本文介绍了推动工业领域数字商业模式的因素，对实际案例的分析，数字商业模式对企业组织的影响以及法律框架， 值得行业人士及相关人员参考。

object detection API

DSSM论文

StarGAN v2-官方PyTorch实施 StarGAN v2：多个域的多样化图像合成*，* *，*，在CVPR 2020中。（*表示相等的贡献） 论文： : 视频： ： 摘要：良好的图像到图像转换模型应学习不同视觉域之间的映射，同时满足以下属性：1）生成图像的多样性和2）在多个域上的可伸缩性。 现有方法解决了其中一个问题，即对于所有域而言，其多样性有限或具有多个模型。 我们提出了StarGAN v2，这是一个可以同时解决这两个问题的框架，并且在基线之上显示出明显改善的结果。 在CelebA-HQ和新的动物面Kong数据集（AFHQ）上进行的实验验证了我们在视觉质量，多样性和可伸缩性方面的优越性。 为了更好地评估图像到图像的翻译模型，我们发布了AFHQ，具有较大域间和域内差异的高质量动物脸。 代码，预训练模型和数据集可在clovaai / stargan-v2中找到。 宣

1969-诺奖得主Granger-Investigating Causal Relations by Econometric Models and Cross-spectral Methods

状态空间模型工具箱The State Space Models toolbox for MATLAB原文

葡萄酒品质 使用来自kaggle的数据集进行葡萄酒质量预测。

这个是 Jordan 老爷子和他的得意门徒 Martin J Wainwright 在 Foundation of Machine Learning Research 上的创刊号，可以免费下载，比较难懂，但是一旦读通了，graphical model 的相关内容就可以踏平了。

tensorflow_models_learning 老铁要是觉得不错，给个“star” 1.生成record训练数据 dataset已经包含了训练和测试的图片，请直接运行create_tf_record.py 对于InceptionNet V1:设置resize_height和resize_width = 224 对于InceptionNet V3:设置resize_height和resize_width = 299 其他模型，请根据输入需要设置resize_height和resize_width的大小 if __name__ == '__main__': # 参数设置 resize_height = 224 # 指定存储图片高度 resize_width = 224 # 指定存储图片宽度 shuffle=True log=5 #

GRU-ARIMA时间序列预测 GRU和ARIMA模型用于时间序列预测，其中GRU可用于短期和长期预测。使用GRU和ARIMA模型进行时间序列预测，其中GRU可以进行短期预测和长期预测。