论文研究-基于小波-NAR神经网络的气象要素时间序列预测与天气指数彩虹期权估值.pdf,  本文基于小波-NAR神经网络技术,提出气象要素时间序列预测与天气指数彩虹期权估值的原理与方法,同时采用2000——2014年悉尼日均气温和日降雨量数据,进行气象预测与天气期权估值.结果显示:小波-NAR神经网络因灵活的非线性动态结构较好地反映了气象变化特征,其预测与估值效果优于其他模型;该天气期权价值形成中的非线性特征取决于五种经济效应.科学预测天气和估计天气期权价值,开发天气衍生品,可挖掘天气不确定性的经济价值,弱化其对天气敏感产业的影响.

基于python实现的BP神经网络手写数字识别模型实验源码+详细注释+数据集+项目说明+实验结果及总结.7z 人工智能 课程作业 手写数字数据集 BP网络模型识别手写数字 反向传播（英语：Backpropagation，缩写为BP）是“误差反向传播”的简称，是一种与最优化方法（如梯度下降法）结合使用的，用来训练人工神经网络的常见方法。该方法对网络中所有权重计算损失函数的梯度。这个梯度会反馈给最优化方法，用来更新权值以最小化损失函数。反向传播要求有对每个输入值想得到的已知输出，来计算损失函数梯度。因此，它通常被认为是一种监督式学习方法。反向传播要求人工神经元（或“节点”）的激励函数可微。

基于python实现的CNN卷积神经网络手写数字识别实验源码+详细注释+数据集+项目说明+实验结果及总结.7z 人工智能课程作业 手写数字识别 数据集 详细注释 好理解 实验结果及总结 基于python实现的CNN卷积神经网络手写数字识别实验源码+详细注释+数据集+项目说明+实验结果及总结.7z

本资料主要讲述机器学习算法的基本原理，以及通过Python实现的算法实例 主要涉及算法：回归算法、决策树与集成算法、聚类算法、贝叶斯算法、支持向量机、推荐系统、主成分分析、EM算法、神经网络、时间序列分析、文本分析 博客总结：https://editor.csdn.net/md?not_checkout=1&spm=1001.2014.3001.5352&articleId=128316144

深度卷积神经网络在计算机视觉中的应用深度卷积神经网络在计算机视觉中的应用深度卷积神经网络在计算机视觉中的应用

机器学习课上构建神经网络实现显著性提取

Ultra_net：针对DAC-SDC 2020的基于FPGA的对象检测 这是基于FPGA的神经网络推理的存储库。 该设计在获得了第一名。 BJUT_北京工业大学跑步者集团 詹康，郭俊南，宋冰岩，张文波*，包振山* 最终排名发布在 储存库组织 培训：包含培训脚本。 模型：包含预训练的权重，模型脚本和测试脚本。 量化：包含python脚本，该脚本处理要在Vivado HLS中使用的模型生成头文件。 hls：包含Ultra_net的Vivado HLS实现。 vivado：包含Vivado块设计文件。 部署：一个Jupyter笔记本，展示了如何使用基于FPGA的神经网络在ultra96-PYNQ上执行对象检测。 火车 cd火车/ yolov3 / python3 train.py-多尺度--img大小320-多尺度-批处理大小32 量化 cd量化/ python3 torch

基于Pytorch框架自定义7层卷积神经网络模型实现垃圾分类系统源码+数据集+项目说明（人工智能期末作业）.zip 垃圾分类 实验要求： 利用深度学习模型完成垃圾分类 图片数据集来源：https://momodel.cn/explore/5d411ace1afd9427c236eab5?type=dataset Result： 使用 PyTorch 自定义 7 层卷积神经网络加 2 层全连接层的分类模型

我几年前做的多层感知器的Verilog实现（源代码注释为西班牙语）

机器学习项目基于卷积神经网络CNN实现中国象棋棋子识别源码+数据集+项目说明.zip 项目文件包括日志文件夹、源代码文件cnn.py、模型文件、模型测试文件、数据集文件夹； 当然也有一些数据集的调试文件。