注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 数据挖掘--概念与技术

  2. 目录 第一章 引言 ......................................................................................................................................................... 8 1.1 什么激发数据挖掘？为什么它是重要的？.............................................................

  3. 所属分类：Web开发

    • 发布日期：2010-09-06
    • 文件大小：1048576
    • 提供者：huanghyw

  1. 神经网络介绍

  2. 人工神经网络（Artificial Neural Network，即ANN ）也常被称为神经网络，是可以用于信息处理、模式识别的一种运算模型，将按不同信息进行抽象处理， 建立按不同的模型。ANN的应用范围特别广泛，在医学中生物信号的检测与分析、医学专家系统，在经济领域的市场价格预测、风险评估、在控制领域、在交通领域、甚至在心理学在心理学领域都与神经网络有着密不可分的联系。为什么 ANN 的运用范围那么广呢？它的原理是什么？本文将粗糙的介绍神经网络的的基本模型。

  3. 所属分类：深度学习

    • 发布日期：2019-04-17
    • 文件大小：1048576
    • 提供者：a2994671684

  1. 一种神经网络模型在医学中的应用

  2. 一种神经网络模型在医学中的应用，徐云龙，李剑英，本文是关于通过化验人体内各种元素含量来判别肾炎病人与健康人的方法研究的问题。BP神经网络在预测中应用广泛，它是利用非线性可�

  3. 所属分类：其它

    • 发布日期：2019-12-30
    • 文件大小：690176
    • 提供者：weixin_38603875

  1. 医学图像分割处理中改进型PCNN模型的应用综述_石斌.pdf

  2. 摘 要：人工神经网络是一种通过复杂系统来调整内部大量节点之间的相互连接从而对信息进行处理的算法数学模型采用了数学统计学方法将局部结构空间用具体的标准的函数来表示出来主要机理是借助模仿动物神经网络行为进行分布式并行信息处理是在现代神经科学研究成果上发展出来的 随着学者们不断地探索和研究 Ekchom提出的PCNN模型脉冲耦合神经网络模型受到广泛关注并逐渐应用到医学图像的处理中 本研究就针对改进型PCNN模型在医学图像分割处理中的应用进行阐述具体从改进型PCNN模型的特点优势改进型PCNN算法在医学

  3. 所属分类：深度学习

    • 发布日期：2020-06-29
    • 文件大小：99328
    • 提供者：phytle0

  1. 主成分神经网络模型在疾病预测中的应用

  2. 针对在医学卫生领域,疾病受到许多因素的影响,很难用结构式的因果模型加以解释的问题,根据神经网络来预测是一种行之有效的方法。径向基函数(RBF)神经网络应用于疾病的月发病人数预测时,由于影响它的气象因素:月平均气压,月平均气温,月平均相对湿度,月平均风速,月平均降水量本身具有很大的相关性,且维数较高,RBF神经网络的预测精度会下降,针对这一问题,文中提出了利用主成分分析(PCA)方法对原输入空间进行重构,并根据各主成分的贡献率来确定网络结构,从而有效的解决了预测精度下降的问题。最后以2001年8月

  3. 所属分类：其它

    • 发布日期：2020-06-27
    • 文件大小：953344
    • 提供者：weixin_38554193

  1. WSDM21-Hands-on-Tutorial:具有深图库的可扩展图神经网络-源码

  2. WSDM'21教程：具有深图库的可扩展图神经网络 时间： 2021年3月8日，上午9:30-下午12:00（GMT + 2） 作者：来自亚马逊AI的大正，王敏杰，甘泉，宋松，张正 从图和关系数据中学习在许多应用程序中起着重要作用，包括社交网络分析，市场营销，电子商务，信息检索，知识建模，医学和生物科学，工程学等。 在过去的几年中，图形神经网络（GNN）成为一种有前途的新型监督学习框架，能够将深度表示学习的功能引入图形和关系数据。 这项不断发展的研究表明，GNN在诸如链接预测，欺诈检测，目标配体

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：54272
    • 提供者：weixin_42099987

  1. 使用具有多任务学习功能的深度神经网络进行细胞跟踪

  2. 细胞跟踪在生物医学和计算机视觉领域起着至关重要的作用。 由于细胞通常具有频繁的变形活动并且在显微镜图像中尺寸较小，因此在实践中跟踪非刚性和非重要细胞非常困难。 传统的视觉跟踪方法在跟踪刚性和重要视觉对象方面具有良好的性能，但是，它们不适合用于单元跟踪问题。 在本文中，提出了一种使用卷积神经网络（CNN）以及多任务学习（MTL）技术的新型细胞跟踪方法。 CNN可学习可靠的信元功能，而MTL可提高跟踪的泛化性能。 提出的细胞跟踪方法包括粒子过滤器运动模型，多任务学习观察模型和优化的模型更新策略。 在

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：2097152
    • 提供者：weixin_38644097

  1. Kaggle-Facial-Keypoints-Detection：使用卷积神经网络检测面部标志的位置，例如眼睛，鼻子，嘴唇-源码

  2. Kaggle面部关键点检测 面部关键点标签是计算机视觉中一个重要且具有挑战性的问题。 在推论时，我们想将人脸图像的像素表示作为输入，并输出各种界标的位置，包括眼睛和嘴唇周围和周围的位置以及鼻尖。 准确标记这些位置的能力使众多下游应用成为可能。 其中包括面部识别，面部表情分析，检测畸形的面部征兆以进行医学诊断，生物识别和视频中的面部跟踪。 例如，可以通过测量嘴唇的形状来进行面部表情分析，其中弯曲可能代表微笑，弯曲可能代表皱眉。 该分析对于对零售商店的交易的真实客户满意度或驾驶员的汽车心情进行分类

  3. 所属分类：其它

    • 发布日期：2021-02-19
    • 文件大小：356515840
    • 提供者：weixin_42097557

  1. 基于改进U-net的遥感影像建筑物提取

  2. 针对在遥感影像建筑物提取过程中,建筑物与周围环境信息混淆导致提取精度下降的问题,提出了一种低维特征信息增强的改进U型卷积神经网络(U-net)模型,用于遥感影像建筑物的提取。借鉴医学影像分割中应用广泛的U-net模型对建筑物进行提取;考虑到在网络传播过程中低维细节信息逐级削弱,在特征金字塔中的特征图与扩张路径同级上的特征融合前,先与上一层级的特征图进行融合,进一步优化了提取结果的边缘提取精度。在覆盖范围约340 km 2的遥感影像数据集上进行实验,结果表明本文提出的方法在交并比、像素精度和Kap

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：8388608
    • 提供者：weixin_38650508

  1. 使用具有多任务学习功能的深度神经网络进行细胞跟踪

  2. 细胞跟踪在生物医学和计算机视觉领域起着至关重要的作用。 由于细胞通常在显微镜图像中具有频繁的变形活动和较小的尺寸，因此在实践中跟踪非刚性和非重要细胞非常困难。 传统的视觉跟踪方法在跟踪刚性和重要视觉对象方面具有良好的性能，但是，它们不适合用于单元跟踪问题。 在本文中，提出了一种使用卷积神经网络（CNN）以及多任务学习（MTL）技术的新型细胞跟踪方法。 CNN可学习可靠的信元功能，而MTL可提高跟踪的泛化性能。 提出的细胞跟踪方法包括粒子过滤器运动模型，多任务学习观察模型和优化的模型更新策略。 在

  3. 所属分类：其它

    • 发布日期：2021-03-30
    • 文件大小：524288
    • 提供者：weixin_38575421