Python Multithread

OpenCV 3 bilde-og videobehandling Med Python

OpenCV 3 Med Python
Bilde-OpenCV BGR : Matplotlib RGB
Grunnleggende bildeoperasjoner-pikseltilgang
iPython-Signalbehandling Med NumPy
Signalbehandling Med NumPy I-FFT og DFT for sinus, firkantbølger, unitpulse og tilfeldig signal
Signalbehandling med NumPy II-Bilde Fourier Transform: FFT & DFT
Invers Fourier Transform av Et Bilde med lavpassfilter: cv2.idft()
Bildehistogram
Videoopptak og Bytte fargerom – RGB / HSV
Adaptiv Terskel – Otsus klyngebaserte bildegrense
Kantdeteksjon-Sobel Og Laplacian Kjerner
Canny Kantdeteksjon
Hough Transform – Circles
Vannskille Algoritme : Markørbasert Segmentering i
Vannskille Algoritme : Markørbasert SEGMENTERING II
bildestøyreduksjon : Ikke – Lokal Betyr Denoising Algoritme
bildeobjekt deteksjon : Ansiktsgjenkjenning Ved Hjelp Av Haar Cascade Classifiers
Bilde segmentering – Forgrunn utvinning Grabcut algoritme basert på graf kutt
Bilde Rekonstruksjon – Inpainting (Interpolering) – Rask Marsjeringsmetoder
Video : Mean shift object tracking
Maskinlæring : Clustering – K-Betyr clustering I
Maskinlæring : Clustering – K-Betyr clustering II
Maskinlæring : Klassifisering – k-nærmeste naboer (k-NN) algoritme

Maskinlæring Med Scikit-lær

scikit-lær Installasjon
Scikit-Lær : Funksjoner og funksjonsutvinning – iris datasett
scikit-lær : Maskinlæring Hurtig Forhåndsvisning
scikit-lær : Data Preprosessering I – Manglende / Kategoriske data
scikit-lær : Data Preprosessering II – Partisjonering av et datasett / Funksjonsskalering / Funksjonsvalg / Regularisering
scikit-lær : Data Preprosessering III – Dimensjonal reduksjon vis Sekvensiell funksjonsvalg / Vurdering av funksjons betydning via tilfeldige skoger
Datakomprimering via Dimensjonal Reduksjon i – hovedkomponentanalyse (pca)
scikit-lær : Datakomprimering VIA Dimensjonsreduksjon II – Lineær Diskriminantanalyse (LDA)
scikit-lær : Datakomprimering Via Dimensjonsreduksjon III – Ikke-Lineære kartlegginger via kpca-analyse (kernel principal component)
scikit – lær : Logistisk Regresjon, Overfitting & regularisering
scikit-lær : Veiledet Læring & Unsupervised Learning – f. eks. Unsupervised pca dimensjonsreduksjon med iris datasett
Scikit-lær : Unsupervised_learning-kmeans clustering Med iris datasett
SCIKIT-Lær : Lineært Separerbare Data – Lineær Modell & (Gaussian) radial basis funksjon kernel (RBF kernel)
scikit-lær : Beslutning Treet Læring I – Entropi, Gini, Og Informasjon Gevinst
scikit-lær : Beslutning Treet Læring II – Konstruere Avgjørelsen Treet
scikit-lær : Tilfeldig Avgjørelse Skoger Klassifisering
scikit-lær : Støtte Vektor Maskiner (SVM)
scikit-lær : Støtte Vektor Maskiner (SVM)) ii
Kolbe Med Innebygd Maskinlæring I : Serialisering med pickle og db oppsett
kolbe med innebygd maskinlæring ii : Grunnleggende Kolbe App
Kolbe MED Innebygd Maskinlæring III: Innebygging Klassifikator
Kolbe MED Innebygd Maskinlæring IV : Distribuere
Kolbe Med Innebygd Maskinlæring V: Oppdatere klassifikatoren
scikit-lær : EKSEMPEL på et spam – kommentarfilter ved HJELP AV SVM-klassifisere en god eller en dårlig

maskinlæringsalgoritmer og konsepter

batch gradient descent algorithm
Single Layer Neural Network – Adaptive Linear Neuron using linear (identity) activation function with batch gradient descent method
Enkeltlags Neural Network-Adaptive Linear Neuron using linear (identity) activation function with batch gradient descent method
Enkeltlags Neural Network : Adaptiv Lineær Neuron ved hjelp av lineær (identitet) aktiveringsfunksjon med stokastisk gradient descent (SGD)
Logistisk Regresjon
Vc (Vapnik-Chervonenkis) Dimensjon Og Knuse
bias-varians avveining
Maksimal Sannsynlighet Estimering (MLE)
Nevrale Nettverk med backpropagation FOR XOR ved hjelp av ett skjult lag
minHash
tf-idf vekt
Naturlig språkbehandling (Nlp): sentimentanalyse i (imdb & bag-of-ord)
naturlig språkbehandling (NLP): Sentimentanalyse Ii (Tokenisering, Stemming Og Stoppord)
naturlig språkbehandling (nlp): Sentimentanalyse III (trening & kryssvalidering)
Naturlig Språkbehandling (NLP): Sentimentanalyse IV (utenfor kjernen)
Lokalitetssensitiv Hashing (LSH) ved Hjelp Av Cosinusavstand (Cosinus Likhet)

Kunstige Nevrale Nettverk (ANN)

Kilder er tilgjengelige på Github-Jupyter notebook files
1. Innledning
2. Forover Forplantning
3. Gradient Nedstigning
4. Backpropagation Av Feil
5. Kontrollerer gradient
6. Trening via BFGS
7. Overfitting & Regularisering
8. Deep Learning I : Bildegjenkjenning (Bildeopplasting)
9. Deep Learning II: Bildegjenkjenning (Bildeklassifisering)
10-Deep Learning III: Deep Learning III: Theano, TensorFlow og Keras