machine-learning-ex4（编程作业：Neural Networks Learning，程序运行结果正确）

吴恩达深度学习deeplearning第五课第三周课后测验及编程作业（含答案）

作业要求：根据SGG-UGM-1重力场模型，取前360阶次，并考虑前四个正常引力位系数，计算全球区域（1°）和中国西部（5’）的引力位、大地水准面高、重力异常、重力扰动分布，并绘图呈现 代码功能：C#（VS 2015）编写，可以导入其它重力场模型，自定义阶次、格网间隔、区域范围等，用matlab的m_map包实现绘图

吴恩达深度学习第三课Structuring Machine Learning Projects编程作业

机器学习所有课后作业 吴大大的 只看没用 做了练习题才有点儿用 课后答案可以网上找 练习题目很有必要

3d游戏与编程 作业(二）—— 井字棋实现

地震波作用下计算地震加速度、速度、位移反应谱

吴恩达深度学习第二课第三周编程作业（含答案），包括习题

∗∗∗ 点击查看 :吴恩达机器学习 —— 整套笔记+编程作业详解 ∗∗∗\color{#f00}{***\ 点击查看\ :吴恩达机器学习 \ —— \ 整套笔记+编程作业详解\ ***}∗∗∗ 点击查看 :吴恩达机器学习 —— 整套笔记+编程作业详解 ∗∗∗ 作业及代码：https://pan.baidu.com/s/1L-Tbo3flzKplAof3fFdD1w 密码:oin0 本次作业的理论部分：吴恩达机器学习（七）支持向量机 编程环境：Jupyter Notebook 1. 线性 SVM 任务 观察惩罚项系数 C 对决策边界的影响，数据集：data/ex6data1.mat 在理论部分，

机器视觉是人工智能正在快速发展的一个分支。简单说来，机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是通过机器视觉产品(即图像摄取装置，分CMOS和CCD两种)将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。 卷积神经网络仿造生物的视知觉（visual perception）机制构建，可以进行监督学习和非监督学习，其隐含层内的卷积核参数共享和层间连接的稀疏性使得卷积神经网络能够以较小的计算量对格点化（grid-like topology）特征，例如像素和音频进行学习、有稳定的效果且对数据没有额外的特征工程（feature engineering）要求。