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. seer-nnue:使用神经网络进行位置评估的UCI国际象棋引擎-源码

  2. 先知 Seer是一个原始的，强大的UCI国际象棋引擎。 Seer依靠一个独特的神经网络来估计WDL概率以进行位置评估。 Seer的网络通过新颖的逆向学习方法进行训练，该方法仅从6个男人的EGTB WDL值开始。然后使用Seer搜索将这些初始WDL分数迭代备份到32人棋位置，以找到从N人棋位置到N-1人棋位置的延续（）。 Seer将常规的alpha-beta搜索与“ Lazy SMP”（共享的换位表）结合使用，以支持多线程。 UCI选项 清除哈希 线程（对于每增加一倍的线程，可以预期获得约70-

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：87040
    • 提供者：weixin_42099755

  1. CS6910-A1-源码

  2. 从头开始的神经网络 作业1：深度学习基础 我们在python中使用numpy从零开始实现了一个神经网络。 该代码可在名为Assignment1.ipynb的ipython笔记本中使用。 我们在这里解释代码以及如何使用它来再现结果。 激活功能 我们已经实现了S型，tanh，ReLU和线性激活函数以及它们的梯度。 损失函数 当应用softmax函数时，我们已经实现了交叉熵和均方误差损失及其梯度。 重量初始化 我们已经实现了随机和Xavier权重初始化方法。 优化器 我们已经实现了sgd ，动量， n

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：119808
    • 提供者：weixin_42140716

  1. Deep_Neural_Networks_from_Scratch:Python类，用于定义，训练和评估用于分类和回归任务的模型对象。 使用NumPy实现-源码

  2. 使用NumPy从零开始的深度神经网络 该项目实现了Python类，以定义，训练和评估用于分类和回归任务的深度神经网络模型。 它使用具有各种激活功能，优化程序和正则化程序的反向传播算法来训练模型对象。 该项目是完全使用NumPy库从头开始构建的。 没有使用深度学习框架。 有关此项目的详细说明以及结果，请参见。 入门 先决条件 在本地系统上运行此项目需要安装以下软件包： 麻木 matplotlib 可以使用pip从Python软件包索引中安装它们，如下所示： pip install numpy

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：276480
    • 提供者：weixin_42131541

  1. 从零开始使用CNN进行性别识别：从零开始使用CNN进行性别识别-源码

  2. 从零开始使用CNN进行性别识别 我们使用CNN来预测30位说话者（15位男性和15位女性）中的性别，我们从头开始设计CNN，而无需使用任何tensorflow或keras库，并且在对模型从未听过的说话者性别进行分类时获得了93.47％的准确性。 问题是学习如何处理音频数据并建立模型以对声音进行分类。 我们做了很多研究，以了解如何解决该问题以及许多人如何解决该问题。 在这种方法中，我们将音频片段转换为图片（梅尔频谱图），并使用这些图片来训练卷积神经网络模型（CNN）。

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：140288
    • 提供者：weixin_42118160

  1. 从零开始学习神经网络-源码

  2. 从头开始学习神经网络 概述 在尝试强化学习时，我想进行深度Q学习。 但是，我一直想知道神经网络的内部功能是什么，从而激发了对该项目的兴趣。 参考 原始项目并归功于 教程 向学习了一些数学概念 用于基于文本的UI的库 用于基于终端的仪表板 详细地 该代码归功于 ，出于UI的目的对代码进行了一些较小的编辑 该网络解决了XOR （异或）问题 神经网络架构分为3个python文件： Neuron.py ：存在输入和输出的地方，建立索引以引用每一层中的特定神经元 Layer.py ：包含所有神经元到

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：7340032
    • 提供者：weixin_42138788

  1. Breast_Cancer_CADx：监督式机器学习算法可预测乳腺癌的诊断-源码

  2. 乳腺癌CADx 监督式机器学习算法可预测乳腺癌的诊断 乳腺癌是美国女性死于癌症的第二大主要原因。 早期发现与更好的预后密切相关。 乳房X线照相术是检测的第一线，但并不完美。 乳房X光检查的假阴性率为8-10％，由于某些异常情况不会影响女性的健康，因此很难确定癌症的严重程度或类型。 因此，进行活检以确认诊断。 细针穿刺是最简单，最常见的活检类型。 这项研究测试了各种监督的机器学习算法，以确定使用定量，连续的数据预测乳腺癌诊断最准确的算法。 威斯康星州乳腺癌数据集用于训练和测试三种机器学习模型

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：571392
    • 提供者：weixin_42116058

  1. 从零开始的神经网络：从零开始构建的神经网络，不使用机器学习库。 解决了我定义的分类问题，但可以进行调整以更加灵活。 该网络对测试数据的准确度达到了85％-源码

  2. Stratch的神经网络 这个项目是我从头开始创建的神经网络。 它在任何时候都不使用机器学习库。 在这种特定情况下，它解决了分类问题。 它创建了一个由数据点组成的随机3臂螺旋（想象一个二维图上的一堆数据点，看起来像是3臂的螺旋，有点像银河系），所有点都属于其中一个这些武器。 神经网络的工作是对每个点属于哪个分支进行分类。 这不是我自己的逻辑。 反向传播，神经元权重，损失函数，整流线性输出（relo.py）和优化器的数学也不是我的（显然是哈哈），但是它们的实现是。 该网络在独立测试数据上可达到85

  3. 所属分类：其它

    • 发布日期：2021-02-08
    • 文件大小：20480
    • 提供者：weixin_42138139

  1. ML-示例：Arm Machine Learning教程和示例-源码

  2. ML范例 使用的机器学习教程和示例的源代码。 项目和教程 手臂NN MNIST 使用Arm NN推理引擎部署TensorFlow MNIST模型。 Arm NN量化移动网络 使用Arm NN推理引擎部署TensorFlowLite量化MobileNet V1模型。 Arm开发人员网站（TBD）上的教程 是的，世界 使用TensorFlow探索手势识别并在Raspberry Pi 4 Model B，Pi 3和Pi Zero上转移学习。 多手势识别 从零开始训练卷积神经网络，以使用Tensor

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：80740352
    • 提供者：weixin_42129412

  1. NeuralNetwork.NET：受TensorFlow启发的神经网络库，它是在C＃7.3中为.NET Standard 2.0从零开始构建的，并通过cuDNN支持GPU-源码

  2. 它是什么？ NeuralNetwork.NET是一个.NET Standard 2.0库，它实现了具有可自定义层的顺序图和计算图神经网络，并使用C＃从头开始构建。 它提供了一些简单的API，这些API设计用于快速原型设计，以使用随机梯度下降法定义和训练模型，以及保存/加载网络模型及其元数据等的方法。 该库还公开了具有更高级功能的CUDA加速层，这些功能利用GPU和cuDNN工具包极大地提高了训练或使用神经网络时的性能。 免责声明：此库按原样提供，不再被积极维护。 NeuralNetwork.

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：11534336
    • 提供者：weixin_42126274

  1. NBA-Draft-Model-2018：Jupyter笔记本，概述了创建机器学习预测模型的过程。 根据众多统计数据，例如大学统计，预计的选秀顺位，身体状况和年龄，预测当前选秀中的“共赢”高峰。 我尝试了多种模型，并根据自己的判断为数据选择

  2. NBA草稿模型-2018 Jupyter笔记本概述了创建机器学习预测模型的过程。 根据众多统计数据，例如大学统计，预计的选秀顺位，身体状况和年龄，预测当前选秀中的“共赢”高峰。 我尝试了多种模型，并根据我的判断为数据选择了性能最好的模型。 使用线性回归，神经网络多层感知器回归，岭回归，套索回归和线性支持向量回归。 所有模型都是使用scikit-learn创建的。 数据库由RealGm，Basketball Reference和NBA.com从零开始构建。 *由于数据库是从头开始构建的，

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：147456
    • 提供者：weixin_42114580

  1. 使用Python进行机器学习：用于理解核心概念的小型机器学习项目。 给星星:glowing_star:如果有帮助的话。 奖金：面试银行来了..！-源码

  2. Python机器学习 小型机器学习项目，以了解核心概念（顺序：从最早到最新） 使用带有新闻组20数据集的潜在Dirichlet分配进行主题建模，并使用Python和Scikit-Learn实现 在MNIST数据集上实现了用Keras构建的简单神经网络 使用线性回归的Google股票价格预测 实现了一个简单的社交网络来学习Python基础 实施Naives Bayes分类器以过滤SpamAssasin公共语料库上的垃圾邮件 使用Keras和Scikit-Learn的银行数据集的客户流失预测模型

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：751616
    • 提供者：weixin_42109545

  1. fastai：fastai深度学习库-源码

  2. 欢迎来到法泰 fastai使用现代最佳实践简化了快速而准确的神经网络的训练 重要提示：本文档涵盖fastai v2，这是对fastai的从零开始的重写。 v1文档已移至 。 要阻止fastai更新到v2，请在终端中运行echo 'fastai 1.*' >> $CONDA_PREFIX/conda-meta/pinned （如果使用conda）。 正在安装 您可以使用使用fastai而不进行任何安装。 实际上，本文档的每个页面也都可以作为交互式笔记本使用-单击任何页面顶部的“在col

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：45088768
    • 提供者：weixin_42114580

  1. Machine-Learning-Projects:我为学习ML-DL概念所做的简单的基于应用程序的项目列表-源码

  2. 机器学习和深度学习简单（基于应用程序）项目 该存储库包含完成的简单实践项目，以学习ML和DL概念。 每个单独的文件夹都包含一个单独的项目，并且文件夹本身中包含该项目的自述文件。 我还附有我的课程证书。 项目清单是： 使用支持向量机的面部识别：使用numpy实现SVM，然后将其用于执行小型数据集的基本面部识别任务。 使用Yellowbrick分析混凝土的抗压强度：使用简单的回归分析，使用kaggle上的可用数据集来预测混凝土的抗压强度。 从零开始开发人工神经网络以执行股价预测：使用使用skl

  3. 所属分类：其它

    • 发布日期：2021-04-01
    • 文件大小：10485760
    • 提供者：weixin_42101056

  1. DEEP_IMPLEMENTS-源码

  2. DEEP_IMPLEMENTS 这个项目是我使用pytorch从零开始实现流行的深度神经网络体系结构的地方。 该项目主要基于pytorch库进行设计，例如学习仅在torchvision库中给出的分类架构。 内容 影像数据 亚历克斯网 VGG16 资源网 起始时间 序列数据 RNN，LSTM，GRU n全部 注意力 变形金刚 如何使用它 有两个主要文件夹src和notebooks 。 notebooks具有实现的jupyter笔记本和python文件的src 。 我先在笔记本上实现，然后在p

  3. 所属分类：其它

    • 发布日期：2021-03-28
    • 文件大小：4194304
    • 提供者：weixin_42139429