资源列表
深度机器学习DBN
- 深度神经网络算法，可直接用用于模型训练，进行机器学习。算法可靠。(The deep neural network algorithm can be directly used for model training and machine learning. The algorithm is reliable.)
核极限学习机
- 核极限学习机程序，可以直接调用，满足分类要求。(Extreme Learning Machine Program)
MATLAB-DNN-master
- dnn的训练及搭建源代码，非常实用，对初学者是一个不错的起点，特别是深度学习方面的(Training and building source code of DNN)
python实现分段线性表示
- 按照自顶向下和自底向上分析时间序列趋势和转折点(Found the turning point from bottom to the top and from top to the bottom)
predmaint
- Predictive maintenance tools matlab
BPNN
- 很全的BPNN代码，还附有例子，方便大家一起学习，希望可以帮助到大家(Very complete code, additional examples, especially easy to understand)
CNN
- 卷积神经网络分类 调制信号识别 卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（deep learning）的代表算法之一 [1-2] 。卷积神经网络具有表征学习（representation learning）能力，能够按其阶层结构对输入信息进行平移不变分类（shift-invariant classification），因此也被称
Python机器学习基础教程(完整电子版)
- 本书是机器学习入门书，以Python语言介绍。主要内容包括：机器学习的基本概念及其应用；实践中最常用的机器学习算法以及这些算法的优缺点；在机器学习中待处理数据的呈现方式的重要性，以及应重点关注数据的哪些方面；模型评估和调参的高级方法，重点讲解交叉验证和网格搜索；管道的概念；如何将前面各章的方法应用到文本数据上，还介绍了一些文本特有的处理方法。(This book is an introduction to machine learning, introduced in Python langua
FCMADDPG
- 基于深度强化学习的编队控制使用MADDPG算法(Formation control based on deep reinforcement learning)
遗传粒子群优化算法-GAPSO
- 混沌粒子群优化算法，及其该算法的简单应用(A SIMPLE IMPLEMENTATION OF THE PARTICLE SWARM OPTIMIZATION)
SVM分类
- 基于SVM的疲劳驾驶系统。基于神经网络的非接触式疲劳驾驶检测已成为当前针对疲劳驾驶检测领域炙手可热的研究方向。它有效解决了接触式疲劳检测方法给驾驶员带来的干扰以及单一信号源对于反映疲劳程度可靠性低的问题，同时通过设计神经网络模型对多源信息进行分类，实现对疲劳状态的高精度和高速度的检测。选取合适的特征值对网络检测准确率以及准确反映疲劳程度至关重要。基于驾驶员生理信号检测可靠性和准确性较高。(Fatigue driving system based on SVM)
静态路径规划
- 建立二维栅格地图并根据基本蚁群算法进行全局路径规划(Two dimensional grid map is established and global path planning is carried out according to basic ant colony algorithm)