搜索资源列表
music
- 1、合并喜欢和播放两个列表，实现基于喜欢听的推荐排序算法，实现所听即所爱；下一版本将推出基于用户行为分析的机器学习算法。 2、优化了歌词算法，当发现歌词乱码时，可以手动纠错；下一版本将继续深度优化算法，提供滚动歌词的支持。 3、实现了桌面歌词，可以决定是否显示桌面歌词；下一版本将进行桌面歌词的自定义设置开发工作。 4、电台模式/播放器模式任意切换，MetroPlayer=豆瓣(本地推荐）+播放器
DeepLearningTutorials-master
- 深入学习是机器学习研究的一个新领域,已介绍了移动机器学习的目标更接近原来的目标之一:人工智能。深度学习学习多个水平的代表性和抽象,帮助理解数据(如图像、声音和文字。本文提供的教程将向您介绍一些最重要的深度学习算法,还将向您展示如何使用Theano运行它们。Theano是一个python库,使写作深度学习模型简单,并提供培训在GPU的选项。-run them using Theano. Theano is a python library
DeepLearning-master
- 深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。[1] 深度学习的概念由Hinton等人于2006年提出。基于深信度网(DBN)提出非监督贪心逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络是第一个真正多层结构学习算法，它利用空间相对
NatureDeepReview
- 深度学习允许由多个处理层组成的计算模型来学习具有多个抽象层次的数据表示。这些方法极大地提高了语音识别、视觉对象识别、目标检测以及药物发现和基因组学等许多领域的最新进展。深度学习发现复杂的结构在大数据集，通过使用反向传播算法来指示一台机器应该如何改变其内部参数，用于计算在每一层的代表性，从上一层的代表。深层卷积网在处理图像、视频、语音和音频方面取得了突破性进展，而递归网络则在文本和语音等连续数据上起到了作用。(Deep learning
Machine_Learning
- 包含了各种机器学习和深度学习的算法，大家互相学习(It contains all kinds of algorithms for machine learning and deep learning, and we learn from each other.)
Deep Learning
- Goodfellow、Bengio 和 Courville 三位大牛的《深度学习》中文版。 这本书首先讨论了机器学习的基础知识，从学术角度讲解了有效研究深度学习所需的应用数学（线性代数，概率和信息论等）知识；在此基础上，本书进一步讲解了深度学习算法和技术的相关知识；在最后一部分，《深度学习》这本书主要讲解了深度学习领域当前的研究趋势以及正在发生的变化。(Chinese versions of Deep Learning.)
Deep Learning with Python
- 深度学习基本算法，深度学习with python作为标题建议介绍深度学习使用Python编程语言和开源Keras库，它允许简单快速的原型设计。 在Python深度学习中， 你将从一开始就学习深度学习，你将学习所有关于图像分类模型，如何使用深度学习获取文本和序列，甚至可以学习如何使用神经网络生成文本和图像。 本书是为那些具有Python技能的人员编写的，但你不必在机器学习，Tensorflow或Keras方面有过任何经验。你也不需要
（强化学习入门）David Silver
- 深度学习的中文版本，里面详细介绍了深度学习的各种算法，其中还有一些用到的基础内容，例如矩阵和向量的范数(Chinese version of the depth of learning, which detailed the depth of learning algorithms, some of which used the basics, such as vector and matrix norm)