您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. Java机器学习.pdf

  2. 机器学习是人工智能的一个分支,它在算法与数据的协助下,让计算机像人类一样学习和行 动。针对给定的数据集,机器学习算法会学习数据的不同属性,并对以后可能遇到的数据属性进 行推断。 本书教你如何使用Java创建并实现机器学习算法,既有基础概念的讲解,也有示例供你学习。 当然,还会介绍一些常用的机器学习库,如Weka、 Apache Mahout、 Mallet等。阅读本书后,你 将懂得如何为特定问题选择合适的机器学习方法,以及如何比较与评估不同技术的优劣。书中还 会讲解性能提升技术,包括输入预处理
  3. 所属分类:Java

    • 发布日期:2019-07-15
    • 文件大小:5242880
    • 提供者:qq_35409106
  1. 利用深度神经网络进行基本图像分类

  2. 利用深度神经网络进行基本图像分类 此代码在colab已经经过测试并且可以查看TensorBoard:地址 环境:Tensorflow-2.1.0、Python3.6、google colab In[1]: import ssl ssl._create_default_https_context = ssl._create_unverified_context # 不知道为什么在本地的jupyter notebook上无法导入fashion_mnist数据集(本地需要,google colab不需
  3. 所属分类:其它

    • 发布日期:2020-12-23
    • 文件大小:105472
    • 提供者:weixin_38630324
  1. 一文读懂卷积神经网络(CNN)

  2. 本文来自于腾讯云,全文阐述了卷积神经网络的基本结构和原理,希望对您的学习有帮助。先明确一点就是,DeepLearning是全部深度学习算法的总称,CNN是深度学习算法在图像处理领域的一个应用。第一点,在学习Deeplearning和CNN之前,总以为它们是很了不得的知识,总以为它们能解决很多问题,学习了之后,才知道它们不过与其他机器学习算法如svm等相似,仍然可以把它当做一个分类器,仍然可以像使用一个黑盒子那样使用它。第二点,DeepLearning强大的地方就是可以利用网络中间某一层的输出当做
  3. 所属分类:其它

    • 发布日期:2021-02-25
    • 文件大小:286720
    • 提供者:weixin_38620267
  1. 一文读懂卷积神经网络(CNN)

  2. 本文来自于腾讯云,全文阐述了卷积神经网络的基本结构和原理,希望对您的学习有帮助。先明确一点就是,DeepLearning是全部深度学习算法的总称,CNN是深度学习算法在图像处理领域的一个应用。第一点,在学习Deeplearning和CNN之前,总以为它们是很了不得的知识,总以为它们能解决很多问题,学习了之后,才知道它们不过与其他机器学习算法如svm等相似,仍然可以把它当做一个分类器,仍然可以像使用一个黑盒子那样使用它。第二点,DeepLearning强大的地方就是可以利用网络中间某一层的输出当做
  3. 所属分类:其它

    • 发布日期:2021-01-27
    • 文件大小:286720
    • 提供者:weixin_38744270
  1. network-deconvolution-pp-源码

  2. 在训练深度神经网络中利用不变性 受动物视觉系统中两种基本机制的启发,我们引入了一种特征转换技术,该技术在训练深度神经网络时强加不变性。 生成的算法需要较少的参数调整,可以以1.0的初始学习率很好地训练,并且可以轻松地推广到不同的任务。 我们使用数据中的本地统计数据来执行尺度不变性,以对齐在不同情况下生成的相似样本。 为了加快收敛速度​​,我们使用从批次提取的全局统计信息来强制执行GL(n)-不变性,即在基础变化下梯度下降解应保持不变。 经过对ImageNet,MS COCO和Cityscapes
  3. 所属分类:其它

    • 发布日期:2021-04-01
    • 文件大小:6291456
    • 提供者:weixin_42168902
  1. 通过异构深度神经网络对高光谱图像进行监督分类

  2. 在本文中,提出了一种新的基于异构神经网络的深度学习方法,称为HNNDL,用于对带有少量标记样本的高光谱图像(HSI)进行监督分类。 具体来说,将深度神经网络(DNN)和卷积神经网络(CNN)组合起来以构建HNNDL体系结构。 所提出的体系结构包含三个模块:1)降维和特征提取,2)训练像素级DNN和CNN,3)由上述分类器生成的两个软概率图上基于双边滤波的决策级融合。 这种异构深度学习架构背后的基本原理是,他们可以充分利用每个网络的互补能力,从而学习更多抽象和更强大的本地光谱空间信息,从而提高HS
  3. 所属分类:其它

    • 发布日期:2021-03-27
    • 文件大小:3145728
    • 提供者:weixin_38706824