冒泡排序法的matlab程序代码这个存储库包含我在学习 C++ 时编写的代码 学习C++的理由 在我的职业生涯中，迄今为止只使用了相对高级的编程语言（Python、MATLAB），我想更多地了解这些程序如何与底层计算机交互的底层机制。 我认为 C++ 将是一门很好的学习语言，因为它教会了我很多关于“幕后”发生的事情、内存分配和管理的工作原理、算法的设计方式以及我一直在使用的数据结构和函数直到此时才真正在做。 也希望学习这些东西能帮助我写出更快、更高效的代码，对我以后学习其他编程语言有帮助。 子文件夹 此存储库中的子文件夹包含我学习 C++ 的不同方式。 教程 为了介绍 C++ 的工作原理，我一直在关注优秀且深入的在线教程，网址为 数据结构 为了练习用 C++ 编写，我正在学习如何实现一些最常见的数据结构（链表、堆、堆栈……） 排序算法 为了更多的实践，我也在学习如何在 C++ 中实现各种常见的排序算法（选择、插入、冒泡、快速……） 有用的资源 - 常见数据结构、排序算法及其复杂性的列表 - 对 C++ 的深入介绍

集成深度学习 使用集成方法进行深度学习，神经网络作为基础学习器，线性判别分析 (LDA) 作为二级学习器。

Embedded low-power deep learning with TIDL.pdf

数据集名称：成人自闭症谱系筛查数据 摘要：自闭症谱系障碍（ASD）是一种与显着的医疗费用有关的神经发育疾病，早期诊断可以显着减少这些疾病。 不幸的是，等待ASD诊断的时间很长，而且程序的成本效益也不高。 自闭症的经济影响和全世界ASD病例数量的增加表明，迫切需要开发易于实施和有效的筛查方法。 因此，迫切需要进行时间高效且可访问的ASD筛查，以帮助卫生专业人员并告知个人是否应进行正式的临床诊断。 全球ASD病例数的快速增长需要与行为特征相关的数据集。 但是，这样的数据集很少，因此很难进行全面的分析以提高ASD筛选过程的效率，敏感性，特异性和预测准确性。 目前，与临床或筛查有关的自闭症数据集非常有限，并且大多数都是自然遗传的。 因此，我们提出了一个与成人自闭症筛查有关的新数据集，其中包含20个特征，可用于进一步分析，特别是在确定有影响力的自闭症特征和改善ASD病例分类方面。 在此数据集中，我们

Jason Brownlee 的深度学习书Deep Learning with Python，包括文档和代码。

WildWav-鸟声识别器 有没有听说过在野外或周围有不同的鸟叫声，并且想知道那是哪只鸟？ WildWav的开发正是为了识别我们虚弱的朋友！ WildWav是一个Web应用程序，它使用用户捕获的音频记录来分析鸟的声音（或浏览WAV文件）以预测鸟的类型。 简介：Bird Sound Identifier是我与朋友共同开发的一个个人项目，旨在探索机器学习的可能性。 另外，通过在Heroku服务器上部署模型，使想法变为现实并确保每个人都可以使用它。 对于此项目，我们使用Flask API创建应用程序，并使用Python进行建模。 Vaish使用HTML进行了所有的网页设计。 该应用程序使用了我们在找到的recorder.js javascript文件。 功能：Web应用程序具有一个带有两个选项的界面： 使用设备的麦克风记录以捕获鸟的声音，或者 浏览文件选项以选择WAV格式的音频文件。

David Barber 的一本书，贝叶斯推理和机器学习

少量物体检测（FsDet） FsDet包含ICML 2020论文《令人中的官方几次物体检测实现。 除了以前的作品所使用的基准，我们还在三个数据集上引入了新的基准：PASCAL VOC，COCO和LVIS。我们对多组实验的多次抽样训练样本进行了多组采样，并报告了基础班和新颖班的评估结果。这些在“中有更详细的描述。 我们还为我们的两阶段微调方法（TFA）提供了基准测试结果和经过预训练的模型。在TFA中，我们首先在数据丰富的基类上训练整个对象检测器，然后仅在小的平衡训练集上微调检测器的最后一层。见为我们提供的模型和的培训和评估指导。 FsDet的模块化程度很高，因此您可以轻松添加自己的数据集和模型。该存储库的目标是为检测少量物体提供一个通用框架，该框架可用于将来的研究。 如果您发现此存储库对您的出版物有用，请考虑引用我们的论文。 @article{wang2020few, tit

Hands-on Machine Learning with Scikit-Learn and Tensorflow 第二章所有jupyter python代码以及教程，免费！

英文版 Learning C# by Developing Games with Unity 3D 适合想学了解 unity 3d 游戏引擎开发 以及 c# 脚本编程的 童鞋