dataset文件夹：数据集（ck+，fer2013，jaffe） input文件夹：输入数据，用来测试GUI models文件夹：通过训练集以训练好的模型 output文件夹：GUI输出的结果 src：源码 创建环境： conda create -n FER python=3.6 source activate FER conda install cudatoolkit=10.1 conda install cudnn=7.6.5 pip install -r requirements.txt 使用方法： 1.train.py :执行python src/train.py --dataset fer2013 --epochs 300 --batch_size 32 //将在指定的数据集（fer2013或jaffe或ck+）上按照指定的batch_size训练指定的轮次 或 2.直接运行gui.py。

采用烟花优化算法优化（FWA）优化LSTM回归预测，全中文注释，内置数据集，直接matlab2019中运行就可以。

采用差分进化算法（Differential Evolution）优化LSTM回归预测，全中文注释，内置数据集，可以matlab2019上直接运行（已测试）

采用粒子群优化算法（pso）优化LSTM回归预测，全中文注释，内置数据集，可以直接在MATLAB2019上直接运行。

cnn_tutorial.pdf.zip

资源内容为卷积神经网络实例（手写字母识别）--PyTorch。 如果没有积分或者打不开的朋友可以联系邮箱：1454196320@qq.com

欢迎使用LiBai AI作曲家 :waving_hand: 人工智能自动生成中文诗歌。 很久以来，我们都想让机器自己创作诗歌，当无数作家，编辑还没有抬起笔时，AI已经完成了一些文章文章。现在，这里是逐步.... :house: :thumbs_up: 结果 阅遍了近4万首唐诗，做出： 龙舆迎池里，控列守龙猱。 几岁芳篁落，来和晚月中。 殊乘暮心处，麦光属激羁。 铁门通眼峡，高桂露沙连。 倘子门中望，何妨嶮锦楼。 择闻洛臣识，椒苑根觞吼。 柳翰天河酒，光方入胶明。 这诗做的很有感觉啊，这都是勤奋的结果啊，基本上学习了全唐诗的所有精华才有了这么牛逼的能力，这一般人能做到？细节，如果有未尽之处，大家可以通过微信找到我，那个头像很神奇的男人。闲话不多

U-Net整体的流程是编码和解码（encoder-decoder），而这个过程早在2006年就被Hinton大神提出来发表在了nature上。当时这个结构提出的主要作用并不是分割，而是压缩图像和去噪声。使用python通过u-net将医学图像去噪。

该资源包含了数据集、源码以及说明文档

机器学习–利用卷积神经网络进行鸟类识别 具体解析请看链接： https://blog.csdn.net/weixin_44602933/article/details/116547300?spm=1001.2014.3001.5502