搜索资源列表
新型模糊形态神经网络及其应用研究
- 一种新型模糊形态神经网络及其应用研究,比较有参考意义-fuzzy form a new neural network and its applied research, more reference value
MCA2
- 几篇关于形态成分分析的重要文献，非常重要-Some papers about morphological component analysis!!
MCA3
- 几篇关于形态成分分析的重要力作，非常重要-Some paper about MCA, very helpful!!
MCA4
- 几篇关于形态成分分析的重要大作，非常重要-Some very important papers about MCA, It is very good!
MCA5
- 几篇关于形态成分分析的重要论文，非常重要-Some papers about GMCA, please find them!!
Computational-Linguistics
- 计算语言学PPT-常宝宝 北京大学计算语言学研究所 介绍的内容有n-gram和数据平滑、熵和语言模型评价、隐马尔可夫模型、有限状态技术和形态分析-PPT-often baby Computational Linguistics Institute of Computational Linguistics of Peking University introduced n-gram content and data smoothing, entropy and the language m
BPnet-Water-consumption
- 用bp神经网络预测城市供水量，采用了四层可变形态网络。-Bp neural network forecasting with urban water supply, using a four-variable form networks.
fie-V8.1
- gmcalab 快速广义的形态分量分析，进行波形数据分析,基于人工神经网络的常用数字信号调制。- gmcalab fast generalized form component analysis, Waveform data analysis, The commonly used digital signal modulation based on artificial neural network.
lieyeng_v15
- 模拟数据分析处理的过程，借鉴了主成分分析算法（PCA），gmcalab 快速广义的形态分量分析。- Analog data analysis processing, It draws on principal component analysis algorithm (PCA), gmcalab fast generalized form component analysis.
李宏毅—1天搞懂深度学习
- 本文是2016 台湾资料科学年会前导课程“一天搞懂深度学习”的全部讲义PPT（共268页），由台湾大学电机工程学助理教授李宏毅主讲。作者在文中分四个部分对神经网络的原理、目前存在形态以及未来的发展进行了介绍。深度学习的每一个核心概念在文中都有相关案例进行呈现，通俗易懂。一天的时间搞懂深度学习？其实并不是没有可能。(This is the entire handout PPT (268 pages in total) of "a day to understand deep learni
极限反转EA
- 这款EA是通过K线形态确认趋势中的调整位置，入场切入点精确成功率高，能准确判断在最高点出现之后，在高点及时做空，最低点出现以后在低点及时做多。 大小资金都可操作，反转月收益翻倍不是问题，可以加仓，可一次一单，开单条件严格，准确率高。(This EA is to confirm the adjustment position in the trend through the K-line shape. The entry point is accurate and the success rate