小型Imagenet视觉识别挑战 Tiny Imagenet具有200个类别，每个类别具有500个训练图像，50个验证图像和50个测试图像。 提供了标签类别和边界框。 可以在上找到更多详细信息， 这项挑战是Stanford Class CS 231N的一部分

百度飞桨AI训练营任务：吃鸡排名预测挑战赛过基线分数9２+代码和最终提交文件

Kaggle TalkingData AdTracking欺诈检测挑战 第48解决方案，竞赛链接： : ：笔记本电脑版本 ：脚本版本，在私有LB上大约为0.9824 blending.ipynb：混合历史模型，这使我提高了约0.0002 FTRL.ipynb：由于时间有限，没有尝试过 在完整的训练数据上运行此代码需要96GB RAM和128G交换空间 一些解决方案作为参考 火车日志 请参阅

网络中的社区指的是一组由节点以及与其相连的边紧密地形成的实体。社区发现旨在遵循「社区中的节点紧密相连，不同社区间的节点稀疏相连」的规则对实体集合进行聚类。包括谱聚类、统计推断在内的传统社区发现方法在处理高维图数据时存在计算速度的问题。因此，近年来，深度学习方法被广泛地应用。

java物联网源码

算法分析课程设计--姓名挑战游戏.doc

本次竞赛要解决的问题是，通过识别图片中的鲸鱼尾巴，实现对鲸鱼种类的分类，属于一个多分类问题 提供的数据集包括9850张训练图片（4251个种类）和15610张测试图片。 这是本人第一次参加的比赛，最终以0.45426的分数，排名45th/528，top9% 环境说明： tensorflow-gpu:1.4.1 keras-gpu:2.0.5 文件说明： input: notebook文件需要的输入 humpback-whale-identification-model-files: Whale Recognition Model with score 0.78563.ipynb需要的文件 train.csv: 原始训练集标注文件 train_aug.csv: Keras_lb_0.38_to_0.42_cut_aug.py使用的经过裁剪，以及数据增强后的训练集标准文

GBase云上逻辑数据仓库助力行业迎接数字化转型新挑战.pdf

AnalyticDB融合分析数仓挑战与演进.pdf

Matlab fft原始代码ESAI-CEU-UCH解决癫痫预测挑战的解决方案 这项工作提出了由CEU Cardenal Herrera大学（ESAI-CEU-UCH）在Kaggle美国癫痫协会癫痫发作预测挑战赛中提出的解决方案。 提出的解决方案位于的第4位。 提出了不同种类的输入功能（不同的预处理流水线）和不同的统计模型。 这种多样性是为了改善模型组合结果。 重要的是要注意，任何提议的系统都使用测试仪进行校准。 竞争允许使用测试集进行此模型校准，但这样做会降低结果在现实世界中的可重复性。 依存关系 软件 该解决方案使用以下开源软件： 工具包v0.4.0。 它是使用Lua和C / C ++核心进行模式识别的工具包。 因为此工具是非常新的，所以已经在管道中编写了安装和配置。 v3.0.2。 对于统计计算，这是Kaggle竞赛中广泛使用的工具。 软件包R.matlab，MASS，fda.usc，fastICA，stringr和plyr是运行该解决方案所必需的。 v4.3.11，使用cp，mv，find，mktemp，sort和tr命令行工具。 该解决方案准备在具有Linux平台上运行，但可