利用概率神经网络，进行分类识别

使用BP神经网络进行分类预测

使用CNN识别花卉种类 此代码使用VGG11预训练模型来训练和识别不同种类的花。 该模型仅20个周期就达到了90％以上的精度

小麦种类预测，用于算法训练数据，方便自己和网友们使用学习，seeds.tsv文件，最后一列是小麦品种，其他列是小麦特征，根据特征来预测品种

对精算实务讲解的课件,一共五章。第一章 寿险和年金种类 第二章寿险核保，第三章再保险，第四章保单现金价值与红利 第五章 保险定价

常见勒索病毒种类介绍 如何判断勒索病毒病情 勒索病毒的应急处置等

PID控制模拟软件，四种模拟环境，PID控制器初学者可下载学习，了解P（比例），I（积分），D（微分）调节规律。

从生态和环境的角度来看，监测鸟类多样性是一项重要的任务。尽管鸟类监测是一个公认的过程，但是观察工作主要是手动进行，这很耗时，因此可伸缩性很低。这激发了使用机器学习方法，使用相机陷阱数据，记录的数据或众包来分析鸟类图像和声音的动机。在这一挑战中，鸟类图像分类任务（特别是对于喜马拉雅鸟类）基于有限但多样的人群来源数据集。 bird species classification_datasets.txt bird species classification_datasets.zip

缺陷八大要素

随着我国葡萄酒业的逐步发展，葡萄酒生产企业的规模和数量不断扩大。但中国的葡萄酒业仍面临着进口酒的激烈竞争以及质量检测体系不明确带来的市场紊乱。针对这些问题，本文分析了葡萄酒质量人工品尝存在的不足，并提出了如何提高基于数据挖掘技术的葡萄酒质量等级的识别率，对中国葡萄酒市场的稳定发展以及更好地酿造出高质量的葡萄酒有着实际的应用价值。在数据挖掘中，经常会遇到不平衡数据的分析。相对于多数类来说，少数类样本对准确率的影响力小，这意味着对所有样本进行分类，可以在不识别出任何少数类样本的情况下得到很高的正确率，识别少数类的分类规则也就被忽略了。本文的创新点在于从不平衡样本中提取平衡样本进行建模并对测试样本预测，进行多次的循环，得到多次的预测结果，选择次数出现最多的预测结果作为最终的预测结果，大大提高了低质量葡萄酒的识别率。本文采用BP神经网络对葡萄酒种类进行模式识别，通过对在意大利同一区域里三种的葡萄酒的化学成分分析，数据含有178个样本，每个样本含有13个特征分量，每个样本的类别标签已定。其中将这178个样本的65%作为训练样本，另外35%作为测试样本，用训练样本对BP神经网络进行训练可以得到相对应的分类模型，在利用训练好的模型对测试样本进行分类识别。