SARSA和Q学习风的网格世界 风电网格世界上的SARSA和Q学习

PointNet：针对3D分类和分割的点集深度学习 由斯坦福大学的 ，，， 。 介绍 这项工作基于我们的，该将在CVPR 2017中发表。我们为点云（作为无序点集）提出了一种新颖的深层网络架构。 您也可以查看我们的以获得更深入的介绍。 点云是几何数据结构的一种重要类型。 由于格式不规则，大多数研究人员将此类数据转换为规则的3D体素网格或图像集合。 但是，这使数据变得不必要地庞大并引起问题。 在本文中，我们设计了一种直接消耗点云的新型神经网络，该网络很好地考虑了输入中点的排列不变性。 我们的网络名为PointNet，为从对象分类，零件分割到场景语义解析的应用程序提供了统一的体系结构。 虽然很简

PyTorrent-Python BitTorrent PyTorrent是一个CLI工具，可从BitTorrent网络下载文件。 我想编写自己的功能简单的程序，以了解BitTorrent协议如何工作并提高我的python技能。 它几乎是用python 3.7从头开始编写的，只有在连接新对等端或从对等端接收数据时，才使用pubsub库创建事件。 您首先需要等待程序首先连接到某些对等设备，然后才开始下载。 该工具需要大量改进，但是可以完成工作，您可以： 读取种子文件 抓取udp或http跟踪器 连接到同龄人 询问他们想要的障碍物 将一个块保存在RAM中，然后在完成检查后将数据写入硬盘

Ada-IRL Adaboost逆向强化学习 一种使用类似于Adaboost的I-Rl算法的方法。 RL 开始进行强化学习的测试演示。 python rl_test.py 内部收益率 开始进行逆向强化学习的测试演示。 python irl_test.py

GAMP_SBL 通过广义近似消息传递进行计算有效的稀疏贝叶斯学习 这是GAMP-SBL算法的实现。 可以在以下找到更多详细信息 李福伟，方军，段慧平，陈智，李宏斌，“通过广义近似消息传递进行计算有效的稀疏贝叶斯学习”提交给arXiv。 可以在上找到正式发表的论文

用于nGraph的HE变压器 该项目已移至 用于nGraph:trade_mark:的是同构加密（HE）后端，是（英特尔用于人工神经网络的图形编译器）的后端。 同态加密是一种加密形式，它允许对加密的数据进行计算，并且是在机器学习领域中对数据保密性日益增加的关注的一种有吸引力的补救措施。 有关更多信息，请参见我们的。 我们的展示了他变压器的许多最新进展。 该项目旨在作为概念证明，证明HE在本地计算机上的可行性。 目的是衡量用于深度学习的各种HE方案的性能。 这并不是要用于生产就绪的产品，而是一种研究工具。 当前，我们支持加密方案，该方案由Microsoft Research的。 此外，我们还与的集成，以允许用户通过Tensorflow在经过训练的神经网络上运行推理。 例子 文件夹包含一个深度学习示例，该示例依赖于的。 建筑HE变压器 依存关系 操作系统：Ubuntu 16.04，Ubuntu 18.04。 CMake的> = 3.12 编译器：g ++版本> = 6.0，clang> = 5.0 强烈建议使用OpenMP，尽管并非绝对必要。 如果没有OpenMP，您可能会

BOML-用于元学习的Python双层优化库 BOML是一个模块化的优化库，它将几种ML算法统一为一个通用的双层优化框架。它提供了用于实现流行的双层优化算法的接口，因此您可以快速构建自己的元学习神经网络并测试其性能。 ReadMe.md包含简短介绍，以在少数镜头分类字段中实现基于元初始化和基于元功能的方法。除已提出的算法外，还可以使用较低级别策略和较高级别策略的各种组合。 元学习 当通过学习具有良好泛化能力的初始化来面对传入的新任务时，元学习效果很好。它甚至在提供少量培训数据的情况下也具有良好的性能，从而催生了针对不同应用的各种解决方案，例如少发性学习问题。 我们提出了一个通用的双层优化范例，以统一不同类型的元学习方法，其数学形式可以总结如下： 通用优化例程 在这里，我们在图中说明了一般的优化过程和分层构建的策略，可以在以下示例中快速实现它们。 文献资料 有关基本功能和构建过程的更多详

机器学习算法 涵盖的主题：

###电影推荐系统（MovieLen） 运行Python3 download_dataset.py以下载movielens数据集 运行Python3 usercf.py以运行基于用户的协作过滤算法 运行Python3 itemcf.py以运行基于项目的协作过滤算法 运行Python3 dl/trainer.py训练深度学习模型并进行测试

python实现的一个简单的FTP服务器。以IE（或windows资源管理器）为客户端，支持目录级别的上传、下载、删除、重命名、新建文件夹。多线程机制，多用户登录，单独的数据下载/上传线程。总共代码250行，附有注释和说明文档，仅用了socket库和简单的thread库，简单易懂，供学习交流使用。