[深度学习] 卷积网络+递归网络

说明： 使用前馈卷积神经网络（convnets）来解决计算机视觉问题，是深度学习最广为人知的成果，但少数公众的注意力已经投入到使用递归神经网络来对时间关系进行建模。而根据深度学习三大牛的阐述，LSTM网络已被证明比传统的RNNs更加有效。本文由加州大学圣迭戈分校（UCSD）研究机器学习理论和应用的博士生Zachary Chase Lipton撰写，用浅显的语言解释了卷积网络的基本知识，并介绍长短期记忆（LSTM）模型。
<yym1660028> 在 上传 | 大小：3145728

[机器学习] UWinIEC帮助手册

说明： UWinTech 工业控制应用软件平台 控制组态手册杭州优稳自动化系统有限公司
<weixin_41305141> 在 上传 | 大小：1048576

[深度学习] rnn_intrduction.pdf

说明： 循环神经网络，Recurrent Neural Network。神经网络是一种节点定向连接成环的人工神经网络。这种网络的内部状态可以展示动态时序行为。不同于前馈神经网络的是，RNN可以利用它内部的记忆来处理任意时序的输入序列，这让它可以更容易处理如不分段的手写识别、语音识别等。
<yym1660028> 在 上传 | 大小：8388608

[机器学习] 优稳DCS手册

说明： 优稳DCS手册UWinTech 工业控制应用软件平台 实时监控手册
<weixin_41305141> 在 上传 | 大小：6291456

[深度学习] 梯度下降法与反向传播 (1)

说明： 取目标函数 ，其中 ，用 去代表 和 以强调它可能是任意的函数。在求解目标函数最小值的过程中理论上可以采用两种方法进行计算：一种解决方法就是用数值计算的方法去计算出它的最小值，但是这种方法需要求偏导数，然而在参数量巨大的神经网络中这是很难完成的一件事情；另一种方法是采用梯度下降的方法，计算较为简便。   在介绍梯度下降法的时候，首先忽略神经网络的结构，假设其为具有很多变量的函数，而我们的目的就是求解出这样的函数的最小值。当对自变量做较小的改变的时候
<yym1660028> 在 上传 | 大小：1048576

[深度学习] 第7课：循环神经网络与长短时记忆及应用

说明： 循环神经网络以及它的训练算法。我们也介绍了循环神经网络很难训练的原因，这导致了它在实际应用中，很难处理长距离的依赖。在本文中，我们将介绍一种改进之后的循环神经网络：长短时记忆网络(Long Short Term Memory Network, LSTM)，它成功的解决了原始循环神经网络的缺陷，成为当前最流行的RNN，在语音识别、图片描述、自然语言处理等许多领域中成功应用。但不幸的一面是，LSTM的结构很复杂，因此，我们需要花上一些力气，才能把LSTM以及它的训练算法弄明白。在搞清楚LSTM之后
<yym1660028> 在 上传 | 大小：3145728

[深度学习] 第2课：从线性分类器到人工神经网络

说明： 我们输入一个图像，拉伸后成为1维，为了方便，简单为4*1的向量，得分向量为3个分类，3*1,于是我们的W就要是一个3*4的矩阵，线性分类器嘛，有偏置项b(wile增加灵活性)，最后我们得到y=W*x+b的线性函数（得分函数,y就是得分向量）。 上面的W在dog类别中得分最高，这显然不是我们想要的，我们想要的是在正确的类别上有较高的得分，在错误的类别得分较低，所以我们要做的是修正这个W，使我们输入一张图片后，在正确的类别上得分最高
<yym1660028> 在 上传 | 大小：26214400

[机器学习] MIT线性代数的笔记

说明： MIT的线性代数公开课的笔记，机器学习入门必备！是中文版的哦！
<myhogwarts> 在 上传 | 大小：1048576

[机器学习] Sheffield大学Matlab遗传算法工具箱

说明： 最好的matlab遗传工具箱，完全解压后将文件放到matlab的toolboxs里，再打开matlab的set path添加保存
<h575414589> 在 上传 | 大小：436224

[深度学习] 机器学习（深度学习）的数学理论知识

说明： 本文档涵盖了机器学习（深度学习）领域所必需掌握的数学理论知识。
<qq_33066729> 在 上传 | 大小：3145728

[机器学习] 计算机视觉中的数学方法

说明： 吴福朝编写的 本书由射影几何、矩阵与张量、模型估计三个部分组成，它们是三维计算机视觉所涉及到 的基本数学理论与方法。I. 射影几何学是三维计算机视觉的数学理论基础，是从事计算机视觉研究所必备的数学知识。本书着重介绍射影几何学和它在视觉中的应用，主要内容包括：平面 与空间射影几何，摄像机几何，两视点几何，自标定技术和三维重构理论。II. 矩阵与张量是描述和解决计算机视觉问题的必要数学工具，视觉领域研究人员都应该掌握这门数学。本书着重介绍与视觉有关的矩阵、张量理论与它的应用，主要内容包括：矩阵分解
<loadqian> 在 上传 | 大小：3145728

[机器学习] conll2000的数据

说明： http://www.chokkan.org/software/crfsuite/tutorial.html教程里 wget http://www.cnts.ua.ac.be/conll2000/chunking/train.txt.gz，wget不下来的时候，使用这份数据
<u010454729> 在 上传 | 大小：878592