bishop 的经典之作，学机器学习的首先，贝叶斯观点来解读模型

multidimensional particle swarm optimization for machine learning and pattern recognition

A well written book on pattern recognition for beginners. It covers basic topics in this field, including discriminant analysis, decision trees, feature selection, and clustering -- all are basic knowledge that researchers in machine learning or pattern recognition should understand

本资源包含Pattern Recognition And Machine Learning的英文版和由马春鹏翻译的中文版。

个人学习——论文翻译同时+阅读

用Python和Flask进行语音识别 于2021年2月22日对语音识别应用进行编码以进行机器学习。 此应用程序是Web低音机器学习系统，可将wav格式的口语单词转换为文本格式

论文Cascaded Human-Object Interaction Recognition论文以及代码

经典的模式识别与机器学习教材的课后习题Pattern Recognition and Machine Learning习题答案

使用步骤 1.安装labelme，使用 pip install labelme 命令即可。 2.在labelme环境下输入 labelme命令，打开labelme软件，对图片进行标记，具体方法就是用多边形将所有水体部分圈起来命名为water，并保存文件(json格式)。 3.将main.m文件内fname和imagename改为对应的json文件名和image文件名，之后使用matlab运行main.m文件，稍等片刻，即可看到训练过程，训练结束后可以看到ac率和预测后图像和原始图像的对比。 labelme的GitHub地址： 文件中包含两个测试样例，image1和image2，分别是单通道的遥感水体图像，分辨率为79317301和一个从网上下载的RGB水体图像，分辨率为500333.

在PyTorch中使用残留遮罩网络进行面部表情识别 论文的实现。 现场演示： 方法1： 从pip安装 pip install rmn 通过以下Python脚本运行视频演示 from rmn import video_demo video_demo () 方法二： 克隆仓库并通过pip安装软件包 git clone git@github.com:phamquiluan/ResidualMaskingNetwork.git cd ResidualMaskingNetwork pip install -e . 在rmn包中致电video_demo from rmn import video_demo video_demo () 方法3： 模型文件：（此检查点在VEMO数据集上训练，请在./saved/checkpoints/目录中找到） 下载2个文件： 和用于面部检测OpenCV 。找到当前目