Magenta: 利用机器智能生成音乐 Magenta 是 Google Brain 团队的一个项目，它提出以下问题：我们能否使用机器学习来创作引人入胜的艺术和音乐？ 如果是这样，如何？ 如果没有，为什么不呢？ 我们将使用 TensorFlow，并将在此 GitHub 上以开源形式发布我们的模型和工具。 我们还将发布演示、教程博客帖子和技术论文。 如果您想了解 Magenta 的发展情况，可以阅读我们的博客或加入我们的讨论组。 安装 Python Pip Magenta 维护了一个易于安装的 pip 包。 我们建议使用 Anaconda 来安装它，但它可以在任何标准 Python 2.7 环境中工作。 这些说明将假设您使用的是 Anaconda。 自动安装如果您运行的是 Mac OS X 或 Ubuntu，您可以尝试使用我们的自动安装脚本。 只需将以下命令粘贴到您的终端中即可。 curl https://raw.githubusercontent.com/tensorflow/magenta/master/magenta/tools/magenta-install

Magenta: 利用机器智能生成音乐

卷积神经网络实现手写数字识别训练模型及可视化，支持向量机实现手写数字识别 训练模型，贝叶斯分类器实现手写数字识别训练模型，mnist数据集提取成28*28的图片形式，包含代码及25页作业报告

四川大学机器智能实验室停用词库.txt

深度学习基础——设计下一代机器智能算法，东南大学出版社出版了此书的影印版。

启用可审计自主性的神经回路政策 神经回路策略（NCPs）是基于LTC神经元和突触模型设计的稀疏循环神经网络，受到神经的神经系统的启发。 本页描述了NCP的Keras（TensorFlow 2.0软件包）参考实现。 有关论文的再现性材料，请参见。 安装 要求： Python 3.6 TensorFlow 2.0 （可选）PyTorch 1.7 pip install keras-ncp 2021年1月更新：添加了实验性PyTorch支持 随着keras-ncp 2.0版，添加了实验性PyTorch支持。 下面的文件夹和一个Colab笔记本中有一个有关如何使用PyTorch绑定的。 请注意，

面向机器智能TensorFlow实践，本书是一本*佳的TensorFlow入门指南。几位作者都来自研发一线，他们用自己的宝贵经验，结合众多高质量的代码，生动讲解TensorFlow的底层原理，并从实践角度介绍如何将两种常见模型——深度卷积网络、循环神经网络应用到图像理解和自然语言处理的典型任务中。此外，还介绍了在模型部署和编程中可用的诸多实用技巧。, 全书分为四部分，共9章。第一部分（第1~2章）讨论TensorFlow的设计模式以及选择TensorFlow作为深度学习库的优势和面临的挑战，并给出详细的安装指南。

最全中文分词停止词词库-百度、哈工大、川大等集合，覆盖常用的所有的停用词词表，可以根据需要拿走

综合多种停用词表，进行合并去重处理，http://blog.csdn.net/kevinelstri/article/details/70227981

结合哈工大停用词表、四川大学机器智能实验室停用词库、百度停用词表、以及网络上较大的一份无名称停用词表，整理的停用词表