机器学习实战-Kaggle犯罪预测-数据集+代码

Python Web开发实战.mobi

：爬取网站数据，基于 selenium.webdriver

Bert-BiLSTM-CRF-pytorch版源代码，实体识别

这个压缩包中的代码实现了机器人使用的一些常见的路径规划算法，包括基于搜索的算法和基于采样的算法。

卷积神经网络python实现。 卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积或相关计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（deep learning）的代表算法之一 [1-2] 。由于卷积神经网络能够进行平移不变分类（shift-invariant classification），因此也被称为“平移不变人工神经网络

OPENMV捕捉到颜色模块，并处理他的目标，得出X Y值 并加入串口检验位 此次校验位为 字符sp

HDF批量转TIF

1. 实验目的 1） 掌握搜索算法的基本设计思想与方法，  2） 掌握A*算法的设计思想与方法，  3） 熟练使用高级编程语言实现搜索算法，  4） 利用实验测试给出的搜索算法的正确性。   1. 实验问题  寻路问题。以图1为例，输入一个方格表示的地图，要求用A*算法找到并输出从起点（在方格中标示字母S）到终点（在方格中标示字母T）的代价最小的路径。有如下条件及要求：   1） 每一步都落在方格中，而不是横竖线的交叉点。 2） 灰色格子表示障碍，无法通行。 3） 在每个格子处，若无障碍，下一步可以达到八个相邻的格子，并且只可以到达无障碍的相邻格子。其中，向上、下、左、右四个方向移动的代价为1，向四个斜角方向移动的代价为 √2。 4） 在一些特殊格子上行走要花费额外的地形代价。比如，黄色格子代表沙 漠，经过它的代价为4；蓝色格子代表溪流，经过它的代价为2；白色格子为普通地形，经过它的代价为0。 5） 经过一条路径总的代价为移动代价 地形代价。其中移动代价是路径上所做的所有移动的代价的总和；地形代价为路径上除起点外所有格子的地形代价的总和。

源程序代码 详解 股票预测  LSTM 时间序列rnn 代码程序数据集下载压缩包

开发环境要求 本系统的软件开发及运行环境具体如下。 ü 操作系统：Windows 7、Windows 10。 ü  Python版本：Python 3.7.1。 ü 开发工具：PyCharm 2018。 ü Python内置模块：sys、random、codecs。 ü 第三方模块：pygame。 注意：在使用第三方模块时，首先需要使用pip install命令安装该模块，例如，安装pygame模块，可以在Python命令窗口中执行以下命令：pipinstall pygame 运行方法 打开PyCharm开发环境，然后在主菜单上选择File→Open菜单项，在打开的Open File or Project对话框中，选择项目foo，如图1所示。 Python项目开发案例集锦之5章