从LIDAR扫描/点云进行多对象检测，跟踪和分类，基于PCL的ROS包到检测/群集->跟踪->从实施的LIDAR扫描中实时对静态和动态对象进行分类i多对象检测，跟踪和分类从LIDAR扫描/点云基于PCL的ROS包到检测/群集->跟踪->通过C ++实现的LIDAR扫描实时对静态和动态对象进行分类。 特点：基于KD树的点云处理，用于从点云中检测对象特征基于无检测的欧几里得聚类（3D）或k-means聚类，基于检测到的特征并使用RANSAC（2D）进行稳定跟踪（对象ID和数据关联）

matlab 代码梯度下降法 Machine Learning NJUST研究生硕士课程Machine Learning，主讲人夏睿。 代码有三个版本：C++、Python、Matlab。由于C++图形库比较麻烦，使用Qt又多此一举，所以C++版本不附带图例。 C++ must require: cmake>=3.15 C++>=11 armadillo==9.900.3 Python must require: python>=3.7.7 numpy>=1.19.1 matplotlib>=3.3.1 jupyter>=1.0.0 Matlab must require: Matlab>=R2016a 课程地址： Project1: Nanjing Housing Price Prediction 基于GD(梯度下降)算法以及正规方程解，使用线性回归建立模型，预测南京2014年房价。

机器学习 这些是我用一些数据集实现的一些流行的机器学习算法。 其中包括线性回归（多变量）的实现，逻辑和线性回归的梯度下降，决策树，随机森林，朴素贝叶斯。 它们都是用python 3.5编写的。

Bayesian Reasoning and Machine Learning Bayesian Reasoning and Machine Learning Bayesian Reasoning and Machine Learning Bayesian Reasoning and Machine Learning

隐私保护课老师让读的论文，结合论文和网上的资料做了一些总结。主要是针对文章内容和秘密分享值上的加法和乘法运算的总结，还有秘密分享值上的运算是如何应用到线性回归和逻辑回归上，从而实现隐私保护的机器学习模型的。关于隐私保护的神经网络和系统测试部分ppt里涉及的较少。

【电机驱动控制系统】Seung-Ki_Sul-Control_of_Electric_Machine_Drive_System_(IEEE_Press_Series_on_Power_Engineering)-Wiley-IEEE_Press_

X射线图像中COVID-19的检测

BARK-ML-自动驾驶的机器学习 BARK-ML为多种情况提供了易于使用的环境，例如高速公路驾驶，合并和交叉路口。 此外，BARK-ML集成了最先进的机器学习库，以学习自动驾驶汽车的驾驶行为。 BARK-ML支持的机器学习库： （计划中） 体育馆环境 在运行示例之前，请安装虚拟python环境（ bash utils/install.sh ）并输入它（ source utils/dev_into.sh ）。 连续环境： bazel run //examples:continuous_env 可用环境： highway-v0 ：连续的高速公路环境 highway-v1 ：离散高速公路环境 merging-v0 ：持续合并环境 merging-v1 ：离散合并环境 intersection-v0 ：连续交集环境 intersection-v1 ：离散交集环境 特工 TF-Agent

活动感知脉率算法项目 该项目包含2个主要部分： 第1部分-根据给定的训练数据开发脉率算法。 然后测试您的算法，看它是否满足成功标准。 第2部分-在临床应用中应用脉搏率算法，并计算更多具有临床意义的功能并发现医疗保健趋势。 介绍 许多用户期望他们的可穿戴设备的核心功能是脉搏速率估计。 连续脉搏频率估计可为佩戴者健康的许多方面提供信息。 运动过程中的脉搏率可以衡量锻炼强度，静息心率有时被用作心血管健康状况的总体衡量指标。 在此项目中，您将为腕戴式设备创建脉搏频率估计算法。 使用以下部分中的信息来通知算法的设计。 确保您的算法符合给定的规范。 脉搏速率估计的生理力学 通常使用PPG传感器估算脉搏率。 当心室收缩时，腕部的毛细血管充满血液。 PPG传感器发出的（通常为绿色）光被这些毛细血管中的红血球吸收，光电探测器将看到反射光的下降。 当血液返回心脏时，腕部中的红细胞吸收的光线就会减少，光电探

原pdf书签没有链接正确，本人对此进行了修正 Paperback: 454 pages Publisher: Packt Publishing - ebooks Account (September 2015) Language: English ISBN-10: 1783555130 ISBN-13: 978-1783555130 Unlock deeper insights into Machine Leaning with this vital guide to cutting-edge predictive analytics About This Book Leverage Python's most powerful open-source libraries for deep learning, data wrangling, and data visualization Learn effective strategies and best practices to improve and optimize machine learning systems and algorithms Ask and answer tough questions of your data with robust statistical models, built for a range of datasets Who This Book Is For If you want to find out how to use Python to start answering critical questions of your data, pick up Python Machine Learning whether you want to get started from scratch or want to extend your data science knowledge, this is an essential and unmissable resource. What You Will Learn Explore how to use different machine learning models to ask different questions of your data Learn how to build neural networks using Keras and Theano Find out how to write clean and elegant Python code that will optimize the strength of your algorithms Discover how to embed your machine learning model in a web application for increased accessibility Predict continuous target outcomes using regression analysis Uncover hidden patterns and structures in data with clustering Organize data using effective pre-processing techniques Get to grips with sentiment analysis to delve deeper into textual and social media data