Machine-Learning-with-Python:使用机器学习预测澳大利亚的降雨量

COMP6248实验室 南安普敦大学COMP6248差异化编程（和深度学习）2020-2021实验练习。 内容

实施StyleNet：使用LSTM生成样式化的图像标题 战队：蔡丽莎，刘德华 介绍 该项目的目的是实现一种图像字幕模型，该模型具有生成风格化字幕（浪漫或有趣）的能力。 我们将基于Microsoft Research Redmond的论文“ StyleNet：用样式生成有吸引力的视觉字幕”建立模型。 我们的模型将以Pytorch编写。 数据 我们的模型使用两个数据集。 第一个是具有图像和事实字幕的Flickr10k数据集，该数据集用于我们的图像字幕任务。 对于我们的语言模型，我们将使用由原始论文的作者发布的FlickrStyle 7k数据集。 技术概述 LSTM模型 我们将从本文应用因式分解LSTM模型。 对于图像字幕，文献中常用的策略是采用预先训练的CNN模型作为编码器，以将图像映射到固定尺寸的特征向量，然后使用LSTM模型作为解码器，以基于图像向量生成字幕。 在这里，“分解的LSTM”

土地覆盖测绘项目 该存储库既包含构成我们的“地物覆盖图”工具的前端Web应用程序，又包含后端服务器。 项目设置说明 打开机器上的终端 安装conda（注意：如果在Azure上使用DSVM，则可以在预安装conda时跳过此步骤！） # Install Anaconda cd ~ wget https://repo.anaconda.com/archive/Anaconda3-2019.07-Linux-x86_64.sh bash Anaconda3-2019.07-Linux-x86_64.sh # select "yes" for setting up conda init rm Anaconda3-2019.07-Linux-x86_64.sh # logout and log back in exit 如果打算使用GPU，请安装NVIDIA驱动程序； 请注意，这可能需要重新启动（

RSNA-Pneumonia-Detection-Challenge:目的是预测与肺炎相关的肺部混浊以及胸部X线照片中的边界框。 目的是检测是否对患有肺炎的肺进行分类，并丢弃其他种类的不透明物，例如由液体，细菌，肺癌等引起的不透明物。可以应用各种算法，但是我们继续使用YOLO事实证明这是最好的。 我们从https那里获得了大部分帮助

python_finance_analysis 财务数据分析 内容 细节 关联 金融工程基础 基础金融工程 关联 时间序列分析

遗传的 多目标问题和使用pymoo的遗传算法实现

scint_psd 此回购收集了我在整个研究过程中开发出的许多方法，这些方法可用于分析有机闪烁体辐射探测器按粒子类型划分的脉冲形状。 作者：帕特里夏·舒斯特（Patricia Schuster），2020年 关于注意事项：此存储库以使用交互式绘图库。 绘制具有方便功能的交互式可视化图像，例如悬停和实时图例，用于打开和关闭数据集。 在GitHub上查看Jupyter笔记本时，不会显示可绘制的数字，因为GitHub呈现了笔记本的静态视图。 如果您希望看到这个数字（并且...确实如此），请将回购下载到计算机上并在本地加载笔记本。 数据集 以下原始数据文件用于开发此存储库，可从下载。 ：这些数据集在整个研究导致了下列文件收集 ， ， 。 这些文件保留其原始文件名，该文件名记录在数据收集中。 蒽： andT_th000_ph065_20150212_155736_signal_raw.ma

OpenPIV OpenPIV由Python和Cython模块组成，用于编写脚本并执行一组PIV图像对的分析。 另外，正在开发Qt和Tk图形用户界面，以简化那些不具备python技能的用户的使用。 警告 OpenPIV python版本仍处于beta状态。 这意味着它可能仍然存在一些错误，并且API可能会更改。 但是，非常欢迎测试和贡献，特别是如果您可以使用新的算法和功能做出贡献的话。 无需安装即可测试 单击链接-多亏了BinderHub，Jupyter和Conda，您现在可以在浏览器中以零安装的方式获取它： 正在安装 使用PyPI： ://pypi.python.org/pypi/OpenPIV： pip install openpiv 还是conda conda install -c conda-forge openpiv 从源构建 从Github下载软件包： https :

深度学习算法示例 使用numpy从零开始的带有池层的简单卷积神经网络 技术： Python 3； Jupyter笔记本。 执照 该项目根据MIT许可条款获得许可。