包含 "yolov3.cfg"是模型的架构 "yolov3.weights"是预训练权重！ 不含TensorFlow和Pytorch，使用的OpenCV，非常方便，只有一个py文件，代码非常少，支持图片、视频、摄像头！非常好用！

文件夹说明： 1. ./divert -- 全部进行像素反转后的 60000 张训练集图片； 2. ./divert_test -- 全部进行像素反转后的 60000 张测试集图片； 3. ./rotate -- 全部进行图像旋转后的 60000 张训练集图片； 4. ./rotate_test -- 全部进行图像旋转后的 60000 张测试集图片； 5. ./divert_and_rotate -- 像素反转后的 30000 张训练集图片 + 图像旋转后的 30000 张训练集图片； 6. ./divert_and_rotate_test -- 像素反转后的 30000 张测试集图片 + 图像旋转后的 30000 张测试集图片； 7. ./raw -- 手动创建的测试集图片，1-9 没有进行旋转，r1-r9 进行了不同角度的旋转 8. label_train.txt -- 训练集 label 9. label_test.txt -- 测试集label

应用图神经网络而不是视觉卷积的优势，一个带有图层的类似U-Net的模型。进一步将现有的图形操作专业化，使其对地理拓扑结构敏感，并将池化和上采样操作概括为适用于图形。 （完整源码和数据）

matlab中的gompertz代码== 模型黑盒 == 这个 matlab 包打算用作参数估计和模型模拟的黑匣子 它支持三种不同的后端： 八度（优化包） Matlab（优化工具箱） Matlab（SBTOOLBOX2 工具箱） 我们建议使用 Octave 或 Matlab 自己的工具箱，因为如果数据规模增加，SBTOOLBOX2 可能会变得不稳定。 模型基本目录中的模型与 Octave 和 Matlab 兼容。 基于 Octave 的模型的要求 Octave 环境（用 3.6.2 测试） 优化包 () 基于 Matlab 的模型的要求 Matlab环境 优化工具箱 编译器工具箱 基于 SBTOOLBOX2 的模型的要求 Matlab环境 编译器工具箱 SBTOOLBOX2 工具箱 SBPD 工具箱 结构 任何模型的使用都取决于具有三个文件： 模型：定义模型方程的地方 estimator : .m 文件，定义了估计参数的必要步骤 模拟器：.m 文件，模拟具有给定参数的曲线 这些文件允许为可以在线或在本地计算机中访问的模型生成 cgi 脚本 创建一个新的模型黑盒 Octave / Mat

利用python对成都市二手房信息数据处理 并构建多元线性模型 进行数据分析，包含PPT可以用来课堂案例讲解。

利用Python来对客户信息进行分析，对客户群体进行分类，分析预测客户的潜在消费行为，对客户进行价值评估，在自己的客户群体中挖掘出特有的潜在客户。 在分析的过程中，会使用到的技术有Numpy和Pandas，对数据进行清洗和预处理，以及存储数据；机器学习库Scikit-learn，对客户价值进行K-Means聚类算法分析，将客户群体进行划分；绘图库Matplotlib，将聚类结果可视化，直观地展现结果。

维特比译码器使用维特比译码算法采用卷积码进行编码的比特流解码。还有其他算法译码卷积编码的流 （例如，Fano 算法）。维特比译码算法是最耗费资源的但它的最大似然解码。这最常用的约束长度 k 的卷积码译码 = 10，但值 k = 15 都在实践中使用

资源时word格式，可复制拷贝，图片清晰。 欢迎大家购买后发布好评~

matlab_对移动通信中的多径多普勒频移进行详细的仿真

Linear Algebra in Maple，使用Maple进行线性代数的计算，很好的入门教材，只有22页，可以加深对线性代数的理解，免费分享给大家