人体CT扫描段层DCM格式，可用于机器学习/人工智能，练习参考。

该资源为numpy-1.22.4+mkl-cp311-cp311-win32.whl，欢迎下载使用哦！

机器学习数学基础（线性代数、概率与信息论、数值计算），机器学习常用方法、深度学习和具体应用

基于深度学习的果蔬图像分割和特征识别研究__水果图像识别论文毕业设计范文.pdf

一个基于深度学习的量化投资策略.zip

最早接触STM32的时候就了解到，stm32有IAP功能，但是一直没有用到，最近公司项目中用到了，我才详细的学习了这个功能，学完之后感觉这个功能很好用，也很实用，特此写下来，做个笔记，同时也希望能帮助到所有的热爱单片机的人。

基于灰狼算法(GWO)优化门控循环单元(GWO-GRU)的时间序列预测。 优化参数为学习率，隐藏层节点个数，正则化参数，要求2020及以上版本。 评价指标包括:R2、MAE、MSE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。

Python基于pytorch深度学习的车型识别系统源码+使用说明 训练模型主要分为五个模块：启动器、自定义数据加载器、网络模型、学习率/损失率调整以及训练可视化。 启动器是项目的入口，通过对启动器参数的设置，可以进行很多灵活的启动方式，下图为部分启动器参数设置。 任何一个深度学习的模型训练都是离不开数据集的，根据多种多样的数据集，我们应该使用一个方式将数据集用一种通用的结构返回，方便网络模型的加载处理。 这里使用了残差网络Resnet-34，代码中还提供了Resnet-18、Resnet-50、Resnet-101以及Resnet-152。残差结构是通过一个快捷连接，极大的减少了参数数量，降低了内存使用。

这个资源是一个收集了200篇关于大数据学习的论文的集合。这些论文涵盖了大数据学习的各个方面，包括数据挖掘、机器学习、深度学习、数据分析等。这些论文是由大数据领域的专家和研究人员撰写的，对于想要深入了解大数据学习领域的人来说，是一个非常有价值的资源。盖了大数据学习的各个方面，可以帮助读者了解当前大数据学习领域的最新研究成果和发展趋势。读者可以通过阅读这些论文，了解大数据学习的理论基础、方法和应用案例，从而提升自己在大数据领域的知识和技能。盖了大数据学习的各个方面，可以帮助读者了解当前大数据学习领域的最新研究成果和发展趋势。读者可以通过阅读这些论文，了解大数据学习的理论基础、方法和应用案例，从而提升自己在大数据领域的知识和技能。

目录 介绍 该存储库表示在开发用于材料科学中的机器学习的图形网络方面的工作。 这项工作仍在进行中，到目前为止，我们开发的模型仅基于我们的最大努力。 我们欢迎任何人使用我们的代码和数据来构建和测试模型的努力，所有这些代码和数据都是公开的。 也欢迎任何意见或建议（请在Github Issues页面上发帖。） 使用我们的预训练MEGNet模型进行晶体特性预测的Web应用程序可从。 MEGNet框架 MatErials图形网络（MEGNet）是DeepMind图形网络[1]的实现，用于材料科学中的通用机器学习。 我们已经证明了它在分子和晶体的广泛属性中实现非常低的预测误差方面所取得的成功（请参阅 [