时间序列分析，PM2.5数据集

一个基于VBA和Excel的神经网络工具箱，与Excel无缝衔接，可以直接从单元格中读取或创建训练数据，并随时把训练结果和输出结果写入单元格。提供了ANN、CNN等两种常见的神经网络结构，可以选用不同组合的激活函数、评价函数并自定义网络结构，提供了四种不同的训练算法

PyTorch NIMA: Neural IMage Assessment

Neural IMage Assessment的一个PyTorch实现

自己爬取制作的 京东6类商品（帽子，鞋子，短袖，衬衫，裙子，休闲裤子），在resnet50网络下可以达到99%的正确率的 数据集，可以很好的训练模型的识别服饰种类的能力

This tutorial is concerned with applications of information theory concepts in statistics, in the finite alphabet setting. The information measure known as information divergence or Kullback-Leibler distance or relative entropy plays a key role, often with a geometric flavor as an analogue of squared Euclidean distance, as in the concepts of I-projection, I-radius and I-centroid. The topics covered include large deviations, hypothesis testing, maximum likelihood estimation in exponential families, analysis of contingency tables, and iterative algorithms with an “information geometry” background. Also, an introduction is provided to the theory of universal coding, and to statistical inference via the minimum description length principle motivated by that theory.

iris_classification_BPNeuralNetwork 本文用Python实现了BP神经网络分类算法，根据鸢尾花的4个特征，实现3种鸢尾花的分类。

西安交大人工智能课件，包括人工智能 模式识别 神经网络 机器学习等内容。

Fashion-MNIST是一个用来进行机器学习和深度学习的测试数据集，它由类似于MNIST的手写数字图像数据集演变而来，但是每一张图像都代表了10类服装类型之一，包括T恤、裤子、套衫、连衣裙、外套、凉鞋、衬衫、运动鞋、包和靴子。 基于卷积神经网络的Fashion-MNIST图像识别，通常指的是使用卷积神经网络来对Fashion-MNIST数据集中的图像进行分类。在这种情况下，我们需要训练一个卷积神经网络模型，让它能够根据图像的特征来预测图像所属的类别。 为了实现这个目标，我们需要以下步骤： 1. 准备Fashion-MNIST数据集，包括训练集、验证集和测试集。 2. 构建一个卷积神经网络模型，包括两个卷积层和全连接层。 3. 使用训练集对模型进行训练，通过反向传播算法来更新模型参数。 4. 使用验证集对训练好的模型进行评估，并通过可视化工具来观察模型的训练曲线和验证曲线。

DBSCAN数据集