说明：深度学习强化学习神经网络Deep Q-learning Network代码

说明：Deep Learning的中文版，俗称“花书”，高清带书签！

说明：基于深度学习的调制识别 多输入 使用星座图和原始信号作为输入

说明：深度学习之目标检测训练，支持旋转、镜像等数据增强方式，训练阶段可改变学习率等

说明：python 机器学习 的一些非常经典的书籍

说明：吴恩达机器学习个人学习笔记。值得一看，自行下载。hhhhhh

说明：三种识别手写数字的算法比较，包括k均值算法，基于神经网络的识别算法，基于深层卷积神经网络的算法，其中分别包含于文件123。使用前需要安装tensorflow，并把mnist_data训练集分别置于三个文件的主目录下。

说明：自编码机，在mnist数据上运行，使用了三层的神经网络。基于tensorflow框架之下

说明：深度学习连续标注的程序，可以对相邻的帧数图片差不多的视频进行标注

说明：ResNet网络处理图片数据，提高泛化精度，清华大学王波老师的资料。

说明：机器学习，线性回归，逻辑回归，knn,深度学习，等等

说明：深度学习入门：基于Python的理论与实现

说明：SRCNN超分辨率重建算法。深度学习在图像超分辨率重建问题的开山之作SRCNN(Super-Resolution Convolutional Neural Network)的参考代码，可直接使用。

说明：关于深度学习的相关资料，Information about deep learning，希望对你有帮助

说明：深度学习-智能时代的核心驱动力量 书籍 特伦斯·谢诺夫斯基（TerrenceSejnowski），世界十大AI科学家之一，美国四大国家学院（国家科学院、国家医学院、国家工程院、国家艺术与科学学院）在世仅3位的“四院院士”之一，全球AI专业会议NIPS基金会主席。

说明：CS231n斯坦福面向视觉识别的卷积神经网络课件整合成pdf，对课程内容有详细整理

说明：deep+learning深度学习人工智能资料

说明：<神经?络与深度学习>，本书会介绍许多关于深度学习和神经网络相关的核心概念

说明：一天搞懂深度学习，非常大牛的李宏毅老师的作品

说明：python深度学习库。DeepPy是一个建立在NumPy之上的Pythonic深度学习框架（带有CUDA加速）。

说明：Michael Nielsen所著Neural Network and Deep Learning，有英文版和中文版

说明：利用matlab做深度学习，SRCNN作为超分辨率重建开山之作，用matlab进行代码复现

说明：卷积神经网络分类 调制信号识别 卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（deep learning）的代表算法之一 [1-2] 。卷积神经网络具有表征学习（representation learning）能力，能够按其阶层结构对输入信息进行平移不变分类（shift-invariant classification），因此也被称为“平移不变人工神经网络（Shift-Invariant Artificial Neural Networks, SIANN）” [3] 。 对卷积神经网络的研究始于二十世纪80至90年代，时间延迟网络和LeNet-5是最早出现的卷积神经网络 [4] ；在二十一世纪后，随着深度学习理论的提出和数值计算设备的改进，卷积神经网络得到了快速发展，并被应用于计算机视觉、自然语言处理等领域 [2] 。 卷积神经网络仿造生物的视知觉（visual perception）机制构建，可以进行监督学习和非监督学习，其隐含层内的卷积核参数共享和层间连接的稀疏性使得卷积神经网络能够以较小的计算量对格点化（grid-like topology）特征，例如像素和音频进行学习、有稳定的效果且对数据没有额外的特征工程（feature engineering）要求 [1-2] 。

说明：采用MNE处理脑电数据，利用随机森林进行分类的睡眠分类实例

说明：利用EEGNET进行数据分析的代码实例，可用于文本分类，脑电信号处理等

说明：吴恩达深度学习学习笔记，包含详细资料及代码例子

说明：吴恩达深度学习资料，有详细的文字，视频，图片，以及学习笔记

说明：实现深度学习神经网络的遗传算法，可以学习用

说明：吴恩达深度学习教程视频中文笔记，课程专为已有一定基础（基本的编程知识，熟悉 Python、对机器学习有基本了解）

说明：最详细的Python语法，关于深度学习框架Keras以及神经网络