采用深度学习中的残差网络进行图像融合

这是关于强化学习的python源代码，强化学习是一种经典的机器学习的分支。该代码包里面主要是利用q-learning的方法，实现了一些基本游戏的控制，仅供大家参考

tcmsp爬虫，医学相关，python开发，带操作界面，使用tkinter开发(Tcmsp crawler, medical related, Python development, with GUI by Tkinter)

说明：  用于爬去前程无忧招聘信息，可以爬取 人工智能 python 等十几种职业(Used to climb the future worry-free recruitment information)

深度学习算法 主要是GDAL处理栅格数据转换为矢量数据 利用深度学习的算法实现(In-depth learning algorithm is mainly realized by GDAL in converting raster data into vector data and using in-depth learning algorithm.)

说明：  中文版第15页第一段提到的接口例子程序的学习代码(The learning code of the interface example program mentioned in the first paragraph of page 15 of the Chinese version)

旨在系统介绍人工智能的基本原理、方法和技术，并反映国内外研究和应用的最新进展(The purpose of this paper is to systematically introduce the basic principles, methods and techniques of AI, and to reflect the latest research and application progress at home and abroad.)

说明：  python编辑器很好用，希望能够给大家带来帮助，谢谢大家！(python sublime text 3)

说明：  在这本书里，我们将看到一些机器学习的模型和算法。我们会介绍一些常用的机器学习任务和模型的效果评估方法。而这些模型和算法都是通过十分流行的Python机器学习库scikit-learn来完成，里面有许多机器学习的模型和算法，每个API都简单易用(In this book, we will look at some machine learning models and algorithms.We will introduce some commonly used methods for evaluating the effects of machine learning tasks and models.These models and algorithms are built using the popular Python machine learning library scikit-learn, which has many machine learning models and algorithms, and each API is easy to use)

用python实现了隐马尔科夫模型的概率计算和预测部分，主要是前向后向算法和维特比算法(Realized with python hidden Markov model probability calculation and prediction part is mainly forward-backward algorithm and the Viterbi algorithm)

说明：  神经网络是一种模拟人脑的神经网络，以期能够实现类人工智能的机器学习 技术。 本书揭示神经网络背后的概念，并介绍如何通过Python实现神经网络。全书 分为3章和两个附录。第1章介绍了神经网络中所用到的数学思想。第2章介绍使 用Python实现神经网络，识别手写数字，并测试神经网络的性能。第3章带领读 者进一步了解简单的神经网络，观察已受训练的神经网络内部，尝试进一步改善 神经网络的性能，并加深对相关知识的理解。附录分别介绍了所需的微积分知识 和树莓派知识。 本书适合想要从事神经网络研究和探索的读者学习参考，也适合对人工智 能、机器学习和深度学习等相关领域感兴趣的读者阅读。(Python Neural Network Programming)