[机器学习] ch05_logistic_regression.rar

说明：机器学习实战(第五章-Logistics回归-所有代码与详细注解及相关数据文件-python3.7) 机器学习实战(第五章-Logistics回归-所有代码与详细注解及相关数据文件-python3.7)
<m0_37738114> 在 上传 | 大小：331776

[机器学习] Rise of the Machines Artificial Intelligence and its Growing Impact on U.S. Poli

说明：Rise of the Machines Artificial Intelligence and its Growing Impact on U.S. Policy Chairman Will Hurd and Ranking Member Robin Kelly
<iceberga> 在 上传 | 大小：306176

[机器学习] faces_recognition.rar

说明：opencv人脸识别教程里面的训练数据集，总共40个人，每个人十张人脸照片，原网站上面的数据集链接好像已经下不了了
<ydydyd00> 在 上传 | 大小：3145728

[机器学习] 美国AR人脸识别数据集

说明：共包含1680张bmp图片，像素大小为40*50。共包含120个人的样本，每个人14张图片，不同表情，不同光照的情况下，另外有matlab的包，可以直接导入。
<qq_38123961> 在 上传 | 大小：8388608

[机器学习] UIUC车辆数据集CarData

说明：数据集中包含用于评估目标检测算法的汽车侧视图。这些图像是由Shivani Agarwal，Aatif Awan和Dan Roth在UIUC收集整理的，并用于论文实验中。汽车图像均为灰度图像，原始PGM格式，总共1328张图片。
<fuhao7i> 在 上传 | 大小：7340032

[机器学习] 单高斯法、混合高斯法，时间平均法，帧差法对运动目标进行定位

说明：单高斯法、混合高斯法，时间平均法，帧差法对运动目标进行定位。单高斯法、混合高斯法，时间平均法，帧差法对运动目标进行定位。单高斯法、混合高斯法，时间平均法，帧差法对运动目标进行定位。单高斯法、混合高斯法，时间平均法，帧差法对运动目标进行定位。单高斯法、混合高斯法，时间平均法，帧差法对运动目标进行定位。
<qq_45957970> 在 上传 | 大小：10485760

[机器学习] 基于深度学习的数据融合方法研究综述

说明：数据融合是最大程度发挥大数据价值的关键，深度学习是挖掘数据深层特征信息的技术利器，基于深度学习的数据融合能够充分挖掘大数据潜在价值，从新的深度和广度拓展对世界的探索和认识。
<syp_net> 在 上传 | 大小：903168

[机器学习] nn_test.py

说明：(第一次上传，免积分下载，欢迎大家批评指正) 使用pytorch搭建一个基本的多层神经网络，来完成正弦函数的拟合。代码十分清晰，且有对应的我的CSDN博文（https://blog.csdn.net/stay_alive_13/article/details/111005285）作为参考，更加便于理解。适用于想快速入门pytorch的人。
<stay_alive_13> 在 上传 | 大小：2048

[机器学习] 谭松波文文本分类语料（复旦）（无需积分）

说明：复旦谭松波的，别人辛苦整理，免费发布的东西，拿过来自己赚积分，绝了 数据说明 answer.rar为测试语料，共9833篇文档； train.rar为训练语料，共9804篇文档，分为20个类别。 训练语料和测试语料基本按照1:1的比例来划分。 数据来源 复旦大学计算机信息与技术系国际数据库中心自然语言处理小组 问题描述 适合NLP学习使用
<Jasper500> 在 上传 | 大小：241172480

[机器学习] opencv4.5.0+contrib4.5.0.zip

说明：Cmake3.19.1双版本Debug+Release编译，编译环境Win10专业版+VS2017+X64.需要的可以下载解压。另外，根据自己的经验，最好准备一个VPN，不然编译过程会缺少文件（FFmpeg这些）。教程我就不写了，网上一堆的，推荐一个给大家看看就好：https://blog.csdn.net/fengxinzioo/article/details/109402921
<bruchleeli> 在 上传 | 大小：75497472

[机器学习] NeurIPS 2020最新《深度对话人工智能》

说明：对话人工智能系统通过完成用户请求或进行简单的聊天与人类用户进行交互。这些系统的应用范围从个人帮助、健康帮助到客户服务等等。
<syp_net> 在 上传 | 大小：12582912

[机器学习] 机器人抓取检测技术的研究现状_刘亚欣.caj

说明：基于学习的方法 机器学习方法已被证明对广泛的感知问题有效[32-36], 允许感知系统学习从一些特征集到各种视觉特性的映射[37]. 研究人员更是将深度学习引入抓取检测中,将学习方法应用于视觉中,引入学习方法对抓取质量进行评分[38]. 近期的文献采用了更丰富的特征和学习方法,允许机器人抓取部分被遮挡的已知物体[39] 或已知物体未知姿态[40] 以及系统之前未见过的全新物体(未知物体)[41],本文将讨论后一种情况. 早期的工作集中在仅从2D部分视图数据中检测单个抓取点,使用启发式方法基于此点
<WhiffeYF> 在 上传 | 大小：947200