AI精选付费资料包（37(1)

时间：2025-10-27 综合查看: 52

分享作者：世界*富陈建立

资源分类：网盘资源

入库时间：2025-10-27 11:52:36

分享时间：2025-07-26 12:28:12

文件数量：265个文件夹，384个文件

文件大小：21.30 GB

内容摘要:AI精选付费资料包（37(1)_四：机器学习基础算法教程_02_机器学习算法PPT_文本分析_6-支持向量机_4-聚类算法_9-LDA与PCA算法_7-推荐系统_8-xgboost_3-决策树与集成算法_12-word2vec_2-回归算法_1-AI入学指南_5-贝叶斯算法...

AI精选付费资料包（37(1)相关文件名

📁 AI精选付费资料包（37(1).4GB）（合集）
📁 四：机器学习基础算法教程
📁 02.机器学习算法课件资料
📁 机器学习算法PPT
📄 文本分析.pdf
📄 6-支持向量机.pdf
📄 4-聚类算法.pdf
📄 9-LDA与PCA算法.pdf
📄 7-推荐系统.pdf
📄 8-xgboost.pdf
📄 3-决策树与集成算法.pdf
📄 12-word2vec.pdf
📄 2-回归算法.pdf
📄 1-AI入学指南.pdf
📄 5-贝叶斯算法.pdf
📄 时间序列分析.pdf
📄 11-神经网络.pdf
📄 10-EM算法.pdf
📁 部分代码资料
📁 10-决策树原理
📄 3-决策树与集成算法.pdf
📁 6-逻辑回归实验分析
📄 逻辑回归-实验.zip
📁 12-决策树实验分析
📄 决策树算法-实验.zip
📁 8-Kmeans代码实现
📄 Kmeans-代码实现.zip
📁 5-逻辑回归代码实现
📄 逻辑回归-代码实现.zip
📁 14-集成算法实验分析
📁 mldata
📄 随机森林与集成算法-实验.zip
📁 3-线性回归实验分析
📄 线性回归-实验.zip
📁 3-模型评估方法
📁 img
📄 模型评估方法.ipynb
📁 11-决策树代码实现
📄 决策树-代码实现.zip
📁 1-线性回归原理推导
📄 2-回归算法.pdf
📁 9-聚类算法实验分析
📁 mldata
📄 聚类算法-实验.zip
📁 2-线性回归代码实现
📄 线性回归-代码实现.zip
📁 7-聚类算法-Kmeans&Dbscan原理
📄 4-聚类算法.pdf
📁 13-集成算法原理
📄 3-决策树与集成算法.pdf
📁 15-支持向量机原理推导
📄 6-支持向量机.pdf
📁 01.机器学习经典算法精讲视频课程
📁 第三章：模型评估方法
📁 分类模型评估
📁 5-混淆矩阵
📁 6-评估指标对比分析
📁 7-阈值对结果的影响
📁 2-数据集切分
📁 4-交叉验证实验分析
📁 3-交叉验证的作用
📁 1-Sklearn工具包简介
📁 8-ROC曲线
📁 第十二章：决策树代码实现
📁 第五章：决策树
📁 3-整体框架逻辑
📁 5-数据集切分
📁 2-递归生成树节点
📁 1-整体模块概述
📁 4-熵值计算
📁 7-测试算法效果
📁 6-完成树模型构建
📁 第一章：线性回归原理推导
📄 8-优化参数设置.mp4
📄 0-课程简介.mp4
📄 6-梯度下降通俗解释.mp4
📄 1-回归问题概述.mp4
📄 5-参数求解.mp4
📄 3-独立同分布的意义.mp4
📄 2-误差项定义.mp4
📄 4-似然函数的作用.mp4
📄 7参数更新方法.mp4
📁 第十一章：决策树原理
📄 1-决策树算法概述.mp4
📄 7-后剪枝方法.mp4
📄 8-回归问题解决.mp4
📄 5-信息增益率与gini系数.mp4
📄 2-熵的作用.mp4
📄 4-决策树构造实例.mp4
📄 3-信息增益原理.mp4
📄 6-预剪枝方法.mp4
📁 第九章：Kmeans代码实现
📁 第三章：聚类-Kmeans
📁 6-聚类效果展示
📁 4-算法迭代更新
📁 5-鸢尾花数据集聚类任务
📁 1-Kmeans算法模块概述
📁 3-样本点归属划分
📁 2-计算得到簇中心点
📁 第八章：聚类算法-Kmeans&Dbscan原理
📄 3-KMEANS迭代可视化展示.mp4
📄 2-KMEANS工作流程.mp4
📄 4-DBSCAN聚类算法.mp4
📄 6-DBSCAN可视化展示.mp4
📄 1-KMEANS算法概述.mp4
📄 5-DBSCAN工作流程.mp4
📁 第十章：聚类算法实验分析
📁 聚类
📁 2-聚类结果展示
📁 4-不稳定结果
📁 10-半监督学习
📁 3-建模流程解读
📁 1-Kmenas算法常用操作
📁 11-DBSCAN算法
📁 6-如何找到合适的K值
📁 7-轮廓系数的作用
📁 9-应用实例-图像分割
📁 5-评估指标-Inertia
📁 8-Kmenas算法存在的问题
📁 第七章：逻辑回归实验分析
📄 2-概率结果随特征数值的变化.mp4
📄 6-多分类-softmax.mp4
📄 1-逻辑回归实验概述.mp4
📄 5-分类决策边界展示分析.mp4
📄 4-坐标棋盘制作.mp4
📄 3-可视化展示.mp4
📁 第十三章：决策树实验分析
📁 决策树
📁 2-决策边界展示分析
📁 4-回归树模型
📁 3-树模型预剪枝参数作用
📁 1-树模型可视化展示
📁 第六章：逻辑回归代码实现
📁 第二章：逻辑回归
📁 10-准备测试数据
📁 7-得出最终结果
📁 1-多分类逻辑回归整体思路
📁 8-鸢尾花数据集多分类任务
📁 12-非线性决策边界
📁 3-完成预测模块
📁 5-迭代优化参数
📁 4-优化目标定义
📁 2-训练模块功能
📁 11-决策边界绘制
📁 6-梯度计算
📁 9-训练多分类模型
📁 第五章：逻辑回归原理推导
📄 2-化简与求解.mp4
📄 1-逻辑回归算法原理.mp4
📁 第二章：线性回归代码实现
📁 第一章：线性回归
📁 5-数据与标签定义
📁 10-非线性回归
📁 9-多特征回归模型
📁 4-损失与预测模块
📁 6-训练线性回归模型
📁 8-整体流程debug解读
📄 1-线性回归整体模块概述.mp4
📄 7-得到线性回归方程.mp4
📄 3-实现梯度下降优化模块.mp4
📄 2-初始化步骤.mp4
📁 课程简介
📁 项目截图
📄 QQ截图20190624141231.png
📄 QQ截图20190624141129.png
📄 1.png
📄 QQ截图20190624141428.png
📄 QQ截图20190624141330.png
📄 Python机器学习实训营.docx
📁 第四章：线性回归实验分析
📁 线性回归
📁 9-多项式回归
📁 7-MiniBatch方法
📁 10-模型复杂度
📁 3-预处理对结果的影响
📁 12-正则化的作用
📁 14-实验总结
📁 5-学习率对结果的影响
📁 2-参数直接求解方法
📁 4-梯度下降模块
📁 6-随机梯度下降得到的效果
📁 11-样本数量对结果的影响
📁 8-不同策略效果对比
📁 13-岭回归与lasso
📄 1-实验目标分析.mp4
📁 六：计算机视觉实战项目
📁 07.MASK-RCNN课程资料
📁 第六章：物体检测-faster-rcnn
📄 FasterRcnn.zip
📄 Faster R-CNN Towards Real-Time Object Detection with Region Proposal Networks.pdf
📄 iccv15_tutorial_training_rbg.pdf
📄 faster-rcnn.pptx
📄 第四章：练手小项目-人体姿态识别demo.zip
📄 第二章：MaskRcnn网络框架源码详解.zip
📄 第三章：基于MASK-RCNN框架训练自己的数据与任务.zip
📄 第五章：迁移学习.zip
📁 04.Unet图像分割实战视频课程
📄 4.mp4
📄 5.mp4
📄 2.mp4
📄 3.mp4
📄 1.mp4
📁 02.YOLOV5目标检测视频课程
📄 4-各版本模型介绍.mp4
📄 2-数据与标签配置方法.mp4
📄 5-项目参数配置.mp4
📄 7-输出结果与项目总结.mp4
📄 3-标签转格式脚本制作.mp4
📄 1.任务需求与项目概述.mp4
📄 6-缺陷检测模型培训.mp4
📁 08.Unet图像分割课程资料
📄 unet++.zip
📄 深度学习分割任务.pdf
📁 06.YOLOV5目标检测课程资料
📄 PyTorch-YOLOv3.zip
📄 NEU-DET.zip
📄 YOLO.pdf
📁 01.OpenCV图像处理实战视频课程
📁 项目实战一：信用卡数字识别
📁 2-环境配置与预处理
📄 2-环境配置与预处理.mp4
📁 1-总体流程与方法讲解
📄 总体流程与方法讲解.mp4
📁 4-输入数据处理方法
📄 4-输入数据处理方法.mp4
📁 5-模板匹配得出识别结果
📄 5-模板匹配得出识别结果.mp4
📁 3-模板处理方法
📄 3-模板处理方法.mp4
📁 项目实战二：文档扫描OCR识别
📁 3-原始与变换坐标计算
📄 3-原始与变换坐标计算.mp4
📁 2-文档轮廓提取
📄 2-文档轮廓提取.mp4
📁 6-文档扫描识别效果
📄 6-文档扫描识别效果.mp4
📁 1-整体流程演示
📄 1-整体流程演示.mp4
📁 4-透视变换结果
📄 4-透视变换结果.mp4
📁 5-tesseract-ocr安装配置
📄 5-tesseract-ocr安装配置.mp4
📁 项目实战三：全景图像拼接
📁 4-流程解读
📄 4-流程解读.mp4
📁 2-图像拼接方法
📄 2-图像拼接方法.mp4
📁 2-RANSAC算法
📄 2-RANSAC算法.mp4
📁 1-特征匹配方法
📄 1-特征匹配方法.mp4
📁 项目实战五：答题卡识别判卷
📁 2-预处理操作
📄 2-预处理操作.mp4
📁 4-选项判断识别
📄 4-选项判断识别.mp4
📁 1-整体流程与效果概述
📄 1-整体流程与效果概述.mp4
📁 3-填涂轮廓检测
📄 3-填涂轮廓检测.mp4
📁 项目实战四：停车场车位识别
📁 3-图像数据预处理
📄 3-图像数据预处理.mp4
📁 4-车位直线检测
📄 4-车位直线检测.mp4
📁 8-基于视频的车位检测
📄 8-基于视频的车位检测.mp4
📁 7-识别模型构建
📄 7-识别模型构建.mp4
📁 2-所需数据介绍
📄 2-所需数据介绍.mp4
📁 1-任务整体流程
📄 1-任务整体流程.mp4
📁 6-车位区域划分
📄 6-车位区域划分.mp4
📁 5-按列划分区域
📄 5-按列划分区域.mp4
📁 05.OpenCV图像处理课程资料
📄 第九章：项目实战-信用卡数字识别.zip
📄 第16-17章notebook课件.zip
📄 第十四章：项目实战-停车场车位识别.zip
📄 第二十章：人脸关键点定位.zip
📄 第十三章：案例实战-全景图像拼接.zip
📄 第11-12章notebook课件.zip
📄 第十八章：Opencv的DNN模块.zip
📄 第十章：项目实战-文档扫描OCR识别.zip
📄 第八章notebook课件.zip
📄 第十五章：项目实战-答题卡识别判卷.zip
📄 第2-7章notebook课件.zip
📄 第二十一章：项目实战-疲劳检测.zip
📁 03.MASK-RCNN目标检测实战视频课程
📁 第二章：MaskRcnn网络框架源码详解
📁 11-RorAlign操作的效果
📄 11-RorAlign操作的效果.mp4
📁 9-正负样本选择与标签定义
📄 9-正负样本选择与标签定义.mp4
📁 1-FPN层特征提取原理解读
📄 1-FPN层特征提取原理解读.mp4
📁 3-生成框比例设置
📄 3-生成框比例设置.mp4
📁 2-FPN网络架构实现解读
📄 2-FPN网络架构实现解读.mp4
📁 12-整体框架回顾
📄 12-整体框架回顾.mp4
📁 5-RPN层的作用与实现解读
📄 5-RPN层的作用与实现解读.mp4
📁 7-Proposal层实现方法
📄 7-Proposal层实现方法.mp4
📁 4-基于不同尺度特征图生成所有框
📄 4-基于不同尺度特征图生成所有框.mp4
📁 8-DetectionTarget层的作用
📄 8-DetectionTarget层的作用.mp4
📁 10-RoiPooling层的作用与目的
📄 10-RoiPooling层的作用与目的.mp4
📁 6-候选框过滤方法
📄 6-候选框过滤方法.mp4
📁 第三章：基于MASK-RCNN框架训练自己的数据与任务
📁 5-基于标注数据训练所需任务
📄 5-基于标注数据训练所需任务.mp4
📁 3-完成训练数据准备工作
📄 3-完成训练数据准备工作.mp4
📁 4-maskrcnn源码修改方法
📄 4-maskrcnn源码修改方法.mp4
📁 6-测试与展示模块
📄 6-测试与展示模块.mp4
📁 2-使用labelme进行数据与标签标注
📄 2-使用labelme进行数据与标签标注.mp4
📁 1-Labelme工具安装
📄 1-Labelme工具安装.mp4
📁 第六章：必备基础-物体检测FasterRcnn系列
📁 5-论文解读-2-RPN网络结构
📄 论文解读-2-RPN网络结构.mp4
📁 4-论文解读-1-论文整体概述
📄 论文解读-1.mp4
📁 3-三代算法-3-faster-rcnn概述
📄 三代算法-3-faster-rcnn概述.mp4
📁 6-论文解读-3-损失函数定义
📄 论文解读-3-损失函数定义.mp4
📁 2-三代算法-2-深度学习经典检测方法
📄 三代算法-2-深度学习经典检测方法.mp4
📁 1-三代算法-1-物体检测概述
📄 三代算法-1-物体检测概述.mp4
📁 7-论文解读-4-网络细节
📄 论文解读-4-网络细节.mp4
📁 第一章：物体检测框架-MaskRcnn项目介绍与配置
📁 第五章：必备基础-迁移学习与Resnet网络架构
📁 8-迁移学习效果对比
📁 6-shortcut模块
📁 5-Resnet基本处理操作
📁 2-迁移学习策略
📁 1-迁移学习的目标
📁 4-Resnet网络细节
📁 3-Resnet原理
📁 7-加载训练好的权重
📁 2-开源项目数据集
📄 0-开源项目数据集.mp4
📁 0-课程简介
📄 0-课程简介.mp4
📁 3-参数配置
📄 0-参数配置.mp4
📁 1-Mask-Rcnn开源项目简介
📄 0-Mask-Rcnn开源项目简介.mp4
📁 第四章：练手小项目-人体姿态识别demo
📁 1-COCO数据集与人体姿态识别简介
📄 1-COCO数据集与人体姿态识别简介.mp4
📁 3-流程与结果演示
📄 3-流程与结果演示.mp4
📁 2-网络架构概述
📄 2-网络架构概述.mp4
📁 三：超详细人工智能学习大纲
📄 人工智能大纲升级版本.pdf
📁 一：人工智能论文合集
📁 Resnet论文解读
📄 13-额外补充-Resnet论文解读.mp4
📁 cvpr2021
📁 解压密码：cvpr2021
📁 ICCV2021
📁 解压密码： iccv2021
📁 CVPR行人重识别论文解读
📄 5. 4-基于图卷积构建人体拓扑关系.mp4
📄 6. 5-图卷积模块实现方法.mp4
📄 1. 1-关键点位置特征构建.mp4
📄 2. 2-图卷积与匹配的作用.mp4
📄 4. 3-局部特征热度图计算.mp4
📁 深度学习论文精讲-BERT模型
📄 8. 7-BERT模型训练策略.mp4
📄 5. 4-预训练模型的作用.mp4
📄 7. 6-向量特征编码方法.mp4
📄 2. 1-论文讲解思路概述.mp4
📄 1. 课程介绍.mp4
📄 3. 2-BERT模型摘要概述.mp4
📄 9. 8-论文总结分析.mp4
📄 4. 3-模型在NLP领域应用效果.mp4
📄 6. 5-输入数据特殊编码字符解析.mp4
📁 CNN_不能错过的10篇论文
📄 1512.03385v1_Deep Residual Learning for Image Recognition.pdf
📄 1311.2901v3_Visualizing and Understanding Convolutional Networks.pdf
📄 1504.08083_Fast R-CNN.pdf
📄 1506.02025_Spatial Transformer Networks.pdf
📄 1506.01497v3_Faster R-CNN.pdf
📄 1406.2661v1_Generative Adversarial Nets.pdf
📄 1311.2524v5_R_CNN.pdf
📄 1412.2306v2_Deep Visual-Semantic Alignments for Generating Image Descriptions.pdf
📄 1409.1556v6_VERY DEEP CONVOLUTIONAL Networks.pdf
📄 Szegedy_Going_Deeper_With_2015_CVPR_paper.pdf
📄 4824-imagenet-classification-with-deep-convolutional-neural-networks.pdf
📁 图神经网络（GNN）100篇论文集
📁 Applications
📁 science
📄 Learning Deep Generative Models of Graphs.pdf
📄 Constrained Generation of Semantically Valid Graphs via Regularizing Variational Autoencoders.pdf
📄 Convolutional networks on graphs for learning molecular fingerprints.pdf
📄 Effective Approaches to Attention-based Neural Machine Translation.pdf
📄 A Note on Learning Algorithms for Quadratic Assignment with Graph Neural Networks.pdf
📄 Learning model-based planning from scratch.pdf
📄 A Compositional Object-Based Approach to Learning Physical Dynamics.pdf
📄 Symbolic Graph Reasoning Meets Convolutions.pdf
📄 Adversarial Attack on Graph Structured Data.pdf
📄 Graph Convolutional Neural Networks for Web-Scale Recommender Systems.pdf
📄 Learning Multiagent Communication with Backpropagation.pdf
📄 Structured Dialogue Policy with Graph Neural Networks.pdf
📄 Dynamic Edge-Conditioned Filters in Convolutional Neural Networks on Graphs.pdf
📄 Hybrid Approach of Relation Network and Localized Graph Convolutional Filtering for Breast Cancer Subtype Classification.pdf
📄 Discovering objects and their relations from entangled scene representations.pdf
📄 Molecular Graph Convolutions- Moving Beyond Fingerprints.pdf
📄 Neural Combinatorial Optimization with Reinforcement Learning.pdf
📄 GraphRNN- Generating Realistic Graphs with Deep Auto-regressive Models.pdf
📄 Traffic Graph Convolutional Recurrent Neural Network- A Deep Learning Framework for Network-Scale Traffic Learning and Forecasting.pdf
📄 Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recognition.pdf
📄 Spatio-Temporal Graph Convolutional Networks- A Deep Learning Framework for Traffic Forecasting.pdf
📄 Metacontrol for Adaptive Imagination-Based Optimization.pdf
📄 Self-Attention with Relative Position Representations.pdf
📄 Relational inductive bias for physical construction in humans and machines.pdf
📄 NerveNet Learning Structured Policy with Graph Neural Networks.pdf
📄 Deep Graph Infomax.pdf
📄 Understanding Kin Relationships in a Photo.pdf
📄 Learning Human-Object Interactions by Graph Parsing Neural Networks.pdf
📄 Neural Module Networks.pdf
📄 DeepInf- Modeling influence locality in large social networks.pdf
📄 Neural Relational Inference for Interacting Systems.pdf
📄 Attention, Learn to Solve Routing Problems!.pdf
📄 Translating Embeddings for Modeling Multi-relational Data.pdf
📄 Learning a SAT Solver from Single-Bit Supervision.pdf
📄 Visual Interaction Networks- Learning a Physics Simulator from Vide.o.pdf
📄 Combining Neural Networks with Personalized PageRank for Classification on Graphs.pdf
📄 Learning to Represent Programs with Graphs.pdf
📄 Semi-supervised User Geolocation via Graph Convolutional Networks.pdf
📄 Hyperbolic Attention Networks.pdf
📄 Cross-Sentence N-ary Relation Extraction with Graph LSTMs.pdf
📄 Graph Convolutional Matrix Completion.pdf
📄 Interaction Networks for Learning about Objects, Relations and Physics.pdf
📄 Constructing Narrative Event Evolutionary Graph for Script Event Prediction.pdf
📄 Protein Interface Prediction using Graph Convolutional Networks.pdf
📄 Action Schema Networks- Generalised Policies with Deep Learning.pdf
📄 Situation Recognition with Graph Neural Networks.pdf
📄 Relational Deep Reinforcement Learning.pdf
📄 Relational neural expectation maximization- Unsupervised discovery of objects and their interactions.pdf
📄 Geometric Matrix Completion with Recurrent Multi-Graph Neural Networks.pdf
📄 Beyond Categories- The Visual Memex Model for Reasoning About Object Relationships.pdf
📁 image
📁 Visual Question Answering
📁 Image classification
📁 Object Detection
📁 Interaction Detection
📁 Region Classification
📁 Semantic Segmentation
📁 graph generation
📄 Graph Convolutional Policy Network for Goal-Directed Molecular Graph Generation.pdf
📄 NetGAN- Generating Graphs via Random Walks(1).pdf
📄 MolGAN- An implicit generative model for small molecular graphs(1).pdf
📁 combinatorial optimization
📄 Combinatorial Optimization with Graph Convolutional Networks and Guided Tree Search(1).pdf
📄 Learning Combinatorial Optimization Algorithms over Graphs.pdf
📁 knowledge graph
📄 Deep Reasoning with Knowledge Graph for Social Relationship Understanding.pdf
📄 Representation learning for visual-relational knowledge graphs.pdf
📄 Modeling Semantics with Gated Graph Neural Networks for Knowledge Base Question Answering.pdf
📄 The More You Know- Using Knowledge Graphs for Image Classification.pdf
📄 Cross-lingual Knowledge Graph Alignment via Graph Convolutional Networks.pdf
📄 Zero-shot Recognition via Semantic Embeddings and Knowledge Graphs.pdf
📄 Knowledge Transfer for Out-of-Knowledge-Base Entities - A Graph Neural Network Approach.pdf
📄 Dynamic Graph Generation Network- Generating Relational Knowledge from Diagrams.pdf
📄 Multi-Label Zero-Shot Learning with Structured Knowledge Graphs.pdf
📁 text
📄 Graph Convolution over Pruned Dependency Trees Improves Relation Extraction.pdf
📄 Encoding Sentences with Graph Convolutional Networks for Semantic Role Labeling.pdf
📄 Graph Convolutional Networks with Argument-Aware Pooling for Event Detection.pdf
📄 N-ary relation extraction using graph state LSTM.pdf
📄 Exploring Graph-structured Passage Representation for Multi-hop Reading Comprehension with Graph Neural Networks..pdf
📄 A Graph-to-Sequence Model for AMR-to-Text Generation.pdf
📄 Exploiting Semantics in Neural Machine Translation with Graph Convolutional Networks.pdf
📄 Jointly Multiple Events Extraction via Attention-based Graph.pdf
📄 Graph Convolutional Encoders for Syntax-aware Neural Machine Translation.pdf
📄 End-to-End Relation Extraction using LSTMs on Sequences and Tree Structures.pdf
📄 Graph Convolutional Networks for Text Classification.pdf
📄 Recurrent Relational Networks.pdf
📁 Models
📁 graph_type
📁 directed graph
📁 edge-informative graph
📄 Graph Capsule Convolutional Neural Networks.pdf
📄 How Powerful are Graph Neural Networks-.pdf
📄 Adaptive Graph Convolutional Neural Networks.pdf
📄 Graph Neural Networks for Ranking Web Pages.pdf
📄 Mean-field theory of graph neural networks in graph partitioning.pdf
📄 Graph Partition Neural Networks for Semi-Supervised Classification.pdf
📄 Graph Neural Networks for Object Localization.pdf
📁 propagation_type
📁 convolution
📁 attention
📁 gate
📁 skip
📁 training methods
📁 receptive field control
📁 boosting
📁 neighborhood sampling
📄 Covariant Compositional Networks For Learning Graphs.pdf
📄 Knowledge-Guided Recurrent Neural Network Learning for Task-Oriented Action Prediction.pdf
📄 Learning Steady-States of Iterative Algorithms over Graphs.pdf
📄 Graphical-Based Learning Environments for Pattern Recognition.pdf
📄 Neural networks for relational learning- an experimental comparison.pdf
📄 Hierarchical Graph Representation Learning with Differentiable Pooling.pdf
📁 others
📄 Deep Sets.pdf
📄 Diffusion-Convolutional Neural Networks.pdf
📄 A Comparison between Recursive Neural Networks and Graph Neural Networks.pdf
📄 Contextual Graph Markov Model- A Deep and Generative Approach to Graph Processing.pdf
📄 Deriving Neural Architectures from Sequence and Graph Kernels.pdf
📄 CelebrityNet- A Social Network Constructed from Large-Scale Online Celebrity Images.pdf
📄 A new model for learning in graph domains.pdf
📄 Geometric deep learning on graphs and manifolds using mixture model cnns.pdf
📁 Survey
📁 极力推荐
📄 Relational Inductive Biases, Deep Learning, and Graph Networks.pdf
📄 The Graph Neural Network Model.pdf
📄 Non-local Neural Networks.pdf
📄 Graph Neural Networks：A Review of Methods and Applications.pdf
📁 一般推荐
📄 Geometric Deep Learning- Going beyond Euclidean data.pdf
📄 Deep Learning on Graphs- A Survey.pdf
📄 A Comprehensive Survey on Graph Neural Networks.pdf
📄 Computational Capabilities of Graph Neural Networks(1).pdf
📄 Neural Message Passing for Quantum Chemistry.pdf
📄 论文集索引.jpg
📁 五：深度学习神经网络基础教程
📁 GAN对抗生成网络基础
📄 3 生成对抗网络.flv
📄 7 EM距离.flv
📄 9 GAN实战-1.flv
📄 11 WGAN实战-1.flv
📄 6 GAN训练难题.flv
📄 8 WGAN-GP原理.flv
📄 5 纳什均衡-2.flv
📄 2 画家的成长历程.flv
📄 4 纳什均衡-1.flv
📄 10 GAN实战-2.flv
📄 12 WGAN实战-2.flv
📄 1 数据的分布.flv
📁 CNN卷积神经网络基础
📄 22-ResNet实战-3.mp4
📄 14-经典卷积神经网络详解-1.mp4
📄 12-CIFAR100与VGG13实战-3.mp4
📄 17-BatchNorm-2.mp4
📄 9-池化与采样操作讲解.mp4
📄 20-ResNet实战-1.mp4
📄 23-ResNet实战-4.mp4
📄 15-经典卷积神经网络详解-2.mp4
📄 7-卷积神经网络图解-3.mp4
📄 2-卷积运算详解-2.mp4
📄 19-ResNet, DenseNet详解.mp4
📄 21-ResNet实战-2.mp4
📄 11-CIFAR100与VGG13实战-2.mp4
📄 4-卷积运算详解-4.mp4
📄 8-卷积神经网络图解-4.mp4
📄 10-CIFAR100与VGG13实战-1.mp4
📄 18-ResNet, DenseNet详解.mp4
📄 1-卷积运算详解-1.mp4
📄 3-卷积运算详解-3.mp4
📄 6-卷积神经网络图解-2.mp4
📄 5-卷积神经网络图解-1.mp4
📄 13-CIFAR100与VGG13实战-4.mp4
📁 神经网络模型基础课件资料
📁 CNN+RNN+GAN
📁 课程安装软件-Win10
📄 cuda_10.0.130_411.31_win10.exe
📄 pycharm-community-2019.1.1.exe
📄 Anaconda3-2019.03-Windows-x86_64.exe
📄 cudnn-10.0-windows10-x64-v7.5.0.56 (1).zip
📁 课程安装软件-Ubuntu 18.04
📄 cuda-repo-ubuntu1804-10-0-local-10.0.130-410.48_1.0-1_amd64.deb
📄 Anaconda3-2019.03-Linux-x86_64.sh
📄 cudnn-10.0-linux-x64-v7.5.0.56.tgz
📄 源代码和PPT在Github下载.txt
📄 Deep-Learning-with-PyTorch-Tutorials.zip
📁 RNN循环神经网络基础
📄 2. 课时2 循环神经网络基本原理-1.mp4
📄 4. 课时4 循环神经网络中Layer使用-1.mp4
📄 1. 课时1 时间序列介绍.mp4
📄 11. 课时11 项目实战-情感分类问题.mp4
📄 9. 课时9 LSTM中Layer的使用.mp4
📄 3. 课时3 循环神经网络基本原理-2.mp4
📄 8. 课时8 LSTM基本原理-2.mp4
📄 10. 课时10 RNN训练难题—梯度弥散与梯度爆炸.mp4
📄 6. 课时6 项目实战-时间序列预测问题.mp4
📄 5. 课时5 循环神经网络中Layer的使用-2.mp4
📄 7. 课时7 LSTM基本原理-1.mp4
📁 二：AI必读经典书籍
📁 01.人工智能行业报告
📄 53份人工智能行业报告.zip
📁 02.AI必读经典书籍
📁 01.Python基础书籍
📁 《Python基础教程（第3版）》
📄 Python基础教程（第3版）高清英文版.pdf
📄 源代码.zip
📁 03.深度学习相关书籍
📁 21年最新-李沐《动手学深度学习第二版》中、英文版免费分享
📄 Dive-into-DL-Pytorch.pdf
📄 d2l-zh-pytorch.pdf
📄 d2l-en-pytorch.pdf
📁 《深度学习之PyTorch物体检测实战》PDF+源代码
📁 源代码
📄 深度学习之PyTorch物体检测实战.pdf
📄 深度学习之PyTorch物体检测实战论文导引.docx
📄 深度学习之PyTorch物体检测实战.epub
📄 深度学习之PyTorch物体检测实战.mobi
📄 《TensorFlow 2.0深度学习算法实战教材》-中文版教材分享.pdf
📄 深度学习技术图像处理入门 by 杨培文，胡博强 (z-lib.org).pdf
📄 Tensorflow技术解析与实战.pdf
📄 深度学习(花园书).pdf
📄 《神经网络与深度学习》(邱锡鹏-20191121).pdf
📁 04.计算机视觉相关书籍
📄 超详细的计算机视觉书籍.zip
📁 02.机器学习相关书籍
📁 《跟着迪哥学 Python数据分析与机器学习实战》
📄 《跟着迪哥学 Python数据分析与机器学习实战》.mobi
📄 《跟着迪哥学 Python数据分析与机器学习实战》PDF+唐宇迪.pdf
📄 《跟着迪哥学 Python数据分析与机器学习实战》.epub
📁 吴恩达《Machine Learning Yearning》完整中文版
📁 吴恩达MLY
📄 机器学习导论原书第2版.pdf
📄 机器学习个人笔记完整版2.5.pdf
📄 图解机器学习.pdf
📄 机器学习_周志华.pdf
📄 机器学习〔中文版〕.pdf
📄 机器学习实战.pdf
📄 机器学习在量化投资中的应用研究_汤凌冰著_北京：电子工业出版社_2014.11_13662591_P157.pdf
📄 凸优化.pdf
📄 机器学习实践指南++案例应用解析+麦好.pdf
📄 OpenCV书籍.rar

PPT | ps | AI | 高清 | 课件 | 笔记 | 模板 | Pr | Linux | 数据分析 | 机器学习 | 深度学习 | 项目实战 | 源码 | 源代码 |

展开全文