电路基础是我们电类专业的一门基础必修课，在学习过程中，很有必要把这门基础打好。认真的学习。

这是一个介绍Latex使用教程，里面包含了基于Latex排版的用法和一些常用的数学符号，希望大家可以下载并且学习，祝大家学习有所收获。

总结ppt，里面有两种机器学习或深度学习入门需掌握的算法（包括），有比较详细的个人学习理解（看吴恩达视频学习的）和算法描述。还有几篇关于显著性的论文的部分内容，及其评价措施。

目前，将文本挖掘技术应用于教育数据引起了很多研究关注。 本研究使用文本挖掘技术来检查大学新生在工程领域准备的海报，以期在毕业后展示值得学习的重要关键词的情况下，展示他们的学习计划和职业目标。 结果表明，即使参加该项目的学生仅接受了三个月的大学教育，他们的学习计划和职业目标就已经相当具体，并且非常适合他们选择的领域和课程。 他们中的一些人对技术工程术语掌握得非常好。

DDSM是一个开源的乳腺癌X光数据集，其中包括四类，良性恶性正常以及无需回访的良性。研究人员可以使用其训练模型，但是由于其为医学上的专业格式LJPEG导致训练无法进行，所以本人提供了转换后的jpeg格式的数据集供大家使用，同时附上了转换成其他格式的指令。

pytorch采用LSTM实现文本翻译，序列到序列学习Seq2Seq，数据集为Multi30k，从德语（de）翻译到英语(en)，有编码层和解码层。

一系列高品质的动漫人脸数据集

Insightface face detection and recognition model that just works out of the box.

1、资源内容：基于Python实现神经网络与深度学习大作业（源码）.rar 2、适用人群：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业或毕业设计，作为“参考资料”使用。 3、更多仿真源码和数据集下载列表（自行寻找自己需要的）：https://blog.csdn.net/m0_62143653?type=download 4、免责声明：本资源作为“参考资料”而不是“定制需求”不一定能够满足所有人的需求，需要有一定的基础能够看懂代码，能够自行调试，能够自行添加功能修改代码。由于作者大厂工作较忙，不提供答疑服务，如不存在资源缺失问题概不负责，谢谢理解。

针对经典智能算法用于滑坡位移预测时存在的网络结构参数选取复杂、易陷入局部极小等缺陷,提出了基于改进极限学习机ELM(Extreme Learning Machine)的滑坡位移预测模型。在滑坡变形位移状态辨识基础上,根据其位移变化特征,将滑坡位移曲线类型划分减速-匀速型、匀速-增速型、减速-匀速-增速型、复合型4类,将改进的ELM算法分别用于4种不同类型的滑坡位移预测。基于改进ELM算法构建滑坡位移预测模型时,采用二值区间搜索算法选定最佳隐含层神经元个数和激励函数,并融入数据滚动建模思想,以期提高网络泛化能力和预测精度。以链子崖、卧龙寺、古树屋、新滩滑坡体为例,对ELM预测的适用性进行讨论,实验结果表明,基于ELM构建不同类型滑坡位移预测模型时,具有较高的预测精度,且在网络学习速度等方面优势明显,适用于复杂状况下滑坡体的位移预测。