基于维基百科语料库的word2vec词向量模型的训练

神经网络算法，股票 开盘 收盘 最高 最低 预测股票的趋势(Neural network algorithm, the stock closed the highest and lowest forecast stock trend)

基于python2.7的数字图像识别deeplearning算法

说明：  钢箱梁全寿命预测，基于python自己编写，tkinter用户界面(Life prediction of steel box girder)

说明：  这个是本人的python机器学习与入门编程的练习文本，程序调试基本正确，利于入门者练习参考。(This is my python machine learning and introductory programming practice text, program debugging is basically correct, helpful for beginners to practice reference.)

旅行商问题 （Traveling Salesman Problem,TSP）又译为旅行推销员问题、货郎担问题，简称为TSP问题，是最基本的路线问题。该问题是在寻求单一旅行者由起点出发，通过所有给定的需求点之后，最后再回到原点的最小路径成本。

面部地标检测旨在定位给定特征点的面部图像的关键点，这些特征点通常遭受由任意姿势，不同面部表情和部分遮挡引起的变化。我们提出了一个粗到细的框架，它将堆叠的沙漏网络和显着区域的注意力细化联系起来，以实现稳健的面部对齐。为了实现这一目标，我们首先提出了一个多尺度区域学习模块（MSL）来分析不同面部区域的结构信息，并提取强烈的判别性深层特征。然后我们采用堆叠沙漏网络（SHN）进行热图回归和初始面部地标预测。(Facial landmark detection aims to locate keypoints for a facial image given feature points, which typically suffers from variations caused by arbitrary pose, diverse facial expressions, and partial occlusion. We put forward a coarse-to-fine framework which joints stacked hourglass network and salient region attention refinement for robust face alignment. In order to achieve this goal, we firstly put forward a multi-scale region learning module (MSL) to analyze the structure information at different facial region and extract strong discriminative deep feature. Then we employ stacked hourglass network (SHN) for heatmap regression and initial facial landmarks prediction.)

说明：  手动选择三对特征点，标注特征点，实现二维图像的仿射配准；每完成一对需要按Q键进行下一对；平台是Spyter(Radiation registration by labeling feature points)

svn信息探测svn信息探测svn信息探测svn信息探测svn信息探测svn信息探测svn信息探测svn信息探测svn信息探测svn信息探测svn信息探测svn信息探测svn信息探测svn信息探测svn信息探测svn信息探测svn信息探测svn信息探测svn信息探测svn信息探测svn信息探测

python基础,本书是一本面向 Python 开发者的 PyCharm 详细使用指南。

使用python语言实现机器学习神经网络算法及其例子