针对位置优化的对抗补丁进行对抗训练 | | | | 论文代码： Sukrut Rao，David Stutz，Bernt Schiele。 （2020）针对位置优化的对抗补丁的对抗训练。 在：Bartoli A.，Fusiello A.（编辑）《计算机视觉– ECCV 2020研讨会》中。 ECCV2020。《计算机科学讲义》，第12539卷。ChamSpringer。 设置 要求 Python 3.7或更高版本 火炬 科学的 h5py scikit图像 scikit学习 可选要求 使用脚本将数据转换为HDF5格式 火炬视觉 枕头 大熊猫 使用Tensorboard日志记录 张量板 除了Python和PyTorch，所有要求都可以使用pip直接安装： $ pip install -r requirements.txt 设定路径 在 ，设置以下变量： BASE_DATA ：数据

explicit-mpc：基于鲁棒非线性回归和约简支持向量机的基于学习的显式非线性模型预测控制

模糊C均值算法 类型：聚类算法 使用的数据集：虹膜数据集 要求： Google colab或jupyter笔记本 套餐： 熊猫-https: numpy- //numpy.org/install/ Matplotlib- //matplotlib.org/stable/users/installing.html sklearn- //scikit-learn.org/stable/install.html 涉及的步骤： 打开“ fuzzy_c_means_algorithm_implementation.ipynb”文件。您可以在Google colab上或通过jupyter笔记本打开它。 如果您使用的是Jupyter笔记本，请安装上述必需的软件包。 在google colab或jupyter Notebook中打开文件后，运行所有单元格并查看输出。 观察图以了解算

TwitterBotDetection

决策树和随机森林-邹伟的ppt，适用于机器学习爱好者。

bayesian学派经典书籍，很好的大数据分析资料.........

统计学习方法 本书已经出第二版，2019年5月之后所有内容更新参考第二版第一次印刷。 [目录] 工具包 为方便学习，整理一些工具说明。 GitHub的markdown公式支持一般，推荐使用Chrome插件来渲染TeX公式，本地Markdown编辑器推荐 ，注意Ctrl + ，：首选项，语法支持部分嵌入在线数学。Ubuntu和Windows都正常。 math_markdown.pdf为的更新版本，方便查看使用，markdown版本为最新版本，基本覆盖了书中用到的数学公式的$ \ LaTeX $表达方式。 是一个参考文献下载脚本，这本书一定要配合参考文献看，每章的大参考文献一定要看，对书的

NIMA：神经影像评估 这是Hossein Talebi和Peyman Milanfar撰写的《 （在接受）的PyTorch实现。 您可以从了解更多。 实施细节 该模型在上进行了训练，该包含大约255,500张图像。 你可以从得到它。 注意：数据集中可能存在一些损坏的图像，请在开始训练之前先将其删除。 该数据集分为229,981张图像用于训练，12,691张图像用于验证和12,818张图像用于测试。 ImageNet预训练的VGG-16用作模型的基础网络，为此，我在验证集上损失了约0.072 EMD。 尚未在本文中尝试过其他两个选项（MobileNet和Inception-v2）。 非常欢迎您进行自己的扩展。 学习率设置与原始论文不同。 我似乎无法使用3e-7的转换底数和3e-6的密集区块的底线来使模型收敛于动量SGD。 另外，我没有做太多的超参数调整，因此您可能会获得更好的结果

Python极限学习机（ELM） Python极限学习机（ELM）是一种用于分类/回归任务的机器学习技术。 免费软件：BSD许可证 文档： : 。 特征 ELM内核 ELM随机神经元 ML工具

语音性别 语音和语音分析中的性别识别 阅读完整的。 该项目训练一种计算机程序，根据语音和语音的声学特性，将语音识别为男性还是女性。 该模型在包含3168个记录的语音样本的数据集中进行了训练，这些样本是从男性和女性说话者那里收集的。 语音样本在R中通过声学分析进行预处理，然后通过人工智能/机器学习算法进行处理，以学习特定于性别的特征，从而将语音分为男性或女性。 最好的模型在训练集上达到100％的精度，在测试集上达到89％的精度。 更新：通过将分析的频率范围缩小到0hz-280hz（），可以将最佳精度提高到100％/ 99％。 数据集 将预处理的下载为CSV文件。 CSV文件包含以下字段： “ meanfreq”，“ sd”，“ median”，“ Q25”，“ Q75”，“ IQR”，“ skew”，“ kurt”，“ sp.ent”，“ sfm”，“ mode”，“ centro