计算机视觉的入门教材，比新版的计算机视觉算法与应用更适合入门。

CLEVR graph: CLEVR图问答推理数据集

是David J．C．MacKay的Information Theory, Inference, and Learning Algorithms（2003年版）对应中文版。

格兰杰因果matlab代码这是Bethany Lusch，Pedro D.Maia和J.Nathan Kutz于2016年9月发表在《物理评论E》上的“推断网络动态系统中的连接性：使用格兰杰因果关系的挑战”所使用的代码。 我们对因果网络结构已知的非线性模型生成的数据进行成对条件格兰杰因果关系测试。 具体来说，我们模拟了Kuramoto振荡器的联网系统，并使用重构了底层网络。 我们将结果与各种参数的基本事实进行比较。 该代码由Bethany Lusch编写，完全在Matlab中编写。 张贴它是为了使您可以重新创建论文的结果，但同时它也经过设计，可以成为针对任何网络推理方法的一组测试。 BaseExperiment.m是主要功能。 它具有许多参数，因此一切都可以改变。 UsualParams.mat包含默认参数。 ExperimentA1.m，experimentA2.m，...是调用BaseExperiment.m的脚本。 他们加载UsualParams.mat并更改该实验中不同的任何参数。 有关如何创建UsualParams.mat的信息，请参见SetUsualParams.m。 指示

产生式系统 把一组领域相关的产生式（或称规则）放在一起，让它们互相配合、协同动作，一个产生式生成的结论一般可供另一个（或一些）产生式作为前提或前提的一部分来使用，以这种方式求得问题之解决，这样的一组产生式被称为产生式系统 产生式系统的构成 一组规则 每条规则分为左部（或称前提、前件）和右部（或称结论、动作、后件）。通常左部表示条件，核查左部条件是否得到满足一般采用匹配方第 3 页法，即查看数据基DB（Data Base）中是否存在左部所指明的情况，若存在则认为匹配成功，否则认为匹配失败。一般说来，匹配成功则执行右部所规定的动作，例如：添加、修改和删除等。 数据基 DB 中存放的数据既是产生式作

成员推理攻击，即给定一条记录，通过训练一个新的攻击模型，判断该记录是否在目标模型的训练集中

陈继光《Matlab与自适应神经网络模糊推理系统》 (学习matlat 15本必备书之十四)

使用PyTorch进行培训和修剪 由hou-yz提供，基于kuangliu/pytorch-cifar 提高推理速度并减少中间特征的大小，以支持分布式推理（本地设备计算模型的一半，并上传特征以在更强大的设备或云上进行进一步的计算）。 修剪阶段1：修剪整个模型以提高推理速度并稍微减小中间特征的大小。 修剪阶段2 ：（基于步骤1的模型）针对每个分割点（将中间特征转移到另一个设备以进行进一步计算），特别是修剪分割点之前的层以进一步减小中间特征的大小。 仅支持pytorch> 0.3.1的python3; 在cifar-10上训练的模型，仅在vgg-16上进行了测试。 还添加了自动记录和自动绘制图表。 用法 训练： python main. py -- train # train from scratch python main. py -- resume

硕士毕业的答辩PPT，概率图模型推理算法研究，论文内容翔实，有一定的理论水平。

社区康复 基于案例推理的实现