UT-Interaction 是一个人类交互动作视频数据，包括20个视频序列，6类人类交互动作：握手、指点、拥抱、击打、推、踢拳，视频格式为 720x480，30fps，视频中人像的大小为 200像素。

真棒人类活动识别 1.数据集 机会[ ] PAMAP2 [ ] 2.带代码的文件 2020年 潜在的独立激励，用于基于传感器的通用跨人活动识别[论文] []（ AAAI 2021 ） 通过自适应时空转移学习进行跨数据集活动识别[] [代码]（ IMWUT / ubicomp ） MARS：具有多域深度学习模型的用于人类活动识别的虚拟和真实可穿戴混合传感器[] [code]（ arXiv ） 从可穿戴设备向人类活动的深度聚集[] [代码]（ ISWC / ubicomp ） [UDA4HAR]进行无监督的领域自适应以进行鲁棒的人类活动识别的系统研究[] [代码]（ IMWUT / ubicomp ） 用于活动识别的对抗性多视图网络[] [代码]（ IMWUT / ubicomp ） 使用可穿戴设备进行人类活动分析的弱监督多任务表示学习[] [代码]（ IMWUT / ubico

《写给全人类的数学魔法书》，讲述数学学习的十种基本思路

matlab代码输入如何换行符曾经想知道您的智能手机/智能手表如何识别您正在进行的活动。 它知道您何时走路，奔跑或爬楼梯。 在科学界，这就是所谓的HAR（人类活动识别）。 该项目已作为我的数据科学硕士课程中模块任务之一的一部分。 我们将构建一个神经网络，该网络可以使用移动传感器记录的数据来识别我们进行的三项活动。 神经网络的人类活动识别 从收集人类活动数据到构建神经网络对活动进行分类的端到端项目 ＃创建神经网络预测模型的步骤： 数据采集 确定手头的问题是应允还是分类问题 数据探索和预处理 将数据分为测试，验证和培训数据集 将每个数据集拆分为输入（X）和输出（y）-将它们转换为numpy数组 开发一个简单的NN顺序模型 调整超参数（使用像GridSearchCV这样的模块） 使用训练和验证数据集编译并拟合曲调模型 用模型预测测试数据 根据问题（回归/分类）计算性能指标 数据采集 借助MATLAB应用程序，可通过智能手机完成数据收集。 在应用程序中有一个称为“传感器”的部分，可以打开智能手机上所有可用的传感器。 选择传感器后，可以按下“记录”按钮，并且可以在所需的分钟数内执行每个活动。 不

担负起AI造福人类的时代之责——访百度集团副总裁、深度学习技术及应用国家工程实验室副主任吴甜.pdf

奇点到来，超越人类 《Nature论文：人工智能从0-1自学打败阿法狗 》论文翻译.pdf

看下代码就知道电脑总是赢是因为我把所有可能的结果敲出来了:) 不过还是留了一个彩蛋，4727-4784行的结果手动改下就能电脑全胜了 敲这么多代码属实艰难，求支持！

#资源达人分享计划#

人为土壤退化全球评估 (GLASOD) 为环境署执行的 GLASOD 项目（1987-1990 年）绘制了人为土壤退化的世界地图。数据是与世界各地的大量土壤科学家合作编制的，使用统一的指南和国际相关性。根据专家判断，在松散定义的地貌单位（多边形）内绘制土壤退化状态。退化的类型、范围、程度、速率和主要原因已印在全球地图上，比例为 1:10 百万，并记录在可下载的数据库中。有关人为土壤退化的面积范围的信息可在解释性说明中找到。

Human-level concept learning through probabilistic program