elm回归及分类：ELM是一种简单易用、有效的单隐层前馈神经网络SLFNs学习算法。
2004年由南洋理工大学黄广斌副教授提出。
传统的神经网络学习算法（如BP算法）需要人为设置大量的网络训练参数，并且很容易产生局部最优解。
极限学习机只需要设置网络的隐层节点个数，在算法执行过程中不需要调整网络的输入权值以及隐元的偏置，并且产生唯一的最优解，因此具有学习速度快且泛化性能好的优点。
2004年由南洋理工大学黄广斌副教授提出。
传统的神经网络学习算法（如BP算法）需要人为设置大量的网络训练参数，并且很容易产生局部最优解。
极限学习机只需要设置网络的隐层节点个数，在算法执行过程中不需要调整网络的输入权值以及隐元的偏置，并且产生唯一的最优解，因此具有学习速度快且泛化性能好的优点。
2024/7/1 18:12:12
9KB
1
Matlab基于k均值聚类学习算法的rbf神经网络实现-基于k均值聚类学习算法的rbf神经网络实现.rar基于k均值聚类学习算法的rbf神经网络实现
2024/7/1 1:24:25
991B
1
dlib.whl免编译安装，快速使用。
Dlib是一个现代化的C++工具箱，其中包含用于在C++中创建复杂软件以解决实际问题的机器学习算法和工具。
它广泛应用于工业界和学术界，包括机器人，嵌入式设备，移动电话和大型高性能计算环境。
Dlib是一个现代化的C++工具箱，其中包含用于在C++中创建复杂软件以解决实际问题的机器学习算法和工具。
它广泛应用于工业界和学术界，包括机器人，嵌入式设备，移动电话和大型高性能计算环境。
2024/6/3 11:33:10
3.19MB
1
Dlib是一种现代的C++工具包，它包含机器学习算法和用于在C++中创建复杂软件以解决现实世界问题的工具。
它广泛应用于工业界和学术界，包括机器人、嵌入式设备、移动电话和大型高性能计算环境。
Dlib开源许可允许您在任何平台、任何应用程序中免费使用它。
这里整理打包了dlib19系列的所有已有的资源，格式为tar.tz和whl。
通用的dlib库，一定不会让你失望。
它广泛应用于工业界和学术界，包括机器人、嵌入式设备、移动电话和大型高性能计算环境。
Dlib开源许可允许您在任何平台、任何应用程序中免费使用它。
这里整理打包了dlib19系列的所有已有的资源，格式为tar.tz和whl。
通用的dlib库，一定不会让你失望。
2024/6/2 0:17:51
136.27MB
1
提出了一种利用多个图像特征的曝光过度区域检测学习算法。
该算法利用像素的亮度和颜色特征以及光的新特征-色度和边界邻域来构造特征向量。
采用L2正则化的一次逻辑回归方法获得最优分类器mod-e1。
实验结果表明，与直接强度阈值法和其他基于亮度和色彩特征的方法相比，该算法在区域连通性方面能更好地检测出过度曝光区域。
该算法利用像素的亮度和颜色特征以及光的新特征-色度和边界邻域来构造特征向量。
采用L2正则化的一次逻辑回归方法获得最优分类器mod-e1。
实验结果表明，与直接强度阈值法和其他基于亮度和色彩特征的方法相比，该算法在区域连通性方面能更好地检测出过度曝光区域。
2024/5/20 18:55:43
1.15MB
1
BP（BackPropagation）神经网络是一种神经网络学习算法。
其由输入层、中间层、输出层组成的阶层型神经网络，中间层可扩展为多层。
相邻层之间各神经元进行全连接，而每层各神经元之间无连接，网络按有教师示教的方式进行学习，当一对学习模式提供给网络后，各神经元获得网络的输入响应产生连接权值（Weight）。
然后按减小希望输出与实际输出误差的方向，从输出层经各中间层逐层修正各连接权，回到输入层。
此过程反复交替进行，直至网络的全局误差趋向给定的极小值，即完成学习的过程，
其由输入层、中间层、输出层组成的阶层型神经网络，中间层可扩展为多层。
相邻层之间各神经元进行全连接，而每层各神经元之间无连接，网络按有教师示教的方式进行学习，当一对学习模式提供给网络后，各神经元获得网络的输入响应产生连接权值（Weight）。
然后按减小希望输出与实际输出误差的方向，从输出层经各中间层逐层修正各连接权，回到输入层。
此过程反复交替进行，直至网络的全局误差趋向给定的极小值，即完成学习的过程，
2024/5/2 21:19:10
6KB
1
通过在UCI开源网站上下载CarEvaluation数据集，对其使用机器学习算法进行分析，分别使用了分类算法，回归算法，聚类算法，文件中附数据集以及代码，代码使用jupyter运行即可，代码中介绍比较详细，通熟易懂，从头至尾皆可跑通！
2024/4/28 2:31:52
70KB
1
《强化学习精要核心算法与TensorFlow实现》冯超著共386页；
内容简介《强化学习精要:核心算法与TensorFlow实现》用通俗幽默的语言深入浅出地介绍了强化学习的基本算法与代码实现，为读者构建了一个完整的强化学习知识体系，同时介绍了这些算法的具体实现方式。
从基本的马尔可夫决策过程，到各种复杂的强化学习算法，读者都可以从本书中学习到。
本书除了介绍这些算法的原理，还深入分析了算法之间的内在联系，可以帮助读者举一反三，掌握算法精髓。
书中介绍的代码可以帮助读者’快速将算法应用到实践中。
《强化学习精要:核心算法与TensorFlow实现》内容翔实，语言简洁易懂，既适合零基础的人员人门学习，也适合相关科研人员研究参考。
内容简介《强化学习精要:核心算法与TensorFlow实现》用通俗幽默的语言深入浅出地介绍了强化学习的基本算法与代码实现，为读者构建了一个完整的强化学习知识体系，同时介绍了这些算法的具体实现方式。
从基本的马尔可夫决策过程，到各种复杂的强化学习算法，读者都可以从本书中学习到。
本书除了介绍这些算法的原理，还深入分析了算法之间的内在联系，可以帮助读者举一反三，掌握算法精髓。
书中介绍的代码可以帮助读者’快速将算法应用到实践中。
《强化学习精要:核心算法与TensorFlow实现》内容翔实，语言简洁易懂，既适合零基础的人员人门学习，也适合相关科研人员研究参考。
2024/4/26 21:52:43
76.54MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB