kaggle机器学习、深度学习竞赛，包含多模态、目标检测、视频监测和分类、图像分割、图像分类、图像检索、NLP 共21个方案

该数据集包含了4317张图片，包含雏菊、蒲公英、玫瑰、向日葵、郁金香五种花卉，可用于卷积神经网络图像分类的学习，我已将数据集拆分为训练集和测试集两部分，有需要可自行下载

说明：本教程将阐述无监督特征学习和深入学习的主要观点。通过学习，你也将实现多个功能 学习/深度学习算法，能看到它们为你工作，并学习如何应用/适应这些想法到新问题上。

吴恩达Coursera深度学习课程 deeplearning.ai (2-1) 深度学习实践--作业（可执行源码）

PLC基础学习资料(很实用).ppt

机器学习深度学习+特征选择+Feature Selection

机器学习 深度学习 人工智能代码（python）adaboost 和xgboost 还有梯度下降算法的实现

天线阵列（或阵列天线）是一组连接的多个天线，它们作为单个天线一起工作，以发射或接收无线电波。单个天线（称为元件）通常通过馈线连接到单个接收器或发射器，馈线以特定相位关系将功率馈送到元件。每个单独天线辐射的无线电波组合和叠加，加在一起（建设性干扰）以增强在所需方向上辐射的功率，并抵消（破坏性干扰）以减少在其他方向上辐射的功率。类似地，当用于接收时，来自各个天线的单独射频电流在接收器中以正确的相位关系组合以增强从期望方向接收的信号并消除来自不期望方向的信号。更复杂的阵列天线可能具有多个发射器或接收器模块，每个模块都连接到一个单独的天线元件或一组元件。 与单个元件相比，天线阵列可以实现更高的增益（方向性），即更窄的无线电波波束。一般来说，使用的单个天线元件的数量越多，增益越高，波束越窄。一些天线阵列（如军用相控阵雷达）由数千个单独的天线组成。阵列可用于实现更高的增益、提供路径分集（也称为MIMO），从而提高通信可靠性、消除来自特定方向的 干扰、以电子方式引导无线电波束指向不同的方向，以及无线电测向（RDF）。

案例19-概率神经网络的分类预测——基于PNN的变压器故障诊断176.7z

用于sklearn和TensorFlow的学习，暂时没有中文版，内容详细，代码可用