网易公开课斯坦福吴恩达教授机器学习课程讲义，作业及解析，配合视频学习更加高效易懂，含有各种公式的推导步骤： [第1集] 机器学习的动机与应用 [第2集] 监督学习应用.梯度下降 [第3集] 欠拟合与过拟合的概念 [第4集] 牛顿方法 [第5集] 生成学习算法 [第6集] 朴素贝叶斯算法 [第7集] 最优间隔分类器问题 [第8集] 顺序最小优化算法 [第9集] 经验风险最小化 [第10集] 特征选择 [第11集] 贝叶斯统计正则化 [第12集] K-means算法 [第13集] 高斯混合模型 [第14集] 主成分分析法 [第15集] 奇异值分解 [第16集] 马尔可夫决策过程 [第17集] 离散与维数灾难 [第18集] 线性二次型调节控制 [第19集] 微分动态规划 [第20集] 策略搜索

斯坦福大学pintos代码27pass 和 实验报告

网易公开课，斯坦福大学Andrew Ng 大牛机器学习课件中文版，对于研究机器学习的同学有很大帮助

斯坦福大学人工智能实验室主任李飞飞教授的计算机视觉CS231全套课件

水平集matlab代码 DogClassification 原理说明 首先，将数据按照mat文件所记录的方式分为训练集和测试集两部分。由于12000张的训练集有点少，所以对每张训练图片采集它的左上角80%区域、右上角80%、左下角80%、右下角80%、中间80%，然后对其进行水平翻转，这样一张图片就变成了10张。 接着，训练方式采用迁移学习，使用已经训好的VGG16模型，去掉最后几层的全连接层后，接上自己的模型进行训练。每张图片丢进VGG16的卷积层得到一个7*7*512维的特征向量，flatten之后，由于数据量少，将后续的两个全连接层的维度从4096降到1024，dropout取0.5（防止过拟合），最后加上softmax，类别设置为120。 训练结果 Epoch 500/500 120000/120000 [==============================] - 183s - loss: 1.7354 - acc: 0.8910 precision recall f1-score support avg / total 0.61 0.64 0.62 8580 更新日

CS231n 斯坦福深度视觉识别课件pdf版本,一共16章,每一章一个pdf文件,深度学习入门教程

3D对象表示是用于多视图对象类检测和场景理解的宝贵资源。细粒度识别是计算机视觉的一个不断发展的子领域，在区分细微的外观差异方面有许多实际应用。这些汽车数据集包含用于组建模型的出色培训和测试集，可以相互区分汽车。 Stanford Cars Dataset_datasets.txt Stanford Cars Dataset01_datasets.zip Stanford Cars Dataset02_datasets.zip Stanford Cars Dataset03_datasets.zip

Programming-Abstractions-in-C++(斯坦福教材）抽象编程 可配合公开课视频

斯坦福教授Cryptography 课程思维导图.emmx， 使用mindmaster软件可打开编辑

本笔记是针对斯坦福大学2014年机器学习课程 视频做的个人笔记，作者：黄海广