PKU-Chinese-Paraphrase-Corpus 中译名著多译本翻译转述语料。语料仅限于用于科研教学活动。文本著作权归原著者。

移动文件，进行归类，适合所有办公自动化

文件包含一个数据集（csv文件）和一个可执行代码（py文件），是对红酒数据集的分类训练与测试。可作为人工智能、机器学习初学者的学习资料。 模型训练基于逻辑回归算法，数据集和测试集按照8:2的比例进行划分。 数据集前11列为红酒的属性，最后一列是红酒的分类标签，此处红酒总共有六类（标签分别为3、4、5、6、7、8），每一行为一个红酒样本。通过对机器学习分类模型输入特征值，得出此红酒的种类。 需要Python版本3.8及以上；需要引入第三方库pandas和sklearn。

一款很实用的计算器，适合计算线性回归方程

针对现有基于大数据和深度学习的目标检测框架难以实现在低功耗移动和嵌入式设备上实时进行视频目标检测的问题，改进了基于深度学习的目标检测框架SSD，提出一种改进的多目标检测框架LSTM-SSD，将其专用于交通场景视频多目标检测。将单图像检测框架与递归神经网络-LSTM网络相结合，形成交织循环卷积结构，通过采用一种Bottleneck-LSTM层提炼传播帧间的特征映射实现了网络帧级信息的时序关联，极大降低了网络计算成本；将时间感知信息与改进的动态卡尔曼滤波算法结合起来，实现了对视频中受光照变化、大面积遮挡等强干扰影响目标的追踪识别。实验表明，改进后的LSTM-SSD在应对多目标、杂乱背景、光照变化、模糊、大面积遮挡等检测难度较大的情况时，均能获得较好的效果，相比于其他基于深度学习的目标检测框架，各类目标识别的平均准确率提高了5%~16%，平均准确率均值提高了约4%~10%，多目标检测率提高了4%~19%，检测帧率达到43 fps，基本满足实时性的要求。其实现了算法精度与运行速率的平衡，取得了较好的检测识别效果。

人工智能实验练习，包括线性回归，逻辑回归，深度神经网络，循环神经网络，卷积神经网络。含数据和python代码，代码文件请用Jupyterlab打开。

机号码归属地查询程序，实现输入手机号码后，先从数据库中查询信息，若数据库中没有该号码信息，程序进入相应的查询阶段，查询手机号码的归属地（运营商，手机归属地），并且将信息存入到数据库中，并且更新数据库。数据库开始时能批量导入手机号码的归属地。需要自己加一个JSOAP包

灵敏度(sensitivity)分析 假设:N个样本,3个特征属性F1/F2/F3 (1)分别计算各个特征属性的均值/标准差 (2)将(m1,m2,m3)作为输入端,模型输出结果为M (3)若要测试F1对应变量的影响 则：输入(m1+1*10%, m2, m3)，…… 输出M+M1，计算 (4)分别计算 可比较3个特征属性对输出的影响结果

016_基于BP神经网络的多输出数据回归预测 Matlab代码实现过程，调用newff函数实现，多输入多输出

根据ip获取该ip所属的地区、国家，拥有目前的所有ip记录库文件