使用Matlab和GPU探索曼德博集

MATLAB绘制曼德博集代码：程序员指南之星系包资源与实例。以下内容出自：机器学习(Machine Learning)与深度学习(Deep Learning)资料(第1章)。注：机器学习资料共500条，开始更新。希望转载的朋友，请保留原文链接。此外，某些资料在中国访问需要使用梯子。介绍：这篇文章全面介绍了机器学习的历史，包括感知机、神经网络、决策树、SVM、Adaboost、随机森林以及深度学习。瑞士人工智能实验室Jurgen Schmidhuber最新撰写的《神经网络与深度学习综述》，从1940年至今详细讲述了各种技巧与进展。

这份指南展示了如何利用GUI绘制曼德勃罗图。默认情况下，它通过执行20次迭代计算Z=Z^2+C，其中Z初始为0，C由meshgrid函数生成的每个像素值确定。尽管基本方程为Z=Z^2+C，您可以在1至50之间调整迭代次数。更多的迭代次数不仅增加计算时间，还能提供更精确的图像结果。要调整图形区域的缩放，选择一个感兴趣的点，并更新中心值，然后点击“显示图形”按钮。这是初版，可能存在一些使用上的不足。

Matlab开发：实现博德洛特图时去除渐近线的方法。

利用GPU对矩阵运算的天然优势，加速MATLAB中相关计算，提升程序性能。

新浪微博开放平台的Redis应用实践涉及Redis技术简介及其在新浪微博平台上的具体应用案例。

这是一个简单的脚本示例，演示了如何使用70%的数据集进行分类器训练，并用剩余数据集进行分类器测试。此脚本基于http://www.mathworks.com/matlabcentral/fileexchange/21204-matlab-weka-interface 。

MATLAB神经网络案例分析展示了CPU和GPU并行运算的技术应用。这些案例涵盖了神经网络在不同硬件平台上的运算方式及其优势。

包含田纳西-伊斯曼化工过程的数据集。

学习如何在Matlab中编写GPU加速的离散偶极近似（DDA）代码。