情绪分析 总览 情感分析是一种自然语言处理（NLP）任务，其目的是评估文本块的极性/情感。 根据定义，广泛用于客户关系管理（CRM）的环境中，用于自动评估评论和调查回复以及社交媒体。 情绪分析中常见的子任务是： 消息极性分类：给定一条消息，对消息的整体上下文极性进行分类是正面，负面还是中性。 基于主题或基于实体的消息极性分类：给定消息和主题或实体，将消息按该主题或实体分类。 SemEval（国际语义评估研讨会）是一个流行的，专门负责情感分析任务的研讨会。 有关此类任务（任务4）的最新年度（2017年）概述，请访问： : 。 该项目当前仅针对“消息极性分类”子任务。 该存储库包含：

论文全文：EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks EfficientNet：对卷积神经网络的模型缩放的重新思考

Learning to Compare Image Patches via Convolutional Neural Networks论文的复现代码，这是keras版本，具体怎么做的可以看这篇文章https://blog.csdn.net/weixin_42521239/article/details/103389033

matlab_networks_routines中的各种代码 总共121个例程，来源于MIT网址，是学习的不错的资料，在处理图的分割和社团划分有很好的作用。代码是按函数进行分类的。

Visualizing and Understanding Convolutional Networks.zip

Identity Mappings in Deep Residual Networks.zip

Intriguing properties of neural networks.pdf

Visualizing and Understanding Convolutional Networks (2).zip

Deep Inside Convolutional Networks.zip

This book provides tutorial-like and up-to-date reference resources on various coverage control problems in sensor networks. Pubilished in 2010.