读取通达信的日线数据到dataframe结构中

说明：  基于tensorflow的交叉熵算法，适合深度学习的初学者(Cross entropy algorithm based on tensorflow, suitable for beginners of deep learning)

我们提出了一个简单、灵活和通用的对象实例分割框架。我们的方法能有效检测图像中的对象，同时为每个实例生成高质量的 segmentation mask。这种被称为 Mask R-CNN 的方法通过添加用于预测 object mask 的分支来扩展 Faster R-CNN，该分支与用于边界框识别的现有分支并行。Mask R-CNN 训练简单，只需在以 5fps 运行的 Faster R-CNN 之上增加一个较小的 overhead。此外，Mask R-CNN 很容易推广到其他任务，例如它可以允许同一个框架中进行姿态估计。我们在 COCO 系列挑战的三个轨道任务中均取得了最佳成果，包括实例分割、边界对象检测和人关键点检测。没有任何 tricks，Mask R-CNN 的表现优于所有现有的单一模型取得的成绩，包括 COCO 2016 挑战赛的冠军。(Mask R-CNN code by HeKaiming)

This example demonstrates how to read a raw file in Google-App-Engine. 1. Change name of application in app.yml to the name of you application 2. Upload the files 3. Open the main page

说明：  可以对DS证据理论的基本概率分配函数进行融合(The basic probability distribution function of DS evidence theory can be fused.)

这个神经网络的程序是继之前上传的入门程序后加深了神经网络的深度，比之前稍难，适合已经清楚神经网络基本架构的同学学习

变分自编码结构，用一个mnist数据。。。。。。(Using TensorFlow to realize Variational Auto-Encoder neural network, using data MNIST)

ATR价格突破策略,非常好用，免费提供给大家(ATR price breakthrough strategy, very useful, free to everyone)

Adaboost体现的是“三个臭皮匠，胜过一个诸葛亮”，它是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器(弱分类器)， 然后把这些弱分类器集合起来，构成一个更强的最终分类器（强分类器）(Adaboost embodies "three smelly cobblers are better than one Zhuge Liang". It is an iterative algorithm. Its core idea is to train different classifiers (weak classifiers) for the same training set. Then these weak classifiers are combined to form a stronger final classifier (strong classifier).)

说明：  使用python编写聚类算法，k-means,DBSCAN,AP,EM各种聚类算法分别进行对比，聚类结果可视化(Use Python to write clustering algorithm, K-means, DBSCAN, AP, EM to compare and visualize clustering results)

python 2.7 + wxPython 绘制股票K线图，从sina提取股票收益数据到excel 文件