Python实现的一些数值（优化）方法 :star: 感谢所有为该项目加注星标的人，这意义非凡！ 现在存储库包括： BFGS算法 Nelder-Mead算法 信任区域Dogleg算法 说明（俄语） BFGS 内尔德米德 信任区域

PINN层流 物理信息神经网络（PINN），用于解决流体动力学问题 参考纸 此回购包括论文中混合形式的物理信息神经网络的实现： 本文已由TAML发布，有权访问Elsevier数据库的人员可以访问以获取适用于照相机的版本。 每个文件夹的说明 FluentReferenceMu002 ：Ansys Fluent的参考解决方案，可实现稳定的流量； PINN_steady ：用PINN实现稳定流； PINN_unsteady ：用PINN实现非恒定流； 结果概述 穿过圆柱体的稳定流（左：物理信息神经网络；右：Ansys Fluent。） 穿过圆柱体的瞬态流（基于物理的神经网络结果） 笔记 这些实现是在TensorFlow 1.10.0的GPU版本上开发和测试的。

Practical Machine Learning with H2O Powerful Scalable Techniques for Deep 英文无水印pdf pdf所有页面使用FoxitReader和PDF-XChangeViewer测试都可以打开 本资源转载自网络，如有侵权，请联系上传者或csdn删除 本资源转载自网络，如有侵权，请联系上传者或csdn删除

网络钓鱼网站检测：使用神经网络检测网络钓鱼网站的实验

Hands On Machine Learning_with_Scikit-Learn_and_TensorFlow中文版+英文版

图的机器学习在学术界和工业界都得到了广泛的研究。然而，随着大量新兴方法和技术的出现，关于图形学习的文献蓬勃发展，为不同的图形相关任务手动设计最优机器学习算法变得越来越困难。为了解决这一关键挑战，图上的自动机器学习（AutoML）将图机器学习和AutoML的优点结合在一起，正受到研究界的关注。因此，本文对图自动建模进行了全面的研究，主要研究了图机器学习的超参数优化（HPO）和神经结构搜索（NAS）。我们进一步概述了与自动图形机器学习相关的库，并深入讨论了AutoGL，这是第一个针对图形的AutoML的专用开源库。最后，我们分享了我们对自动化图机器学习未来研究方向的见解。本文是我们所知的第一篇关于图自动机器学习的系统和全面的综述。

Coursera Machine Learning 第九周week9ex8AnomalyDetectionRecommedMachines编程全套满分题目+注释

Coursera Machine Learning 第八周week8ex7 K-Means Clustering and PCA编程全套满分题目+注释

Coursera Machine Learning 第七周week7ex6Support Vector Machines编程全套满分题目+注释选做

Coursera Machine Learning 第四周week4 ex3Multi-class Classication and Neural Networks编程全套满分题目+注释