Siamese Neural Networks for One-shot Image Recognition，关于用于一次性图像识别的连体神经网络的论文，方便深入图像深度学习

011_基于随机森林算法(RF)的数据分类预测 Matlab代码实现过程，调用TreeBagger函数实现

010_基于随机森林算法(RF)的数据回归预测 Matlab代码实现过程，调用TreeBagger函数实现

004_基于支持向量机(SVM)的数据回归预测 Matlab代码实现过程，调用了libsvm工具箱实现

深度学习神经网络模型权重

Deep Learning and Convolutional Neural Networks for Medical 本书详细介绍了在医学图像计算中的语义对象检测和分割以及大规模放射学数据库挖掘的深度学习方法。特别关注卷积神经网络的应用，理论支持实际例子。特性：突出显示了如何使用深度神经网络来解决新的问题和协议，以及如何改进医学图像计算中的现有挑战;探讨博士的深刻研究经验。全面回顾了最新的研究和文献;描述了一系列不同的方法，这些方法利用深度学习在2D和3D医学成像中进行物体或地标检测任务;使用医学成像中的深度学习原理检查语义分割的各种选择技术;在大规模的放射图像数据库中引入了一种新颖的交错文本和图像深度挖掘方法。

本课程通过一系列内容讲解和编码实战，按照由易到难，由浅入深的顺序展开， 让学员在实践中，依次对传统机器学习中的回归问题和分类问题， 基于传统机器学习的自然语言处理技术，神经网络和深度学习， 以及基于深度学习的自然语言处理技术进行编码实现， 使得学员可以在编码中对机器学习有一个直观的认识和体验， 在实践中完成理论联系实际的过程并加深对机器学习技术的理解与运用。

深度学习基于神经网络进行图像识别处理的智能垃圾分类系统源码，使用PyQt5进行界面设计，做了数据集并进行训练，使用神经网络进行图像识别处理。测试时识别准确率为百分百。 软件架构 软件架构说明 PyQt5做界面设计，采用多线程（树莓派CPU不够用）处理任务，主界面是主线程，后台神经网络识别、拍照等都在次线程里面。 使用说明gcxls文件夹里面是源码，train和val分别是我的训练数据集和验证数据集 深度学习基于神经网络进行图像识别处理的智能垃圾分类系统源码，使用PyQt5进行界面设计，做了数据集并进行训练，使用神经网络进行图像识别处理。测试时识别准确率为百分百。 软件架构 软件架构说明 PyQt5做界面设计，采用多线程（树莓派CPU不够用）处理任务，主界面是主线程，后台神经网络识别、拍照等都在次线程里面。 使用说明gcxls文件夹里面是源码，train和val分别是我的训练数据集和验证数据集

CIFAR-10 数据集的分类是机器学习中一个公开的基准测试问题，其任务是对一组32x32RGB的图像进行分类，这些图像涵盖了10个类别： 飞机， 汽车， 鸟， 猫， 鹿， 狗， 青蛙， 马， 船以及卡车。 该压缩文件中已经将数据集进行随机混乱排布操作，分散在六个子文件夹中，其中五个作为训练集，一个作为测试集； 另外包括其制作而成的tfrecord文件，具体使用方法可参见博客； 用于训练vgg、resnet等网络

零基础入门深度学习(1-7)合集 - 感知器、线性单元和梯度下降、 神经网络和反向传播算法、卷积神经网络、循环神经网络、长短时记忆网络(LSTM)、 递归神经网络