神经网络解决马尔可夫决策问题思路，理解强化学习的先导

基于BP神经网络的车型识别

资源包含相关参考文献及对应的matlab仿真程序，仅供参考。 针对欠驱动船舶的路径跟踪问题,提出一种基于强化学习的自适应迭代滑模控制方法。该方法引入双曲正切函数对系统状态进行迭代滑模设计,并采用神经网络对控制参数进行优化,增强控制器的自适应性。通过定义一种控制量抖振测量变量和强化学习信号,实现对神经网络的参数进行在线调整,能进一步抑制控制量的抖振作用。其次,针对欠驱动船舶的轨迹跟踪问题,把设计的基于强化学习的迭代滑模控制器推广到两路控制,对跟踪轨迹的横向和纵向偏差分别进行迭代滑模控制器设计,控制器输出为控制舵角和柴油机转速,根据舵角和转速抖振实现参数调节,控制器的控制结构与路径跟踪控制类似。

利用python实现神经网络识别手写数字

利用鱼群算法优化BP神经网络权值，本代码包括完整的鱼群算法，BP神经网络算法和运行数据，可以直接运行。

CIFAR-10数据集的所有图像已全部保存至压缩包内

官方例子，深度学习专用，机器学习专用，代码简单，一看就会(tensorflow multigpu cnn demo)

deep+learning.pdf.zip

深度学习方法及应用PDF高清晰完整版.pdf.zip

想入门机器学习领域或深度学习领域的不可或缺之物