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. 卷积神经网 CNN C++ 实现

  2. 卷积神经网 CNN C++的 实现 基于 mnist 数据 里面已经包含数据集

  3. 所属分类：C++

    • 发布日期：2016-05-15
    • 文件大小：13631488
    • 提供者：u012742806

  1. 如何用卷积神经网络快速打造图片识别应用

  2. 课程目标 • Tensorflow的基础介绍 • 卷积神经网络的基本概念 • TF-Slim的了解和掌握 • 使用TF的代码资源，快速打造一个图像 识别引擎

  3. 所属分类：机器学习

    • 发布日期：2017-09-07
    • 文件大小：1048576
    • 提供者：bxjgood66

  1. 经典的卷积神经网手写字母识别代码

  2. 结合代码和文档学习更快，这是最原始的代码，你可以逐步调试理解每步参数的变化，设置网络层次结构修改卷积核数量，大小，迭代次数等，当你修改卷积核大小和层次结构时要注意图像大小的变化，出现图像是奇数，下采样是 偶数就会运行出错

  3. 所属分类：深度学习

    • 发布日期：2017-09-08
    • 文件大小：14680064
    • 提供者：dingyahui123

  1. Scikit-Learn and TensorFlow

  2. 通过具体的例子、很少的理论以及两款成熟的Python框架：Scikit-Learn和TensorFlow，作者Aurélien Géron会帮助你掌握构建智能系统所需要的概念和工具。你将会学习到各种技术，从简单的线性回归及发展到深度神经网络。每章的练习有助于你运用所学到的知识，你只需要有一些编程经验就行了。 　　探索机器学习，尤其是神经网络 　　使用Scikit-Learn全程跟踪一个机器学习项目的例子 　　探索各种训练模型，包括：支持向量机、决策树、随机森林以及集成方法 　　使用Tensor

  3. 所属分类：机器学习

  1. 香港科技大学TensorFlow三天速成课件

  2. 香港科技大学发布的极简 TensorFlow 入门教程。第一天先介绍了深度学习和机器学习的潜力与基本概念。第二天详细地讨论了卷积神经网。第三天详解了循环神经网络。

  3. 所属分类：深度学习

    • 发布日期：2017-10-10
    • 文件大小：59768832
    • 提供者：bladethirst1234

  1. 合成孔径雷达图像目标的卷积神经网识别框架

  2. 合成孔径雷达图像目标，完成目标识别 功能，使用了深度卷积神经网络，对比了不同规模网络的效果。

  3. 所属分类：深度学习

    • 发布日期：2017-12-14
    • 文件大小：749568
    • 提供者：wjbwjbwjbwjb

  1. 面向视觉识别的卷积神经网络

  2. 面向视觉识别的卷积神经网络，斯坦福大学权威课程资料。

  3. 所属分类：机器学习

    • 发布日期：2018-08-10
    • 文件大小：68157440
    • 提供者：shryan111111

  1. 解析卷积神经网络

  2. 本书从实用角度着重解析了深度学习中的一类神经网络模型——卷积神经网 络，向读者剖析了卷积神经网络的基本部件与工作机理，更重要的是系统性的 介绍了深度卷积神经网络在实践应用方面的细节配置与工程经验。笔者希望本 书“小而精”，避免像某些国外相关书籍一样浅尝辄止的“大而空”。

  3. 所属分类：深度学习

    • 发布日期：2018-08-16
    • 文件大小：50331648
    • 提供者：rocklqy

  1. 深度神经网络综述

  2. 由Poonam Sharma和Akansha Singh所写：深度学习在各种机器学习和计算机视觉应用中取得了显着的成功。 学习允许多个处理层自己学习功能，与传统的机器学习方法相反，而传统的机器学习方法无法以自然形式处理数据。 深度卷积网络在处理图像和视频方面表现出色，而循环神经网络在顺序数据方面取得了巨大成功。 本文回顾了迄今为止在该领域所做的所有方面和研究以及未来的可能性。

  3. 所属分类：算法与数据结构

    • 发布日期：2018-08-18
    • 文件大小：300032
    • 提供者：wjq1994

  1. 深入剖析卷积神经网CNN

  2. CNN_book，卷积神经网，Convolutional neural network

  3. 所属分类：深度学习

    • 发布日期：2018-10-04
    • 文件大小：47185920
    • 提供者：jichangzhen

  1. 基于半监督学习的SAR目标检测网络.pdf

  2. 现有的基于卷积神经网络(CNN)的合成孔径雷达(SAR)图像目标检测算法依赖于大量切片级标记的样 本，然而对SAR图像进行切片级标记需要耗费大量的人力和物力。相对于切片级标记，仅标记图像中是否含有目 标的图像级标记较为容易。该文利用少量切片级标记的样本和大量图像级标记的样本，提出一种基于卷积神经网 络的半监督SAR图像目标检测方法。该方法的目标检测网络由候选区域提取网络和检测网络组成。半监督训练过 程中，首先使用切片级标记的样本训练目标检测网络，训练收敛后输出的候选切片构成候选区域集；然

  3. 所属分类：机器学习

    • 发布日期：2020-03-04
    • 文件大小：46137344
    • 提供者：clly511

  1. 蒸发过程的解耦控制仿真实验平台.pdf

  2. 蒸发过程的解耦控制仿真实验平台pdf,蒸发过程的解耦控制仿真实验平台第21卷第l8期 009年9月 系统仿真学报 Sep.2009 curri+ u 采用如下的自逅应辨识算法 (1)X(t-l)e(t) T -Orp: cp Ir LoCx2-3 1) 1-X(t-1)X(t-1) OHF PHF CH (t-1)表示t-1时刻参数的基于强制循环蒸发系统 QHF PHe=QDx2+2PF 的非线性模型的估计 令输出变量n1=xy2=x2,并将上述几式分别带入式 如果e(l)>4△ (1)(

  3. 所属分类：其它

    • 发布日期：2019-10-08
    • 文件大小：973824
    • 提供者：weixin_38744153

  1. 基于卷积神经网络的车牌照字符识别研究

  2. 基于卷积神经网络的车牌照字符识别研究310 第十二届全国图象图形学学术会议 以充分利用人的经验来获取模式特征以及神经网 来正确识别所有样本;Uc4层是网络的输出层即识 终分类能力来识别字符,特征提取必须能反应整 个字符的特征,才能达到较高的识别率;后者则 别层,显示网络最终的模式识别结果。 省去特征抽取,将整个字符直接作为神经网络的 差异提取层Uc的输出姐式(1)所示 输入。这种方式虽然在一定程度上增加了神经网 络结构的复杂度,但是网络的抗干扰性能和识别 n(n,)=max{(-)∑a()l(n

  3. 所属分类：机器学习

    • 发布日期：2019-04-19
    • 文件大小：274432
    • 提供者：suiyu_eran

  1. HCNA-AI题库Q155（2020更新）.pdf

  2. Q1 关于 Python程序的描述正确的是? A.程序由模块组成 B.块包含语句。 C.句包含表达式 D.达式建立并处理对象 Answer: ABCI Q2 下面哪个袖体网终些构会发生版重其章 A卷积神经网绍 R循环神经网经 C.全连接神塋绪 D.以上都是 Answer: AB

  3. 所属分类：互联网

    • 发布日期：2020-06-06
    • 文件大小：642048
    • 提供者：weixin_47879083

  1. 计算机视觉之人脸学习（六）

  2. TensorFlow挑战Cifar-10图像分类任务 1.图像分类实际上就是给定一张图片，然后通过卷积神经网特征提取，通过提取的特征进行类别的判定 CIFAR-10数据集包含10小类，60000个32*32的彩色图像。有50000个训练图像和10000个测试图像。 数据集下载路径：http://www.cs.toronto.edu/~kriz/cifar.html 2.TensorFlow训练框架搭建 （1）Data(数据的读取和数据打包） （2）Net（网络的搭建，采用slim） （3）Los

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：412672
    • 提供者：weixin_38664612

  1. 基于卷积神经网络的生物式水质监测方法

  2. 生物式水质监测通常是先通过提取水生物在不同环境下的应激反应特征，再进行特征分类，从而识别水质。针对水质监测问题，提出一种使用卷积神经网 (CNN)的方法。鱼类运动轨迹是当前所有文献使用的多种水质分类特征的综合性表现，是生物式水质分类的重要依据。使用 Mask-ＲCNN 的图像分割方法，取鱼体的质心坐标，并绘制出一定时间段内鱼体的运动轨迹图像，制作正常与异常水质下两种轨迹图像数据集。融合 Inception-v3网络作为数据集的特征预处部分，重新建立卷积神经网络对 Inception-v3 网络提

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：1048576
    • 提供者：weixin_38741531

  1. 音乐流派分类：该项目旨在使用多个模型基于音频样本和不同的可视化技术对音乐流派进行分类，以理解数据-源码

  2. 音乐流派分类 关于该项目 该项目旨在使用多种模型基于音频样本和不同的可视化技术对音乐流派进行分类，以理解数据。 该项目的灵感来自上的代码，该代码实现了K-Nearest Neighbor方法来解决此问题。 这是该项目的起点。 数据集： : 笔记本电脑 从音频样本中提取梅尔频率倒谱系数（MFCC）。 包括K-最近邻方法对流派进行分类（来自 ）。 比较了具有不同K值的模型的准确性。 使用颜色图可视化的梅尔频率倒谱系数，以更好地理解数据并获得关于MFCC的更直观的视角。 比较了不同类型的MF

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：4194304
    • 提供者：weixin_42160645

  1. 结合多分辨率表示和复数域CNN的SAR图像目标识别方法

  2. 为了提高合成孔径雷达(SAR)图像目标的识别性能,将多分辨率表示与复数域卷积神经网(CNN)联合使用。首先通过对原始SAR图像的时频域进行处理,获得其多分辨率表示图像;然后采用复数域CNN分别对原始SAR图像及其多分辨率表示图像进行分类;接着对分类结果进行线性加权融合,根据融合结果对测试样本类别进行判决;最后基于MSTAR数据集对所提方法在标准和扩展的操作条件下进行实验。实验结果表明,所提方法具有有效性及稳健性。

  3. 所属分类：其它

    • 发布日期：2021-02-11
    • 文件大小：4194304
    • 提供者：weixin_38625098