WiFi-移动-识别 使用 WiFi CSI 信息来识别运动

:训练U-Net 深度学习模型对乳腺动态增强磁共振图像(DCE-MRI)上乳腺肿块进行 自动分割、定位和体积测量,并将结果自动导入结构化报告中,探讨其植入临床工作流程的可行性,旨在提高诊断效率和效能

用 NumPy 实现所有机器学习模型

使用机器学习模型预测NBA结果 该的目的是为我的实验中获得的结果提供可视界面。 我试图预测从2021年3月31日起的NBA比赛结果。 为此，我将使用两个机器学习模型，一个逻辑回归模型和一个带有线性核的支持向量机。 直到3月31日，NBA总共踢了695场比赛。 由于大流行，今年的赛程表发生了变化，因此每支球队只能参加72场比赛，而不是通常的82场比赛。 因此，常规赛总共将有1080场比赛。 这个想法是用这695个游戏（约占65％）训练模型，并对其余游戏进行“实时测试”，每天更新预测和结果。 为了进行培训，我使用了3月31日之前所有NBA游戏的数据。多亏了nbastatR软件包，我才能够轻松抓取boxscore数据和其他统计信息。 我转换了数据并实现了功能，以计算最近10场比赛的球队统计数据的移动平均值，并计算ELO评分（有关ELO评分的详细信息，请参见和）。 因此，训练数据集包含48个列

人物轨迹 有关详细信息，请参见的文件“ 。

Amazon-Review:使用情感分析在Amazon Review数据中构建机器学习模型

基于卷积神经网络（CNN）的肺结节自动检测的深度学习模型

音乐生成器 介绍 使用TensorFlow实验各种深度学习模型以生成音乐 结果 解释不同的模型和实验。 安装 该程序需要以下依赖项（易于使用pip进行安装）： Python 3 TensorFlow（已通过v0.10.0rc0测试。不适用于以前的版本） CUDA（有关使用gpu的信息，请参见TensorFlow 以了解更多信息） Numpy（应该与TensorFlow一起安装） 御堂（MIDI图书馆） Tqdm（用于不错的进度条） OpenCv（很抱歉，没有简单的方法可以使用python 3安装它。它主要用作可视化工具来打印钢琴卷，因此是非常可选的。所有OpenCv调用都包含在i

半监督学习 楷模 梯形图网络（带有自动编码器） 临时集合（与CNN） 锐化的临时合奏（带有CNN）（基于临时合奏） 卑鄙的老师（与CNN） MixMatch（带有CNN） 结果 在results.xlsx查看results.xlsx

imageclipper样本制作工具，可以方便的抠出图片的感兴趣区域，作为学习模型的训练样本。要抠的图片放在exe目录下，里面已经包括所需的opencv1.0的.dll文件，可直接使用。