《Machine Learning in Action》

Unsupervised Learning: Deep Auto-encoder Auto-encoder Deep Auto-encoder Auto-encoder – Text Retrieval Auto-encoder – Similar Image Search Auto-encoder for CNN CNN -Unpooling CNN - Deconvolution

Traffic_sign_recognition：使用定向梯度直方图（HOG）和基于色域的功能识别交通标志。 支持向量机（SVM）用于对图像进行分类

ml-in-action：出版书籍《机器学习入门到实践——MATLAB实践应用》一书中的实例程序。涉及监督学习，非监督学习和强化学习。（本书的代码“ MATLAB中的机器学习简介与操作” ”）

自由翻译 | | 免费和开源机器翻译 API，完全自托管。 与其他 API 不同，它不依赖专有提供商（如 Google 或 Azure）来执行翻译。 | API 示例 要求： const res = await fetch ( "https://libretranslate.com/translate" , { method : "POST" , body : JSON . stringify ( { q : "Hello!" , source : "en" , target : "es" } ) , headers : { "Content-Type" : "application/json" } } ) ; console . log ( await res . json ( ) ) ; 回复： { "translatedText" : "

svr matlab代码 Machine_Learning_Methods_For_Regression_Matlab Description Data has 6 features & 1 output. the target for this is regression by at least 3 machine learning methods. And at least 1 NN method. 1. 代码文件夹及其代码文件的介绍 代码文件夹内容介绍： 代码文件夹中共有1个文件夹，分别是data。 data文件夹下存放的是训练集数据data.xlsx和测试集数据100_test.xlsx（是最新的测试集数据）。 其中data.xlsx的sheet名称为train_400，即400个训练数据，100_test.xlsx的sheet名称为valid_data，即100个测试数据。 代码介绍： 由于模型训练较快，因此将模型的训练和测试统一写成了run_model.m脚本文件。其中第一种模型对应的函数脚本文件为svr_train.m, svr_predict.m, gaussKerne

通用图灵机 JAVA通用图灵机代码 UTM 类从机器文件夹加载外部机器配置。 机器描述是一个多行的 txt 文件。 每行包含 5 个空格分隔值，如下所示： PresentState InputSymbolFromTape ReplaceWithTapeSymbol MoveHead NextState 例如：0 ab L 1 说明：当前状态为 0，从磁带中读取 'a'。 'b' 是代替 'a' 的符号。 写入后，头部向左移动 ('L')，状态变为 1。 UTMDriver 是一个 Demo 类，它扩展了 UTM 代码的功能。 一旦你理解了 UTM.java 代码，你就可以编写你自己的 Driver 类了。

CS7646-机器学习交易 Tucker Balch博士于2017年秋季在乔治亚理工学院将CS 7646作为CS 7646的一部分进行分配 课程连结 课程页面： : 塔克·巴尔奇（Tucker Balch）的Udacity课程： : 课程结构 本课程由三门迷你课程组成： 迷你课程1：使用Python操纵财务数据 迷你课程2：计算投资 迷你课程3：机器学习交易算法 专案 共完成8个项目： 项目1： 职称：评估投资组合 目标：通过根据可用的历史数据计算某些指标来评估和比较不同的投资组合，并绘制比较图 链接： ： 专案2： 标题：优化投资组合 目标：通过将“最小波动率”作为优化器指标，来确定应将投资组合的资金分配给每只股票，从而优化其绩效 链接： ： 专案3： 标题：市场模拟器 目标：创建一个可以接受交易订单并随时间推移跟踪投资组合价值的市场模拟器，然后评估该投资组合的

voxelmorph：基于学习的图像注册 voxelmorph是一个通用库，用于基于学习的工具进行对齐/配准，更常见的是使用变形建模。 讲解 访问以了解VoxelMorph和基于学习的注册 使用说明 要使用VoxelMorph库，请克隆此存储库并安装setup.py列出的要求，或者直接使用pip安装。 pip install voxelmorph 训练 如果您想训练自己的模型，则可能需要针对自己的数据集和数据格式在voxelmorph/generators.py自定义一些数据加载代码。 但是，假设您有一个包含npz（numpy）格式的训练数据文件的目录，则可以开箱即用地运行许多示例脚本。 假

布局 标题 上一次更改 维基 Jupyter笔记本 2020/11/15 12:41:21 深度学习 Scikit，学习上的IRIS数据集的感知器，神经网络，Keras。 TensorFlow Implementaion在MNIST数据集。 Softmax，交叉熵损失 使用PyTorch进行梯度计算。 层调试。 验证合并，连接方法。 在文本嵌入上验证Conv1D。 验证Image数据集上的Conv2D。 验证LSTM计算。 器具Seq2Seq学习的执行加法。 器具Seq2Seq有注意力用于添加任务。 注意机制 注意 自然语言处理 论文“神经概率语言模型（Bengio等，2003）”的实现 UCI新闻数据集上具有CNN的多类别分类。 基本字符级Seq2Seq模型 带有ELMo嵌入的情感分析。 AllenNLP教程 使用CNN / TensorBoard进行文本分类 BERT文章的示例代码。 常规机器学习 IRIS数据集的决策树可视化。 从头开始决策树从头开始 决策树，随机森林，UCI新闻数据集上的朴素贝叶斯。 在UCI新闻数据集上训练朴素贝叶斯分