卷积神经网络发展历程与部分经典模型总结

机器学习经典模型

用python实现机器学习的经典模型和算法

matlab源码求一元函数 OR_Learn 运筹学知识总结，以及经典模型代码的编写（python） 线性回归 在用代码实现线性回归模型之前，最重要的是模型的确定与建立，之后直接调用linprog()函数即可，需要注意的是：matlab中线性模型的标准形式为 因此在使用linprog()时，要注意把非标准化的数学形式转化成标准形式。 灵敏度分析研究的是模型参数的取值变化对最优解或者最优基的影响，模型参数的变化包括三个部分： (1)目标函数系数的变化 (2)约束条件右端值的变化 (3)目标函数中价值系数的变化 每种不同的变化都对应不同的解题方法。 运输问题通常有m个产地，n个销地，其中还存在产销平衡，产销不平衡两种形式，运输问题显然是一个线性规划问题，但是其约束条件的系数矩阵相当特殊， 可以使用更为简单的计算方法，通常称为表上作业法，通过最小元素法（或者最大差额法，或者西北角法）求得初始基本解，通过位势法（或者闭回路）检验是否为 最优基。 整数规划是在基本线性回归模型的基础上，添加决策变量均为整数的约束条件，求解方法有分支定界法和割平面法，两种方法最开始都是先不考虑整数条件，求出最优解，

“语义分割”处理的是像素级分类问题，是计算机视觉中的基本任务，在自动驾驶、地物检测以及医疗辅助等许多领域，有着巨大的应用价值。常见的基于深度神经网络的语义分割模型，有U-Net，SegNet，PSPNet，以及DeepLab系列，（含论文出处和代码链接）。后续还将进一步整理完善哟！

针对小白，包运行。文件包含数据集，解压后放到D盘。在终端运行README中train或者test部分的内容。最好使用绝对路径，其中的参数num_works 8为进程数，一般电脑改为0即可。只需要4积分，四舍五入就是白送啊。包运行。有问题联系博主，看到私信会回复。

利用MATLAB建立了磁偶极子模型

简介 CNN -> Convolutional Neural Network 卷积神经网络是由一个或多个卷积层和顶端的全连通层（也可以使用1×1的卷积层作为最终的输出）组成的一种前馈神经网络 基本概念 局部感受野(Local Receptive Fields) 一般的神经网络往往会把图像的每一个像素点连接到全连接的每一个神经元中，而卷积神经网络则是把每一个隐藏节点只连接到图像的某个局部区域，从而减少参数训练的数量。 例如，一张1024×720的图像，使用9×9的感受野，则只需要81个权值参数。对于一般的视觉也是如此，当观看一张图像时，更多的时候关注的是局部。 共享权值(Shared Weigh

lingo的模型文件，内含原材料混合模型，物资需求计划模型，装配线平衡模型，工件排序模型，工厂定位模型等等,对学习lingo建模帮助很大。

MATLAB常用16个经典模型代码，经调试过后均可运行，修改后可用于数学建模参赛