【智能算法】硬核干货算法文章汇总-技术圈

春有百花秋有月，夏有凉风冬有雪。

——智能算法

墙裂推荐关注！

目标检测算法

17. 持续更新...

16. 目标检测算法(第16期)--YOLO-V2算法结构详解

15. 目标检测算法(第15期)--YOLO-V1损失函数详解

14. 目标检测算法(第14期)--YOLO-V1检测算法详解

13. 目标检测算法(第13期)--SSD检测算法必须知道的几个关键点

12. 目标检测算法(第12期)--SSD检测算法结构详解

11. 目标检测算法(第11期)--Faster RCNN的损失函数以及如何训练？

10. 目标检测算法(第10期)--Faster RCNN检测算法结构详解

9. 目标检测算法(第9期)--Fast R-CNN目标检测算法详解

8. 目标检测算法(第8期)--SPP-Net目标检测算法详解

7. 目标检测算法(第7期)--R-CNN目标检测算法通俗详解

6. 目标检测算法(第6期)--常见的评价指标有哪些？

5. 目标检测算法(第5期)--全卷积神经网络(FCN)算法详解

4. 目标检测算法(第4期)--传统目标检测算法思路

3. 目标检测算法(第3期)--CNN中常用的四种卷积详解

2. 目标检测算法(第2期)--为什么要用空洞卷积？

1. 目标检测算法(第1期)--CNN中神奇的1x1卷积

深度学习入门系列

37. 深度学习算法(第37期)----如何用强化学习玩游戏？

36. 深度学习算法(第36期)----强化学习之时间差分学习与近似Q学习

35. 深度学习算法(第35期)----强化学习之马尔科夫决策过程

34. 深度学习算法(第34期)----强化学习之梯度策略实现

33. 深度学习算法(第33期)----强化学习之神经网络策略学习平衡车

32. 深度学习算法(第32期)----强化学习入门必读

31. 深度学习算法(第31期)----变分自编码器及其实现

30. 深度学习算法(第30期)----降噪自编码器和稀疏自编码器及其实现

29. 深度学习算法(第29期)----可视化自编码器和无监督预训练

28. 深度学习算法(第28期)----如何高效的训练自编码器？

27. 深度学习算法(第27期)----栈式自编码器

26. 深度学习算法(第26期)----深度网络中的自编码器

25. 深度学习算法(第25期)----机器翻译中的编码解码器网络

24. 深度学习算法(第24期)----自然语言处理中的Word Embedding

23. 深度学习算法(第23期)----RNN中的GRU模块

22. 深度学习算法(第22期)----RNN中的LSTM模块

21. 深度学习算法(第21期)----RNN中的Dropout技术

20. 深度学习算法(第20期)----创意RNN和深度RNN的简单实现

19. 深度学习算法(第19期)----RNN如何训练并预测时序信号？

18. 深度学习算法(第18期)----用RNN也能玩分类

17. 深度学习算法(第17期)----RNN如何处理变化长度的输入和输出？

16. 深度学习算法(第16期)----静态RNN和动态RNN

15. 深度学习算法(第15期)----基本RNN的Tensorflow实现

14. 深度学习算法(第14期)----RNN输入输出的组合有多任性

13. 深度学习算法(第13期)----初识循环神经网络(RNN)

12. 深度学习算法(第12期)----CNN经典网络之ResNet

11. 深度学习算法(第11期)----CNN经典网络之GoogLeNet

10. 深度学习算法(第10期)----CNN经典网络之LeNet-5和AlexNet

9. 深度学习算法(第9期)----卷积神经网络实战进阶(附代码)

8. 深度学习算法(第8期)----卷积神经网络通俗原理

7. 深度学习算法(第7期)----深度学习之避免过拟合(正则化)

6. 深度学习算法(第6期)----深度学习之学习率的命运

5. 深度学习算法(第5期)----深度学习中的优化器选择

4. 深度学习算法(第4期)----TF训练DNN之进阶

3. 深度学习算法(第3期)----TensorFlow从DNN入手

2. 深度学习算法(第2期)---- ensorFlow爱之再体验

1. 深度学习算法(第1期)----TensorFlow爱之初体验

0. 深度学习算法(第0期)----深度学习通俗理解

机器学习算法

37.机器学习算法--蒙特卡洛方法入门

36.机器学习算法--趣味理解朴素贝叶斯

35.机器学习算法--SVM 模糊最小二乘

34.机器学习算法--SVM 深入理解

33.机器学习算法--SVM 初识原理

32.机器学习算法--GBDT算法(详细版)

31.机器学习算法--GBDT算法(简明版)

26.机器学习算法--集成学习算法之Adaboost

25.机器学习算法--决策树算法之CART

24. 机器学习算法--决策树算法之C4.5

23.机器学习算法--关联规则之Apriori算法

22.机器学习算法--朴素贝叶斯分类

21.机器学习算法--网页排序算法之PageRank

20.机器学习算法--通俗理解EM算法

19. 机器学习算法--隐马尔可夫模型(HMM)

18.机器学习算法--人脸识别算法(Eigenface)

13.机器学习算法--在线学习算法FTRL详解

12.机器学习算法--Scikit-learn特征选择(下)

11.机器学习算法--Scikit-learn特征选择(上)

机器学习实战

10.机器学习三人行(十)--机器学习降压神器(附代码)

9.机器学习三人行(九)--千变万化的组合算法(附代码)

8.机器学习三人行(八)--神奇的分类回归决策树(附代码)

7.机器学习三人行(七)--支持向量机实践指南(附代码)

6.机器学习三人行(六)--Logistic和Softmax回归实战剖析(附代码)

5.机器学习三人行(五)--你不了解的线性模型(附代码)

4.机器学习三人行(四)--手写数字识别实战(附代码)

3.机器学习三人行(三)--end-to-end机器学习

2.机器学习三人行(二)--洞悉数据之美

1.机器学习三人行(一)--机器学习花样入门

优化算法系列

语言小实践

7. 实践篇--Jupyter notebook使用指南

6. 实践篇--数据分析小实验(下)

5. 实践篇--数据分析小实验(上)

4. 实践篇--极简Python入门

3. 实践篇--Python相关机器学习‘武器库’

2. 实践篇--sklearn做单机特征工程

1. 实践篇--SVM的R语言实战

降维系列算法

5. 降维值多少--因子分析法(FAM)

4. 降维知多少--线性判别分析(LDA)

3. 降维知多少--奇异值分解(SVD)

2. 降维值多少--主成分分析(PCA)

1. 降维知多少--综述简介