OptiML OptiML是支持向量机和深度神经网络的sklearn兼容实现，根据最新技术，它们都有一些最成功的功能。 这项工作的动机是，有可能通过广泛的优化算法研究对象解决这些模型的数学公式所产生的优化问题，并为“数值方法和优化”课程开发@@在教授的监督下。 内容 数值优化 无约束优化 线搜索方法 零阶方法 次梯度 一阶方法 最陡的梯度下降 共轭梯度 弗莱彻-里夫斯公式 Polak–Ribière公式 Hestenes-Stiefel公式 代formula公式 重球渐变 二阶方法 牛顿 拟牛顿 高炉 随机方法 随机梯度下降 势头 标准 涅斯捷罗夫 亚当 势头 标准 涅斯捷罗夫 毕业证书 势头 标准 涅斯捷罗夫 阿达克斯 势头 标准 涅斯捷罗夫 阿达格拉德 阿达达 RProp RMSProp 具有接口的近端捆绑包，用于 ，

People increasingly use social networks to manage various aspects of their lives such as communication, collaboration, and information sharing. A user’s network of friends may offer a wide range of important benefits such as receiving online help and support and the ability to exploit professional opportunities. One of the most profound properties of social networks is their dynamic nature governed by people constantly joining and leaving the social networks. The circle of friends may frequently change when people establish friendship through social links or when their interest in a social relationship ends and the link is removed. This book introduces novel techniques and algorithms for social network-based recommender systems. Here, concepts such as link prediction using graph patterns, following recommendation based on user authority, strategic partner selection in collaborative systems, and network formation based on “social brokers” are presented. In this book, well-established graph models such as the notion of hubs and authorities provide the basis for authority-based recommendation and are systematically extended towards a unified Hyperlink Induced Topic Search (HITS) and personalized PageRank model. Detailed experiments using various real-world datasets and systematic evaluation of recommendation results proof the applicability of the presented concepts.

A Hacker’s Guide to Capture, Analysis, and Exploitation epub格式

树莓派网络遥控车软件Network RC Network RC是运行在树莓派和浏览器的网络遥控车软件。 低延迟控制和网络图传 通道自定义（27个高一级或PWM通道） 支持多摄像头 支持触屏操作，游戏手柄，枪控，板控 支持实时语音监听和语音喊话 内置网络穿透 系统语音播报 播放音频 远程分享 依赖 ffmpeg：运行前请确保树莓派上安装了ffmpeg，安装方法sudo apt install ffmpeg -y 节点js 注意：在最新树莓派系统上存在兼并性问题，使用此版本系统 使用教程 改装RC遥控车 视频教程： 图文教程： 4G远程控制 视频教程： 图文教程： 代码贡献指引 git clone https://github.com/itiwll/network-rc.git cd network-rc/front-end yarn # or npm install yarn build

> 包含的网络模型： Deep Belief Network (DBN) Deep Autoencoder (DAE) Stacked Autoencoder (sAE) Stacked Sparse Autoencoder (sSAE) Stacked Denoising Autoencoder (sDAE) Convolutional Neural Network (CNN) Visual Geometry Group (VGG) Residual Network (ResNet) 模型详细介绍见 > 开始使用： 首先请按path.txt设置包的路径 Pytorch初学: 建议看看 和 理解本package：看看这个不依赖其他文件运行的 运行代码：请运行文件夹下的文件 > 用于任务： task == 'cls' 用于分类任务 task == 'prd' 用

Python 3网络数据包嗅探器 一个简单的纯Python网络数据包嗅探器。 当数据包到达给定的网络接口控制器时，数据包将被分解，并将其信息显示在屏幕上。 此应用程序不依赖第三方模块，可以由任何Python 3.x解释器运行。 安装 GNU / Linux 只需使用git clone克隆此存储库，然后按照以下“部分中的描述执行packet_sniffer.py文件。 user@host:~/DIR$ git clone https://github.com/EONRaider/Packet-Sniffer.git 其他系统 该项目取决于PF_PACKET -Windows或Mac OS X上PF_PACKET的有状态数据包筛选器。出于演示目的，您可以在Docker容器中试用此程序包。 尽管它无法完全访问您机器上的localhost，但是您仍然可以在Docker子网中嗅探并至少使模块

弹性重量合并 通过弹性体重合并，深度强化学习和有监督的设置进行终身学习。 部分结果 链接

C-LIENet-一个多上下文低光图像增强网络 论文“ C-LIENet：多上下文低光照图像增强网络”的官方代码存储库，IEEE Access，第1卷。 9，pp。31053-31064，2021年

中文 | Chinese-number-gestures-recognition Chinese number gestures recognition app（数字手势识别APP，识别0-10） 基于卷积神经网络的数字手势识别APP（安卓） 1、项目简介 这是一个基于卷积神经网络的数字手势识别APP（安卓），主要功能为：通过手机摄像头识别做出的数字手势，能够识别数字0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10 对应的手势。 Chinese-number-gestures-recognition项目下包含两块代码：1. DigitalGestureRecognition为安卓APP代码；2. digital_gesture_recognition为PC端处理数据及训练模型代码，编程语言为python。 开发环境： PC端：python3.6, TensorFlow-gp

本文整理自本人的技术博客中的Neutron系列文章。任何疑问、问题或者建议，可以给本人发邮件或者在我的博文中添加评论。 本系列文章基于 OpenStack Juno 版本，是在参考了大量网络资料的基础上加上自己的理解和实践而完成的。 OpenStack 在持续快速发展中，Neutron 更是这样，因此，本人会在将来不定期地对博文做修改，但是应该不会更新本文。