Daitu

{
 "cells": [
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "## 学习使用Pytorch搭建卷积神经网络Lenet-5\n",
    "\n",
    "Daitu"
   ]

Daitu

{
 "cells": [
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "## 多元时间序列分析ARIMAX\n",
    "\n",
    "作者：daitu\n",
    "\n",

Daitu

{
 "cells": [
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "## MLP regression"
   ]
  },
  {

Daitu

{
 "cells": [
  {
   "cell_type": "code",
   "execution_count": 1,
   "metadata": {
    "collapsed": true
   },
   "outputs": [],
   "source": [

Daitu

%% 
clear
clc
%% 
% random matrix as image
img = randi(10,4)
% matrix size
[r c] = size(img)
% patch size
w = 2;

Daitu

{
 "cells": [
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "## 社交网络图可视化之交互网络\n",
    "\n",
    "### 交互网络使用pyecharts库绘制\n",
    "\n",

Daitu

{
 "cells": [
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "**本次实验为分类任务，实验数据在附件中，共有2个文件，data_train.txt、data_test.txt，分别用于训练和测试，\n",
    "在训练文件中数据有55列，前54列是样本的特征（输入数据），最后一列是样本的类别（label），类别共有7种，对应为1~7。\n",
    "测试数据中没有类别（label），需要根据模型预测相应的类别（label），这些预测结果需要上传，并根据预测结果给出相应的分数。**"
   ]

Daitu

{
 "cells": [
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "## 使用python学习实现数字图像处理的一些内容\n",
    "## 第一章：图像处理的基础知识\n",
    "\n",
    "###  1:图像的读取和存储\n",

Daitu

{
 "cells": [
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "## 使用字典学习进行图像去噪"
   ]
  },
  {

Daitu

{
 "cells": [
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "## 相同高斯噪声的不同参数\n",
    "** 对比辣椒图片添加方差为25的高斯噪声后，在不同的图像块大小，不同的稀疏参数下的去噪表现**"
   ]
  },