六度凯文培根 从凯文·培根 (Kevin Bacon) 确定演员或女演员程度的 Java 代码。 该代码还允许您找到两个不同演员的度数。

PEE360：高效感知的自动编辑360视频 该项目有三个主要分支 具有流媒体和自动编辑解决方案的VR HMD播放器 360度视频中的混合显着性RoI排名 多模式视频挖掘 多峰RoI提取 基于自适应流方案的多RoI自动编辑解决方案 这是实际项目研究的子页面，该子项目执行科学项目PES360：360度编辑视频的感知有效流。 希望激发积极的科学合作，此资料库将注册链接，以查找项目发现和工作的关键组成部分，以及创建的数据集和已开发的源代码。 致谢 这个项目是由教授和学生进行，从物质资源实验室，并从财政支持 。 静态github页面源代码由提供。

matlab代码做游戏DeepRL-Nanodegree-Project3（合作与竞争） 在此项目中，我们将使用多代理深度确定性策略梯度（MADDPG）算法来训练两个代理打网球！ 环境说明 设置：两人游戏，代理人控制球拍在球网上弹跳。 目标：特工必须互相反弹，同时不得摔落或将球送出界外。 代理：环境包含两个链接到一个名为TennisBrain的单个Brain的代理。 训练后，您可以将另一个名为MyBrain的Brain附加到其中一个代理上，以与您训练有素的模型对战。 座席奖励功能（独立）： 球网命中时+0.1向探员。 -0.1致使球撞到地面或越界击球的探员。 大脑：一个具有以下观察/动作空间的大脑。 向量观察空间：8个变量，分别对应于球和球拍的位置和速度。 矢量动作空间：（连续）大小为2，对应于朝向网或远离网的运动并跳跃。 视觉观察：无。 重置参数：一个，对应于球的大小。 基准平均奖励：2.5 下载说明 如果您想在计算机上尝试此算法，请按照以下说明进行操作。 首先，您至少需要在系统上安装Python 3.6。 您还将需要这些库来帮助运行代码。 一旦安装了Python，就可以使用终端上的

Bike-share-project:使用Python t了解美国的Bikeshare数据，计算统计数据并建立一个交互式环境，用户可以在其中选择数据并过滤数据集以进行分析

项目概况 欢迎来到Udacity的DeepLearning纳米学位中的卷积神经网络（CNN）项目！ 在该项目结束时，该代码将接受任何用户提供的图像作为输入。 如果在图像中检测到狗，它将提供狗的品种的估计值。 如果检测到人，它将提供最相似的犬种的估计。 下图显示了已完成项目的潜在示例输出。 前方的路 我们将笔记本分为几个步骤： 导入数据集 检测人类 检测狗 创建CNN对狗的品种进行分类（从头开始） 创建CNN对狗的品种进行分类（使用转移学习） 测试算法 一些有趣的结果： 最终模型的测试准确性：76％（641/836张图片）。 这只狗的品种是：威尔士史宾格犬 哈Human，人类！ 如果您是狗，您将看起来像：迦南狗 哈Human，人类！ 如果您是狗，您将看起来像：中国沙皮犬 哈Human，人类！ 如果您是狗，您将看起来像：法国斗牛犬 哈Human，人类！ 如果您是狗，您将看起来

这篇文章是基于4自由度机械臂的变导纳控制的设计，可以在学习Hogan的最初三篇后看一下变阻抗和变导纳的概念。

Introduction to Business and Management – Business Degree

本文介绍了具有计算机视觉和机器学习算法的机械臂的设计和开发，该算法可以识别并执行对象上的任务。 该项目包括两个模块，一个是机械臂，另一个是桅杆摄像头。 该项目提出了一种基于微处理器的机器人手臂控制独立系统的实时图像处理。 目前，我们制造了一种用于观察和监视的机器人，该机器人还具有替代应用程序，可以区分和遵循预先指定的对象。 使用python中的图像处理的Open CV库完成检测和识别。 虽然所有处理都在树莓派上完成，该树莓派可以在基于Debian-Linux OS的Raspbian OS上运行。 机械臂和桅杆摄像机操作的功能无需任何手动控制即可执行。 放置在机箱上的机械手具有4个自由度（4 DOF）。 总体编程模型是用Python开发的。 编程包括捕获整个图片，然后处理图像，识别对象以及使用Raspberry Pi进行机械手臂的移动。 我们希望开发人员知道低成本，开放源代码硬件可以为人类做什么的局限性。

IEC 60529-2013 Degrees of protection provided by enclosures (IP Code)

Business-Analytics-Udacity-Nanodegree:Udacity的业务分析