python web开发

说明：  对动态测试数据，进行快速fft变化，分析系统的频率(using fft method to analysis dynamic test data,)

基于python语言的人脸识别模块功能的实现和实时摄像头的人脸识别(Realization of face recognition module function based on Python language and face recognition of real-time camera)

机器学习实战第三章编程实现：使用决策树预测隐形眼镜类型。(Machine Learning Practical Combat Chapter 3 Programming Realization)

说明：  ABAQUS损伤塑性混凝土模型，关于在ABAQUS中进行混凝土本构关系的描述(ABAQUS Damage Plastic Concrete Model, Description of Constitutive Relation of Concrete in ABAQUS)

【实例简介】

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)

参考资料为清华大学出版社的数值分析，作者为李庆杨、王能超、易大义。 运行后可以输入任意点，程序会根据这些点实现插值函数的构造以及绘图。同时提供了一些预设点和龙格函数的点集构造方法。实现的插值方法有：牛顿插值、拉格朗日插值、三次样条插值。 在运行前必须安装numpy库和matplotlib库。

《推荐系统实践》作者：项亮；书籍全部章节配套源代码；仅供学习分享，如有侵权立刻删除。(The "source code" of Recommended system practice.)

神经网络的训练过程中，使用遗传算法来优化神经网络的权重，用于寻找全局最优权重

说明：  伯克利课程 dqn神经网络 深度学习 吃豆人游戏(Berkeley courses Neural network dqn Deep learning Pac Man Game)