Predicting_Flight_Delays 该项目旨在通过培训2018年和2019年美国的航班数据来提前一周预测航班延误。

matplotlib seaborn / seaborn sinaplot的python matplotlib实现sns.violinplot和sns.stripplot之间的一种混合sns.stripplot 。 这个想法来自

- 使用GAN生成动漫人物头像

子手游戏 子手游戏是一款纸笔猜游戏，适合两个或更多玩家。 一个玩家想到一个单词，而其他玩家则通过在一定数量的错误猜测中建议字母来尝试猜测一个单词。 游戏概述： 要猜测的单词由一排破折号表示，代表该单词的每个字母。 如果猜猜的演奏者建议单词中出现字母，则另一演奏者将其写在所有正确位置。 然后猜猜玩家继续猜下一个字母。 （成功的猜测不会计入总机会。） 如果单词中未出现建议的字母，则另一位玩家画出一个悬挂的男用棍子图形中的一个元素，作为提示标记。 （或者说，失去了一次猜测的机会。） 如果猜谜的玩家失去了所有机会，通常是6，代表头，身体，两条手臂和两条腿，那么他/她将被“吊死”并输掉比赛。 一个例子： 秘密词：Hang子手， 总机率：6。 第一个猜测：e：_ _ _ _ _ _ _ _; 剩余机会：5； 第二个猜测：a：_ a _ _ _ a _; 剩余机会：5； 第三猜：n：_ an _

PySpark-ClusterClassify 使用AWS Sagemaker在MNIST数据集上进行分布式KMeans聚类和XGBoost分类作业

图片字幕 :man::laptop: 基于CNN和LSTM概念以及Flicker_8k和GUI数据集的图像标题深度学习模型 :mechanical_leg: 来自tkinter。 Convolutional Neural Network是一种深度学习算法，可以吸收输入图像，为图像中的各个方面/对象分配重要性，并能够区分彼此。 这种方法的流程结构就像 在分类的最后一部分中，我们使用了RNN的扩展版本，即LSTM ，它使用了存储的内存和结构看起来像 表格中的数据集 图像 标签 一个穿着粉红色裙子的孩子正在以入门方式爬上楼梯。 一个走进一幢木制建筑物的女孩。 一个小女孩爬进一个木制剧场。 一个小女孩爬上楼梯到她的游戏室。 一个小女孩穿着粉红色的连衣裙走进一个小木屋。 数据集和。 以下图像标签上的步骤 取材和清洁的标准方法 如果您没有强大的GPU，则从大型数据集中提取特征将花费大量时间。 我的机器大约需要6-7分钟。 您可以使用GPU机器在

Game of Life 基于numpy的relu30及康威生命游戏(Conway’s Game of Life) Conway’s Game of Life 支持循环或零填充边界的生命游戏 支持冷却检测 支持循环边界下团块的检出和重新放置 relu30

皇后 通过Python中的分布式进化算法（DEAP）库，使用遗传算法解决N皇后问题。

论文“使用GAN合成真实压力ECG”的资料库 我建议您阅读本文，以更好地了解项目的想法和范围。 它们位于文件夹下。 前处理 从下载数据库 由于数据库是成组的，因此我们将根据此映射重命名每个文件夹中的每个ECG文件 组2-> 重命名g2 组3-> 重命名g3 组4-> 重命名g4 VP02 0 VP03 20 VP61 38 VP05 1个 VP06 21岁 VP62 39 VP08 2个 VP09 22 VP63 40 VP11 3 VP12 23 VP64 41 VP14 4 VP15 24 VP65 42 VP17 5 VP18 25 VP66 43 VP20 6 VP24 26 VP68 44 VP23 7 VP27 27 VP69 45 VP26 8 VP30 28岁 VP7

深度学习中的场景识别 在此项目中，我们使用CNN将图像分类为不同的场景。 该项目的目标包括构建使用PyTorch进行深度学习的基本管道，了解不同层，优化器背后的概念以及尝试使用不同的模型并观察性能。 项目设计归因：佐治亚理工学院，CS 6476（2020年秋季），Frank Dellaert