课程模拟项目——带模糊控制器的倒立摆 在这个项目中，一个由简单模糊控制器控制的倒立摆系统在 Matlab 环境中进行了仿真。 主要参考书是《模糊控制》[1]。 主要目的是评估不同参数的效果。 共有三种类型的文件：支持的函数、仿真函数和仿真结果。 支持的功能 倒立摆系统模型InvertedPendulum.m : 根据上一时间步长的值计算当前环境值； 四阶 Runge Kutta 方法ODE_RK.m ：使用四阶 Runge Kutta 方法求解 ODE。 它用于InvertedPendulum.m ； Fuzzy Controller FuzzyController.m : 根据用户的设置和测量值计算将传递到倒立摆系统的力。 它仅包含两个输入和一个输出。 一种输入是角度误差。 另一个输入是角速度误差。 输出是力。 ConvertEps2Pdf.sh : 将仿真结果从 eps 图形转换

javaScript-Node.js-课程

火狐操作系统课程 ### 来自秘鲁 Mozilla 和 Devcode.la ＃＃＃资源

机器学习课程 2014，ITMO，CT 一、KNN的实现 用其中一种编程语言实现 KNN。 如有必要，对数据集中的数据进行归一化，并通过某种方式（例如，交叉验证）为 KNN 选择 k 参数。 在测试样本和训练样本上计算分类器的 F 度量。 2.识别垃圾邮件 您需要训练贝叶斯分类器来识别垃圾邮件。 样本已经分为 10 个部分。 每个文件代表一条消息。 如果文件名包含 spmsg，则这是垃圾邮件，否则 (合法) 是正常消息。 3. 使用 SVM 拆分数据集 使用 SVM 划分数据集（有一些噪音，但通常它是线性可分的）。 作为答案，在y = kx + b 形式的分界线上打印近似系数k 和b。 此外，作为任务的第二部分，您需要在 KNN 任务中使用的同一数据集上应用 SVM。 但是对于此任务，您将不得不使用内核。 4. 线性回归的构建 构建线性回归。 该数据集的每个对象都由三个数字组成：公寓的居住

此款开发板使用的是Xilinx公司的Zynq7000系列的芯片，型号为XC7Z010-1CLG400C， 400 个引脚的 FBGA 封装。ZYNQ7000 芯片可分成处理器系统部分 Processor System（PS） 和可编程逻辑部分 Programmable Logic（PL）。在 AX7010 开发板上，ZYNQ7000 的 PS 部分和 PL 部分都搭载了丰富的外部接口和设备，方便用户的使用和功能验证。另外开发板上 集成了 Xilinx USB Cable 下载器电路，用户只要用一个 USB 线就可以对开发板进行下载和调 试。

和声2 Momentum-AI-机器学习课程 这个 Momentum AI 的机器学习课程，教你如何使用最新的深度学习技术。 了解更多信息 Google 文档，概述了如何开始使用深度学习。 关于人工智能和机器学习的演讲。 本课程将教您如何使用不同的机器学习模型，重点是人工神经网络。 您将学习如何从头开始构建自己的人工神经网络，以及如何使用 Tensorflow 和 Keras 创建可以创建语言和理解视觉的机器学习模型。 本课程还将重点介绍如何建立训练有素的模型并在网络上工作。 训练你的第一个人工神经网络 在第一课中，您将学习如何使用 Keras 和 Tensorflow 开始深度学习。 你可以训练你自己的深度神经网络，它可以处理大脑成像数据。 这是 Keras 中深度神经网络的代码。 激动人心的东西！ # Visualize training history from keras . models import Sequential from keras . layers import Dense , BatchNormalization from keras . layers imp

This course may well require a different approach than those you used in previous mathematics courses. You may have become accustomed to working a home work problem by turning back in the text to find a similar problem, and then just changing some numbers.

fastai(2019)上课讲义，ipynk文件，包含课程part1和part2，国内从官网下载不稳定，侵删。

里斯本大学机器学习课程的讲义.

服务课程 这是在线课程网站的课程服务API。 它仍在进行中，将会有更多的服务。