nlp 自然语言处理：中文分词，打标签，文章匹配相似度 打标签： extra_tags.py： 关键函数：extarct_tags ，通过help(jieba.analyse.extarct_tags) 查看 函数提示如下： withWeight：单词权重 allowPOS：单词性质，参看 withFlag： ====================================================== Help on method extract_tags in module jieba.analyse.tfidf: extract_tags(self, sentence, topK=20, withWeight=False, allowPOS=(), withFlag=False) method of jieba.analyse.tfidf.TFIDF instance

使用堆叠LSTM的股价预测和预测-深度学习

深度主动学习 以下主动学习算法的Python实现： 随机抽样 最不信任[1] 保证金抽样[1] 熵采样[1] 具有辍学估计的不确定性采样[2] 贝叶斯主动学习分歧[2] K均值采样[3] K中心贪婪[3] 核心套装[3] 对抗-基本的迭代方法 对抗性-DeepFool [4] 先决条件 numpy的1.14.3 scipy 1.1.0 火炬0.4.0 火炬视觉0.2.1 scikit学习0.19.1 ipdb 0.11 用法 $ python run.py 参考 [1]一种新的深度学习主动标记方法，IJCNN，2014年 [2]使用图像数据进行深度贝叶斯主动学习，ICML，2017年 [3]卷积神经网络的主动学习：核心集方法，ICLR，2018年 [4]深度网络的对抗式主动学习：基于边际的方法，arXiv，2018年

深度学习实验室 字符测试。 seq2seq测试。 word2vec测试。 交叉熵检验。 双向rnn测试。 图片上的卷积运算。 图片上的合并操作。 cnn可视化的颤抖。 InceptionV3模型。 转移学习。

MDP-DP-RL 该项目的目标是从头开始开发所有动态编程和强化学习算法（即，除了基本的numpy和scipy工具之外，不使用标准库）。 “从头开始开发”目标是出于教育目的-学习此主题的学生只有在他们开发和使用从头开始开发的代码时才能彻底理解这些概念。 我针对不同的学生背景讲授了该主题的课程，每门此类课程都以技巧/算法的精确编程实现为基础。 特别是，当我教Stanford CME 241：金融中的随机控制问题的强化学习（ ）时，会使用此代码库。 关于代码可读性，性能和错误的任何反馈将不胜感激，因为代码仍相当原始且未经各个部分的测试（2018年8月开始使用此代码，到目前为止主要处于代码增长模式）。 该项目开始于为有限的马尔可夫过程（又名马尔可夫链），马尔可夫奖励过程（MRP）和马尔可夫决策过程（MDP）实现基础数据结构。 其次是动态编程（DP）算法，其重点是在代码内以清晰的数学术语表

cvml 这个软件库包含了所有的课程“计算机视觉和机器学习的材料科学家”在中心DES MATERIAUX国立巴黎高等矿业学校22-26年2月举行的教程资料，2021年一个同伴网页可在

韩顺平java项目源码 [TOC] data-structures 介绍 数据结构学习源码，学习过程中参考尚硅谷的《尚硅谷-韩顺平图解Java数据结构和算法》视频, 但视频中有些内容为了便于理解，存在一些硬编码以及一些个人觉得可以优化的点，因此该项目中源码与视频中源码有较大出入； 内容 1. 稀疏数组 com.ddf.datastructure.sparsearray.SparseArray 2. 队列 2.1 数组实现队列 com.ddf.datastructure.queue.ArrayQueueDemo 3. 链表 3.1 单向链表 com.ddf.datastructure.linkedlist.SingletonLinkedListDemo 3.2 双向链表 com.ddf.datastructure.linkedlist.LinkedListDemo 3.3 单向环形链表 com.ddf.datastructure.linkedlist.CircleSingletonLinkedListDemo 4. 栈 4.1 数组实现栈 com.ddf.datastructure.st

GameDevTV 这是我目前正在学习的有关Unity 2D和3D的Udemy课程的资料库。 它实际上是两门课程，分别是：完整的C＃Unity游戏开发人员2D和完整的C＃Unity游戏开发人员3D。 他们在Unity Game Engine中都有相似但不同的项目。 一旦我完成了这些课程，该资料库将不会更新，如果您也正在参加这些课程，请随时进行拨叉，加注星标或观看项目，以防您需要帮助。 我不是专家，但是拥有各种类型的代码和项目进行分析始终是一件好事。 玩得开心！

知识星球数据抓取 本工具用于自动连接到已经付费的知识星球，下载所有的文章。 后续可以跟根据需要过滤一些数据，生成Word文档，方便打印学习。 源代码基于Python3.6。需要用的第三方库请自行用pip3下载。 需要安装的包有，reqeusts,pymongo,python-docx 学习理财、财经知识可以到知识星球搜索“老齐的读书圈”和“齐俊杰的粉丝群”，都很不错。代码中就拿这两个星球做为例子。 有疑问请发邮件至 headers.txt 该文件最为关键，用于存放cookies和其它header里的内容,没有正确的cookies自然不能下载数据。 首先在网页中登录知识星球，然后直接从Network中找到对应的Request，再将Request Hearder复制过来就可以。 group.ini 用于记录每个星球上次下载的时间，避免重复下载数据。 Zsxq.ini 用于配置知识星球的各种UR

pb9进阶开发篇源码，《PowerBuilder9·0精彩编程百例》源代码