微信开发公众号源代码

强化学习基本教程，包括A3C，DDPG等 有小车、机器臂等基本游戏的控制 强化学习是智能体（Agent）以“试错”的方式进行学习，通过与环境进行交互获得的奖赏指导行为，目标是使智能体获得最大的奖赏，强化学习不同于连接主义学习中的监督学习，主要表现在强化信号上，强化学习中由环境提供的强化信号是对产生动作的好坏作一种评价(通常为标量信号)，而不是告诉强化学习系统RLS(reinforcement learning system)如何去产生正确的动作。由于外部环境提供的信息很少，RLS必须靠自身的经历进行学习。通过这种方式，RLS在行动-评价的环境中获得知识，改进行动方案以适应环境。

基于python实现的8个气象统计实习，包括：500hPa高度场气候场、距平场和均方差场；简单相关系数和自相关系数；落后交叉相关系数和偏相关系数；一元线性回归；多元线性回归方程（包括逐步回归）；中国夏季降水线性趋势的分布特征；11年滑动平均和累积距平；给定的海温数据进行EOF分析

说明：  基于pygame简单的2维平面射击游戏。python新手可以参考(A Simple 2-D Planar Shooting Game Based on pyGame)

用python语言处理windows office 办公软件excel表格数据(Processing windows office software excel table data in python language)

python语言制作的折线图软件，pyqt绘制窗口界面，窗口大小可调节，Qchart绘制多折线图，折线图自动适应窗口大小，同一窗口内并排三种折线图样式，方便对比学习，代码带注释

gcn

VUMAT子程序，做复合材料渐进损伤分析(VUMAT subroutine, do composite progressive damage analysis)

基于opencv的安全帽佩戴检测，开发语言采用python,自己训练的安全帽分类器。

说明：  使用python实现的运行推荐算法的脚本文件(A test demo to run recomandation system)

说明：  中国电子科技集团公司认知与智能技术重点实验室发布的MaCA（Multi-agent Combat Arena）环境，是国内首个可模拟军事作战的轻量级多智能体对抗与训练平台，是多智能体对抗算法研究、训练、测试和评估的绝佳环境，可支持作战场景和规模自定义，智能体数量和种类自定义，智能体特征和属性自定义，支持智能体行为回报规则和回报值自定义等。(MaCA (multi agent combat) issued by the Key Laboratory of cognitive and intelligent technology of China Electronic Technology Corporation Arena) environment is the first lightweight multi-agent confrontation and training platform that can simulate military operations in China. It is an excellent environment for the research, training, testing and evaluation of multi-agent confrontation algorithms. It can support the customization of battle scenarios and scales, the number and types of agents, the characteristics and attributes of agents, and the behavior return rules and values of agents And so on.)