- 博客(181)
- 资源 (29)
- 收藏
- 关注
RSS订阅转载 基于TensorFlow实现卷积神经网络 3
TensorFlow实现CNN搭建TensorFlow环境一、实验介绍1.1 实验内容上节实验我们使用 TensorFlow 实现了一个简单的神经网络，本节实验我们将使用自己的图片数据，学习如何使用 TensorFlow 实现一个卷积神经网络(Convolutional Neural Networks, CNN)。关于 CNN 的理论基础请学习 861 基于卷积神经网络实现
2017-08-28 16:15:27
1825
转载 基于TensorFlow实现卷积神经网络 2
Tensorflow建造神经网络一、实验介绍1.1 实验内容上节实验，我们学习了 TensorFlow 的处理结构以及基本使用，本节我们将使用 TensorFlow 搭建我们自己的神经网络。1.2 实验知识点神经网络过拟合 dropout 层可视化 Tensorboard保存训练好的模型1.3 实验环境python2.7 TensorflowXfce终端二、
2017-08-28 16:14:41
851
转载 基于TensorFlow实现卷积神经网络 1
搭建TensorFlow环境一、实验介绍1.1 实验内容TensorFlow 是 Google 开发的一款神经网络的 Python 外部的结构包，也是一个采用数据流图 来进行数值计算的开源软件库。它被用于语音识别或图像识别等多项机器深度学习领域，它可在小到一部智能手机、大到数千台数据中心服务器的各种设备上运行。本实验学习 TensorFlow 的基础操作，并用其实现经典的 卷积
2017-08-28 16:13:33
1464
8
转载 利用Flask-AppBuilder 快速构建Web后台管理应用
快速构建 Web 后台管理应用一、实验介绍1.1 实验内容本次实验将学习如何利用Flask-AppBuilder快速生成项目结构，以及基本配置。1.2 实验知识点认识Flask-AppBuilder使用命令行接口快速生成项目结构 Flask-AppBuilder的基本配置Flask-AppBuilder BaseView的基本用法Flask-AppBuilder Model
2017-08-25 20:08:49
26677
3
转载 R语言对高频交易订单流进行建模分析 4
一、实验介绍--订单流模型拟合1.1 实验知识点指数核 hawkes 过程拟合正反馈强度分析订单量影响分析1.2 实验环境R 3.4.1Rstudio二、订单流模型拟合在上节中我们对订单流数据做了一些统计分析 ， 对交易的一些特征有了一些粗浅的理解 ， 在本节中 我们要做的是利用实际数据来拟合 hawkes 过程 ，看一看真实数据的订单流动力学中有什么特征。首先
2017-08-25 20:05:57
5643
1
转载 R语言对高频交易订单流进行建模分析 3
一、实验介绍--订单流数据描述分析1.1 实验知识点订单流数据表示订单间隔分析订单信息率平稳性研究订单流动性研究限价单相对价格分析1.2 实验环境R 3.4.1Rstudio二、订单流数据描述分析2.1 订单流数据表示当我们在金融市场上做交易时 ， 可以看到一个委托单簿，上面陈列着买价和卖价以及它们对应的量 ，举个例子，比特币市场的订单簿：可以看到红
2017-08-25 20:04:06
3707
1
转载 R语言对高频交易订单流进行建模分析 2
一、实验介绍--hawkes过程参数估计1.1 实验知识点hawkes过程模拟加速最大似然估计 hawkes 最优参数1.2 实验环境R 3.4.1Rstudio二、Hawkes 过程参数估计2.1 指数核 Hawkes 过程模拟优化在上一章中，我们对指数核函数的 Hawkes 过程进行了模拟 ， 但是当我们把 事件个数调大时，比如从 100 调到 1000 时
2017-08-25 13:58:35
2703
1
转载 R语言对高频交易订单流进行建模分析 1
一、实验介绍1.1 实验知识点泊松过程及其模拟Hawkes 过程及其模拟1.2 实验环境R 3.4.1Rstudio二、点过程基础假设你蹲在一个交通站台后面，看着人来人往。你觉得乘客的到达似乎存在某种数学规律， 于是你把每个人到达的时刻记录了下来。有什么办法可以对这些人到达的时刻进行建模？你渐渐进入了沉思状态。也许提炼这些点形成的集合所具有的特征是一个好办法
2017-08-25 13:55:40
3824
2
转载 React 全家桶构建后台管理平台
React 全家桶实现后台管理界面一、实验介绍1.1 实验内容React 是一个 Facebook 和 Instagram 用来创建用户界面的 JavaScript 库。创造 React 是为了解决一个问题：构建随着时间数据“不断变化”的“大规模”应用程序。本课程虽然使用了前端框架 antd，从零开始构建一个 React 后台管理界面，并结合 React+React-Router+Re
2017-08-19 23:38:42
9849
3
转载 MapReduce 分析 Youtube 数据
MapReduce 分析 Youtube 数据一、实验介绍1.1 实验内容MapReduce 是 Hadoop 的计算框架。在运行一个 MR 程序时，任务过程被分为两个阶段：Map 阶段和 Reduce 阶段，每个阶段都是用键值对作为输入和输出。本课程的内容包括如何在 eclipse 中搭建 Hadoop 开发环境，并基于 YouTube 数据集根据任务需求编写 MR 程序，然
2017-08-18 23:20:07
3436
转载 基于R语言的多元线性回归--我国经济增长的定量研究
基于R语言的多元线性回归--我国经济增长的定量研究一、实验介绍1.1 实验内容经济增长一直以来都是我国宏观经济政策的目标之一，研究影响经济增长的因素对促进我国经济快速发展有着重要意义。本实验运用 R 语言编写代码拟合多元线性回归模型，对模型拟合结果进行诊断，即对假设前提进行检验，并选择最优模型，最终进行区间预测，定性的研究影响我国经济增长的因素。1.2 实验知识点多元回归模
2017-08-10 12:53:19
19880
6
转载 R 语言实现股票数据的预处理及分析
基于 R 语言的股票数据分析一、实验介绍1.1 实验内容本实验是以股票数据作为分析背景，股票数据如何从雅虎财经板块上获取，观察股票每日价格和成交量数据开始，接着计算某一支股票数据中比较重要的日度收益率。然后通过各种股票线图进行技术分析，最后在一支股票的基础上同时分析多支股票的成交量，涨幅时间点，最后得出它们之间的相关性等数据特征。1.2 实验知识点股票数据抓取股票数据线
2017-08-08 13:58:32
29032
6
转载 Spark 自定义 UDF 分析 Uber 数据
自定义 UDF 分析 Uber 数据一、实验介绍1.1 内容介绍在本课程中使用 SQL Context 及相关的 API 进行统计分析，最后还将通过一个 Spark 分析旅游数据的实例，进一步学习如何利用 Spark SQL 分析数据。1.2 实验知识点SQL Context 自定义 UDF 函数SQL 语句1.3 实验环境Ubuntu14.04Spark1.6
2017-08-07 20:59:51
773
转载 scikit-learn 实战之非监督学习 4
主成分分析（PCA 降维）一、实验介绍1.1 实验内容非监督学习（英语：Unsupervised learning）是机器学习中十分重要的一个分支。这是本实验课程的第 4 章节，将带你认识主成分分析，并学会使用 scikit-learn 完成数据降维操作。1.2 实验知识点主成分分析PCA 降维1.3 实验环境python2.7Xfce 终端ipython 终端
2017-08-04 13:55:22
553
转载 scikit-learn 实战之非监督学习 3
聚类算法对比与选择一、实验介绍1.1 实验内容非监督学习（英语：Unsupervised learning）是机器学习中十分重要的一个分支。这是本实验课程的第 3 章节，将带你了解更多聚类算法，并完成聚类算法对照实验。1.2 实验知识点Mini Batch K-Means 等其他聚类算法聚类算法对比1.3 实验环境python2.7Xfce 终端ipython
2017-08-04 13:53:52
1266
转载 scikit-learn 实战之非监督学习 2
K 值选择与聚类评估一、实验介绍1.1 实验内容非监督学习（英语：Unsupervised learning）是机器学习中十分重要的一个分支。这是本实验课程的第 2 章节，将带你了解如何对聚类效果进行评估。1.2 实验知识点肘部法则轮廓系数1.3 实验环境python2.7Xfce 终端ipython 终端1.4 适合人群本课程难度为一般，属于初级级别课
2017-08-04 13:52:05
791
转载 scikit-learn 实战之非监督学习 1
K-Means聚类算法一、实验介绍1.1 实验内容非监督学习（英语：Unsupervised learning）是机器学习中十分重要的一个分支。这是实验课程的第一章节，将带你了解什么是非监督学习？并学会用 K-Means 算法完成一个聚类实验。1.2 实验知识点非监督学习概念K-Means 聚类1.3 实验环境python2.7Xfce 终端ipython 终端
2017-08-04 13:49:51
1610
转载 R语言实现金融数据的时间序列分析及建模
R语言实现金融数据的时间序列分析及建模一、实验介绍1.1 实验内容本实验主要探讨了几种时间序列的预测模型，首先带领大家对时间序列有一个初步的认识再在这个基础之上，向读者介绍当下最常用的 ARIMA 模型来预测时间序列，接着为读者展示几种指数平滑的方法来预测，最后通过几种模型的对比，让大家可以从中选择出一个最佳的模型来实现预测。为了保证可以在实验楼环境中完成本次实验，我们在实验基
2017-08-03 12:17:25
39430
7
转载 对英国房屋价格建模并预测 ---《量化金融R语言初级教程》
时间序列分析一、实验介绍1.1 实验内容时间序列分析研究的是按时间顺序收集的数据。相邻的观测数据通常相互依赖。因此，时间序列分析的技术需要处理这种相依性。本章的目标是通过一些特定应用来介绍一些常用建模技术。我们将看到如何使用 R 来解决现实中的这些问题。首先，我们考虑如何在 R 中存储和处理时间序列。接着，我们处理线性时间序列分析，并展现如何将它用于建模和预测房屋价格。其次，我们考
2017-08-02 14:25:45
3263
转载 scikit-learn 实战之监督学习 4
常见的监督学习模型对比评价一、实验介绍1.1 实验内容监督学习（英语：Supervised learning）是机器学习中最为常见、应用最为广泛的分支之一。本次实验将带你了解监督学习中常见的分类方法，并学会使用 scikit-learn 来构建预测模型，用于解决实际问题。1.2 实验知识点了解常见的监督学习方法使用多个方法进行分类预测比较1.3 实验环境
2017-08-01 12:34:52
1450
转载 scikit-learn 实战之监督学习 3
scikit-learn 实战之监督学习一、实验介绍1.1 实验内容监督学习（英语：Supervised learning）是机器学习中最为常见、应用最为广泛的分支之一。本次实验将带你了解监督学习中运用十分广泛的支持向量机，并学会使用 scikit-learn 来构建预测模型，用于解决实际问题。1.2 实验知识点支持向量机理论基础使用支持向量机进行线性分类使用支持向量机进行
2017-08-01 12:29:14
583
转载 scikit-learn 实战之监督学习 2
scikit-learn 实战之监督学习一、实验介绍1.1 实验内容监督学习（英语：Supervised learning）是机器学习中最为常见、应用最为广泛的分支之一。本次实验将带你了解监督学习中较为基础的广义线性模型，并学会使用 scikit-learn 来构建预测模型，用于解决实际问题。1.2 实验知识点广义线性回归模型介绍。训练一个广义线性回归模型。训练一个广义线性
2017-08-01 12:28:16
807
转载 scikit-learn 实战之监督学习 1
scikit-learn 实战之监督学习一、实验介绍1.1 实验内容监督学习（英语：Supervised learning）是机器学习中最为常见，且应用最为广泛的分支之一。这是实验课程的第一章节，将带你了解什么是监督学习？1.2 实验知识点监督学习概念常见的监督学习方法1.3 实验环境python2.7Xfce 终端ipython1.4 适合人群本课程难
2017-08-01 12:27:19
1127
转载 MySQL 基础课程 2
创建数据库并插入数据一、实验介绍1.1 实验内容本次课程将介绍 MySQL 新建数据库，新建表，插入数据以及基本数据类型的相关知识。本节实验将创建一个名为 mysql_shiyan 的数据库，其中有两张表employee 和 department。1.2 实验知识点基本数据类型插入数据1.3 实验环境课程使用的实验环境为 Ubuntu Linux 14.04 6
2017-07-31 19:50:47
340
转载 MySQL 基础课程 1
SQL的介绍及MySQL的安装一、实验介绍本课程为实验楼提供的 MySQL 实验教程，所有的步骤都在实验楼在线实验环境中完成，学习中请按照实验步骤依次操作。课程包含两部分，共17个实验：实验1～实验6：基础部分，为 SQL 基本语法及 MySQL 基本操作的实验，理论内容较少，动手实践多，可以快速上手 SQL 及 MySQL 服务。实验7～实验17：进阶部分，该部分内容基于
2017-07-31 19:36:48
340
转载 决策树实战项目-鸢尾花分类
决策树实战项目-鸢尾花分类一、实验介绍1.1 实验内容决策树是机器学习中一种简单而又经典的算法。本次实验将带领了解决策树的基本原理，并学习使用 scikit-learn 来构建一个决策树分类模型，最后使用此模型预测鸢尾花的种类。1.2 实验知识点决策树的基本原理。决策树在生成和修剪中使用的 ID3, C4.5 及 CART 算法。使用 scikit-learn 中提供的决策
2017-07-31 13:13:57
45816
7
转载 基于卷积神经网络实现图片风格的迁移 3
实现图片的风格转换一、实验介绍1.1 实验内容上一节课我们介绍了经典的CNN模型 VGG ，以及图像风格迁移算法的基本原理。本节课我们将使用另外一个经典的模型 GoogLenet 来实现我们的项目（这是由于环境的限制，用googlenet可以更快的完成我们的风格转换），如果你完成了上节课的作业，那么你应该基本了解了 GoogleNet 的原理。在本节实验的算法展示中，我希望你可以将
2017-07-28 23:13:52
4469
转载 基于卷积神经网络实现图片风格的迁移 2
VGG与风格迁移算法原理一、实验介绍1.1 实验内容上节课我们学习了卷积神经网络的基本原理，本节实验我们将学习用于图像风格迁移的经典的卷积神经网络模型VGG，并用caffe提供的 draw_net.py 实现模型的可视化，本节实验我们也将学习图像风格转换的算法原理。1.2 实验知识点经典CNN模型 VGG16图片风格算法原理1.3 实验环境python 2.7c
2017-07-28 23:12:48
7860
1
转载 基于卷积神经网络实现图片风格的迁移 1
卷积神经网络详解一、实验介绍1.1 实验内容Prisma 是最近很火的一款APP，它能够将一张普通的图像转换成各种艺术风格的图像。本课程基于卷积神经网络，使用Caffe框架，探讨图片风格迁移背后的算法原理，手把手教你实现和Prisma一样的功能，让电脑学习梵高作画。本节课我们将学习CNN(卷积神经网络)的相关知识，学习本门课程之前，你需要先去学习814 使用python实现深度神经
2017-07-28 23:09:13
9201
1
转载 使用R语言基于新浪股票数据分析金融数据的“统计常识”
使用 R 语言基于新浪股票数据分析金融数据的“统计常识”一、实验介绍1.1 实验内容本实验课程以网络上的新浪股票数据为代表，研究金融数据的一些简单的统计性质。首先介绍相关的理论基础，然后在 R 上进行相关的操作，这些主要包括加载所需要的 R 包，在网络上直接载入股票数据，绘制股票数据的一些典型图形以及最终对股票的收益进行一些简单的分析，为简单的金融数据分析打下一些基础。1.2 实验
2017-07-28 23:06:37
24045
5
转载 使用Python开发木马程序
使用Python开发木马程序一、实验介绍1.1 实验内容木马程序会给普通用户带来很多危害，比如盗取QQ账号，游戏账号等。课程将用Python实现一个简易的木马程序,该程序会记录用户的键盘输入和屏幕截图并将数据发送到指定的服务器。通过分析键盘输入的数据，可以分析出root密码和其他账号的密码等等。1.2 实验知识点linux设备文件linux下Python多进程编程Pytho
2017-07-22 14:41:15
19595
4
转载 使用决策树算法预测森林植被
Spark MLlib 机器学习—决策树算法用于预测森林植被一、实验介绍1.1 内容介绍决策树算法就是通过对已有明确结果的历史数据进行分析，寻找数据中的特征，并以此为依据对新产生的数据结果进行预测。决策树主要由下面三部分组成:决策节点:每个决策节点表示一个待分类的数据类别或属性，其中最顶部的是根决策节点。分支：每一个分支都有一个新的决策节点。叶子节点：每个叶子节点表示一种结果。
2017-07-14 22:28:56
5451
3
转载 ROS机器人操作系统的安装、配置与初级教程 17
roswtf入门简介: 本教程介绍了roswtf工具的基本使用方法。重点: roswtf难度: 初级下节: wiki导航相关资料： roswtf入门在你开始本教程之前请确保roscore没在运行。1 安装检查roswtf 可以检查你的ROS系统并尝试发现问题，我们来试看：$ roscd$ roswtf你应该会看到（各种详细的输出信息）：Stack
2017-07-10 14:51:05
458
转载 ROS机器人操作系统的安装、配置与初级教程 16
录制与回放数据简介: 本教程将教你如何将ROS系统运行过程中的数据录制到一个.bag文件中，然后通过回放数据来重现相似的运行过程。关键: data, rosbag, record, play, info, bag难度: 初级下节: 使用roswtf 相关资料：录制与回放数据1 录制数据（通过创建一个bag文件）本小节将教你如何记录ROS系统运行时的话题数据，记录的话题数
2017-07-10 14:50:52
523
转载 ROS机器人操作系统的安装、配置与初级教程 7
理解ROS话题简介: 本教程介绍ROS话题（topics）以及如何使用rostopic 和 rqt_plot 命令行工具。难度: 初级下节: 理解ROS服务和参数相关资料：理解ROS话题1 开始1.1 roscore首先确保roscore已经运行, 打开一个新的终端：$ roscore如果你没有退出在上一篇教程中运行的roscore，那么你可能会看到下面的错误
2017-07-10 14:50:35
542
转载 ROS机器人操作系统的安装、配置与初级教程 6
理解 ROS 节点简介: 本教程主要介绍 ROS 图（graph）概念 并讨论roscore、rosnode和 rosrun 命令行工具的使用。难度: 初级下节: 理解ROS话题相关资料：理解 ROS 节点1 先决条件在本教程中我们将使用到一个轻量级的模拟器，请使用以下命令来安装：在线环境中实验楼已经安装，可直接学习$ sudo apt-get install ros-
2017-07-10 14:50:25
579
转载 Kmeans 聚类算法评估足球比赛
Spark MLlib 机器学习—Kmeans 聚类算法分析足球比赛一、实验介绍1.1 内容介绍K-means 算法采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。该算法认为类簇是由距离靠近的对象组成的，因此把得到紧凑且独立的簇作为最终目标。它是数据点到原型的某种距离作为优化的目标函数，利用函数求极值的方法得到迭代运算的调整规则。K-means 算法以欧式距离作
2017-07-10 14:47:46
5997
2
转载 ROS机器人操作系统的安装、配置与初级教程 19
接下来做什么？简介: 本教程将讨论获取更多知识的途径，以帮助你更好地使用ROS搭建真实或虚拟机器人。难度: 初级进阶教程简介进阶学习的全部功能包已经放置在rosdemos_ws文件夹下：目录使用模拟器使用 RViz理解 TF更进一步此时你应该已经对ROS中的一些核心概念有了一定的理解。给你一台运行ROS的机器人，你应该能够运用所学知识来列出机器人上发布和订阅
2017-07-09 15:17:51
351
转载 ROS机器人操作系统的安装、配置与初级教程 18
探索ROS维基简介: 本教程介绍了ROS维基(wiki.ros.org)的组织结构以及使用方法。同时讲解了如何才能从ROS维基中找到你需要的信息。重点: wiki难度: 初级下节: 接下来做什么？ 相关资料：探索ROS维基注：显然本教程已经过时（包括英文版的）。 本教程我们会介绍wiki上各种不同的标题、链接和侧边栏，从而帮助你理解wiki.ros.org网页是
2017-07-09 15:17:01
320
转载 ROS机器人操作系统的安装、配置与初级教程 15
测试简单的服务器和客户端简介: 本教程将测试之前所写的Service和Client。难度: 初级下节: 记录与回放数据 相关资料：测试简单的服务器和客户端本示例的模版在/opt/ros_ws/src/ros_tutorials/roscpp_tutorials/,如果出现自己程序无法运行时，可以将beginner_tutorials替换为roscpp_tutorials或r
2017-07-09 14:36:42
412
Python Implementation of Reinforcement Learning: An Introduction Code
2018-09-20
Deep_Learning__Methods_and_Applications.pdf
2017-06-22
视觉机器学习20讲
2016-02-19
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人