核心范例，最近由于神经网络在参数化方面的改进、以及基于梯度随机优化方面的进展，使得可以对高维数据进行跨模态建模。 本教程的前半部分，将全面介绍深度生成模型，包括生成对抗网络、变分自编码器以及自回归模型。对于每一个模型，我们都将深入探讨各自的概率公式、学习算法、以及与其他模型的关系。后半部分将演示一组具有代表性的推理任务，展示深度生成网络在其中的应用。最后，我们将讨论堂前领域面临的挑战，并展望未来的研究方向。 目录 第一部分： 生成模型的动机，以及与判别

  3. 所属分类：深度学习

    • 发布日期：2018-07-25
    • 文件大小：26214400
    • 提供者：wen_fei

  1. 武汉大学信息检索报告【研究生课程】

  2. 面对日益纷繁复杂的网络信息，你是否感觉检索和获取信息有些力不从心？《信息检索》课程从实际操作出发，讲授如何精准、快捷地获取你想要的资源，培养信息素养，使你能够从容面对信息爆炸的挑战。无论是生活、学习、工作还是科研，你都能从本课程中找到对应的信息检索的工具与方法，从而终身受益。

  3. 所属分类：讲义

    • 发布日期：2018-08-17
    • 文件大小：397312
    • 提供者：qq894040717

  1. MFC练习题1大学学习mfc用的

  2. MFC上机的一些练习第一部分，后续还有234，1. 用向导生成一个单文档应用程序，项目工作区切换到类视图，分析单文档应用程序中包含的类及主要方法，对照注释和书本了解其功能。 2. 项目工作区切换至文件视图了解项目的文件组成。 3. 切换到资源视图，试着修改它的图标、标题(string table里改)和版本信息。运行程序查看修改结果。 4. 生成一个多文档应用程序，比较其与单文档窗口的不同。

  3. 所属分类：C/C++

    • 发布日期：2018-09-13
    • 文件大小：11534336
    • 提供者：szk12138

  1. 机器学习：牛顿方法实现逻辑回归

  2. 实验步骤与内容： 1. 下载数据包ex3Data.zip并解压。 2. 对于这个练习，假设一所高中有一个数据集，代表40名被录取的学生和40名未被录取的学生。 每个(x (i)，y(i)) 数据包括两个标准化考试中学生的分数和学生是否被录取的标签。任务是建立一个二元分类模型，根据学生在两次考试中的成绩来估计大学录取机会。 3. polt data:使用不同的符号来表示录取结果，画出图像。 4. 假设模型的函数为sigmoid function： 进行求最优解的代价函数cost function

  3. 所属分类：机器学习

« 1 2 3 4 5 67 8 9 10 11 ... 36 »