计算机视觉相关课题

股票买卖最佳时机leetcode 这是一个有监督的循环神经网络 (RNN) 学习项目，将股票交易视为分类问题。 输入 60 天的定价数据窗口，选择最佳操作以获得最大利润。 这使用了我早期的交易环境项目，以及用于数据准备和模型训练的 SeriesPrediction 模块。 首先，我使用CalculateBestActions 来生成目标操作值。 对于每一天，假定知道股票前一天的价格，以及每天一笔交易、连续四个交易日和八次可能的交易行为的限制，它计算将在 20 天内产生最高价值的交易序列。 可能的交易有：激进买入、目标买入、市场买入、持有、市场卖出、目标卖出、激进卖出和 CancelAllOrders。 目标买入和卖出由移动平ASP格加上或减去 5 天平ASP格偏差的 1/4 决定。 激进的买入和卖出由 5 天平ASP格偏差的 1/2 决定。 CalculateBestActions 的计算成本很高，因此尽管您可以计算更长的序列，但它们所需的时间会呈指数级增长。 4 个交易序列可能需要一天来计算 30 年的数据集，因此您将在大约 6 处碰壁。这些序列被保存以供重复使用，因此您只需为您测试

重构区域教学样态：“深度学习”项目的区域推进

项目背景：运用回归模型进行房价预测。影响房价的因素有很多，在本题的数据集中有79个变量几乎描述了爱荷华州艾姆斯（Ames，lowa）住宅的方方面面，要求预测最终的房价。 数据介绍：使用BartdeCock于2011年收集 [DeCock,2011]， 涵盖了 2006−2010 年期间亚利桑那州埃姆斯市的房价。 技术栈： 特征工程（Creative feature engineering） 回归模型（Advanced regression techniques like random forest and gradient boosting） 常规模型融合：多模型平均融合、 高阶模型融合方法：bagging、boosting 目标： 预测出每间房屋的价格，对于测试集中的每一个ld，给出变量SalePrice相应的值。 算法通过计算平均预测误差来衡量回归模型的优劣。平均预测误差越小，说明回归模型越好。

Deep AI 吴恩达深度学习课后检验题-03.结构化机器学习项目

matlab全景图代码基于鲁棒弹性变形的视差图像拼接代码 图像拼接旨在以最低的计算成本生成高质量的全景图。一种基于鲁棒弹性变形的视差图像拼接方法，可以同时实现精确对齐和高效处理。给定图像之间的一组点匹配，解析变形构造函数以消除视差误差。 然后根据网格图像平面上计算的变形对输入图像进行扭曲。 无缝全景是通过直接重新投影扭曲的图像组成的。 技术：MATLAB、深度学习 完成时间：2017 年 5 月

机器学习项目实战——数据集与代码

功能:注册登录（注册界面包含一些邮箱之类)，个人中心（可以修改密码，修改一些个人信息），院校信息（查看院校相关信息），考研资讯发布，考研资料求助和分享，研友交流。 后台:可以对用户发布的内容进行管理，对用户信息进行管理。

java猜字母游戏源码大型项目清单 各种项目 - 轻松的一周，通过一本书开始学习 Java。 2014 年 5 月 25 日/26 日开始。 - 第 11 部分，面向对象的编程。 交互式 Python 的最后一部分。 - 第 10 部分，递归。 - 第 9 部分，词典。 - 第 8 部分，文件操作。 - 第 7 部分，列表。 - 第 6 部分，字符串（和一些递归）。 - 第 5 部分，关于迭代的更多信息。 - PI 与海龟的 MonteCarlo 模拟。 - 第 4 部分，选择（和决定）。 - 第 3 部分，功能。 - 使用乌龟模块绘制形状'n 的东西。 - 完成 - 第一组简单练习 - 遵循 MIT OpenCourseWare 的计算机科学与编程简介（2008 年），并尝试了一些测试驱动开发（TDD）。 - 创建一个将数字转换为单词的语音模块。 - 计算可以用 n 种小麦喂养多少种不同的鸟类。 - 返回字符串中最常见的字母。 如果有平局，请按字母顺序解决。 - 通过给定的标准检查密码是否“弱”。 - 计算数字列表的中位数。 - 第一次 checkio 练习，请参阅文件以获取说明。

Android应用源码开发Demo，主要用于毕业设计学习。