为了解决杋器伦理决策困境，分析智能杋器伦理决策设计的硏究现状，对杌器伦理决策设计方法进行分类总结。对基于规则推理和基于神经科学不同的伦理决策设计实现方式及优缺点进行了对比分析，并对现阶段无人驾驶伦理决策硏究现状进行了归纳分析，最后总结了现阶段机器伦理决策的硏究水平。基于上述分析研究，总结得岀了解决机器伦理决策困境的技术难点有：机器伦理道徳地位的确立、普适机器伦理决策、机器伦理决策评估。提出了未来研究方向：将人类道徳规范应用到机器伦理决策设计中，运用机器学习实现伦理决策设计，利用法律及行业标准规范来实现杋器伦理决策设计。为机器伦理决策及无亼驾驶伦理决策的设计提供参考。

机器学习 深度学习 人工智能代码（python）用SVM实现人脸识别 附带结果

OPT（Omni-Perception Pre-Trainer）是全场景感知预训练模型的简称，中文名字叫紫东太初，是中科院自动化和华为联合研发的多模态预训练模型，本仓是紫东太初十亿参数级别模型的MindSpore版本代码，包含预训练模型及多个下游任务模型。

Omega-AI：基于java打造的深度学习框架，帮助你快速搭建神经网络，实现训练或测试模型，支持多线程与GPU运算。

IEEE CEC，全称是IEEE Congress on Evolutionary Computation，可以翻译为，IEEE进化计算会议。自2005年开始，每年举办一次。IEEE CEC benchmarks，是主办方发布的标准测试算例（以下简称，CEC算例）。 CEC2014年及CEC2017年测试集，matlab版本； 该测试集是用于演化算法性能测试的基准函数，CEC2014的函数组成可参见CEC2014的介绍文档“Definitions of CEC2014 benchmark suite Part A”，调用方法可参照CEC2014 MATLAB示例代码。

差分进化算法由 Storn 和 Price 于 1995 年首次提出，是一种基于群体的高效启发式全局优化搜索算法，主要用于求解实数优化问题。差分进化算法属于进化算法，在神经网络参数优化等方面有着重要应用。

densenet121官方预训练模型，可以用于迁移学习训练

机器学习与深度学习文档，作为人工智能领域(数据挖掘/机器学习方向)的基础课程，为长期从事人工智能方向打下坚实的基础。

物流人工智能_机器学习

物流人工智能_机器学习