Natural Language Processing (Almost) from Scratch

用于文档图像变形的门控和分叉堆叠式U-Net模块 捕获文档图像是记录它们的最简单，最常用的方法之一。 但是，这些图像是在手持设备的帮助下捕获的，通常会导致难以消除的不良失真。 我们提出了一个监督的门控和分叉堆叠式U-Net模块，以预测变形网格并从输入中创建无失真的图像。 在对网络进行人工合成的文档图像训练时，将根据真实世界的图像来计算结果。 我们方法的新颖性不仅存在于U-Net的分叉中，以帮助消除网格坐标的混合，而且还存在于使用门控网络的情况下，该门控网络为模型增加了边界和其他分钟线级别的细节。 我们提出的端到端流水线仅在先前方法中使用的数据的8％进行训练后，就可以在DocUNet数据集上实现最新的性能。 要求 所需的软件包： 火炬（> 1.4.0） 火炬视觉（> 0.6.0） numpy（> 1.18.4） 要安装所有必需的软件包，请使用pip install -r requir

Explore and create intelligent systems using cutting-edge deep learning techniques Implement deep learning algorithms and work with revolutionary libraries in Python Get real-world examples and easy-to-follow tutorials on Theano, TensorFlow, H2O and more

学习KSH的非常棒的英文书，对于入门的人非常好。没有Unix基础的也能看懂哦

希腊电力负荷预测IPTO 此存储库包含我研究生论文的代码，该论文涉及短期负荷预测，使用希腊独立电力公司提供的每日负荷数据集，在R，RStudio，R-markdown和R-Shiny中开发了预测希腊每小时的电力负荷需求传输运营商（IPTO）-（希腊的AΔΜHΕ） 可以在亚里斯多德大学的论文库中找到我的论文的文档： : ln= ，请原谅我文档中的错误，如果发现任何错误，请通知我 ：） 库-依赖关系 数据预处理库 xlsx软件包：install.packages（'xlsx'） JSONLite ：install.packages（“ jsonlite”） lubridate ：install.packages（'lubridate'） 标题：install.packages（“标题”） 功能选择，库：install.package（“ Boruta”） 机器学习图书馆 SV

Learning with Kernels - Support Vector Machines, Regularization, Optimization, and Beyond

英文原版，看不明白糟糕的翻译的时候，看原版往往是个好方法

因果发现工具箱是一个用于在图形中以及在Python> = 3.5的成对设置中进行因果推断的程序包。 包括用于图形结构恢复和依赖性的工具。 该软件包基于Numpy，Scikit-learn，Pytorch和R。 它主要基于观察数据，实现了许多用于图结构恢复的算法（包括来自bnlearn ， pcalg包的算法）。 使用pip安装它：（请参阅下面的安装详细信息） pip install cdt Docker镜像 Docker映像可用，包括所有依赖项和启用的功能： 科 主 开发者 Python 3.6-CPU Python 3.6-GPU 安装 这些软件包需要python版本> = 3.5，以及一些在列出的库。 对于某些其他功能，需要更多的库才能使这些附加功能和选项可用。 这是该软件包的快速安装指南，从最小安装到完整安装开始。 注意：（mini / ana）conda框架将帮助安装所有这些软件包，因此建议非专业用户使用。 安装PyTorch 由于cdt软件包中的某些关键算法使用PyTorch软件包，因此需要安装它。 请访问他们的网站以安装适合您的硬件配置的PyTorch版本：

Learning a Deep Convolutional Network for Image Super-Resolution

FAST mechine learning for high speed detection的详细翻译