ArtLine：基于深度学习的项目，用于创建线条艺术肖像

结合用户使用掌厅的行为数据，建模预测用户下个月是否继续使用掌厅，撰写报告，描述并解释整个建模过程，以及模型达到的效果。

在机器学习中，你将大量内容留给机器去学习数据。机器学习的一个显著特征是不需要构建模型。这个复杂而有意义的任务是由机器学习算法执行的。如下图所示，与传 统编程最大的区别在于机器学习把数据交给机器进行学习，而传统编程由程序员自己编写。

注意 这是我目前活跃的音乐探索分支 该应用程序可能无法按照此分支中的说明运行 “master”分支是最新的工作版本 用 Haskell 和 R 编写的谐波算法在用户定义的约束内生成特定于音乐领域的数据，然后对其进行过滤，并使用针对摄取的音乐数据进行训练的定制马尔可夫链模型对其进行确定性排序。这为作曲家或表演者提供了一种独特的工具，可用作写作辅助工具、分析设备、器乐学习甚至现场表演。 这个开源项目基于我多年来追求的长期研究议程，源于我作为电贝司演奏者对利用乐器泛音进行演奏和作曲的兴趣。 谐波算法从这项研究中汲取了基础理论思想，并在命令行界面中实现了它们。谐波算法不仅对电贝司演奏者有用，作曲家和演奏者也可以在任何乐器上使用。 更多详情、使用方法，请下载后阅读README.md文件

这是我的毕业项目，如果你想重用它，只使用训练 py 文件来训练模型整个应用程序将无法工作，而且我没有上传经过训练的模型的 h5 文件，因为它的大小约为 3GB，即太多了，您可以将 kaggle API 与 colab 一起使用来轻松训练模型，谢谢 :) 图像伪造检测使用深度学习 使用卷积神经网络进行图像处理以检测图像中的篡改 项目描述 该项目结合了不同的深度学习技术和图像处理技术，以检测不同图像格式（有损或无损格式）的图像篡改“复制移动和拼接”伪造。我们实施了两种不同的技术来检测篡改。我使用 ELA 预处理构建了自己的模型，并使用了两个不同的预训练模型（VGG19、VGG15）进行微调，这些模型使用Google Colab进行训练，图像伪造检测应用程序使用户能够使用应用程序训练的模型测试图像或训练具有新数据集的应用程序模型和具有此新训练模型的测试图像。 楷模 错误级别分析“ELA” [1][2]最高准确率 (94.54% , epoc12)您可以从这里阅读更多关于 ELA 的信息！. VGG16 预训练模型。 VGG19 预训练模型。

机器学习的一些实践，这里有很多小项目以及比赛项目的代码

机器学习的一些实践，这里有很多小项目以及比赛项目的代码，都是笔者个人写的

Android 程序技术 本节课程内容：个人学习助手项目-登录界面的制作 PART 1 个人学习助手项目-登录界面的制作 个人学习助手项目-登录界面的制作 Personal Learning Assistant project - the creation of login interface 搭建登录界面UI。 功能描述： 技术要点： 使用前几节学习的布局和控件搭建。 导入图片资源 实现步骤： 编写界面 布局文件中编写界面代码 THANK YOU END 谢谢观看

Android程序技术：个人学习助手项目个人资料显示.pptx

Android程序技术：个人学习助手项目课程界面设计.pptx