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. 神经网络与深度学原理精讲视频教程

  2. 深度学习视频讲座：2017年最新深度学习视频讲座(全套百度网盘资源链接) 【课程内容】 第01课 跌宕起伏70年：神经网络发展概述 第02课 线性神经网络 第03课 BP神经网络应用 第04课 能联想和记忆的Hopfield神经网络 第05课 模拟退火算法与Boltzmann机 第06课 受限Boltzmann机RBM与应用RBM进行协同过滤 第07课 深度置信网络：利用堆叠的RBM进行权值预训练，应用于图像编码与解码，图像识别 第08课 万能逼近器：径向基神经网络 PCA与SVM神经网络 第

  3. 所属分类：Java

    • 发布日期：2018-05-23
    • 文件大小：152
    • 提供者：kuaileren003

  1. Deep learning Technical introdunction

  2. 最全的DNN概述论文：详解前馈、卷积和循环神经网络技术；论文技术性地介绍了三种最常见的神经网络：前馈神经网络、卷积神经网络和循环神经网络。且该文详细介绍了每一种网络的基本构建块，其包括了基本架构、传播方式、连接方式、激活函数、反向传播的应用和各种优化算法的原理。

  3. 所属分类：深度学习

    • 发布日期：2018-10-07
    • 文件大小：1048576
    • 提供者：yph001

  1. 卷积神经网络研究综述-李彦东-计算机应用-2016.rar

  2. 本文是李彦东对卷积神经网络从概念创建到2016年的发展概述，对各个CDNN算法的优缺点等方面进行比较分析。

  3. 所属分类：互联网

    • 发布日期：2020-05-07
    • 文件大小：1048576
    • 提供者：wsbeibei

  1. 卷积神经网络研究综述-周飞燕-计算机学报-2017.rar

  2. 周飞燕在2017年的计算机学报发表的一篇《卷积神经网络研究综述》，里面对卷积神经网络从开始有这个概念到2017年的发展历程，以及各个算法的优缺点等进行了综合概述。

  3. 所属分类：教育

    • 发布日期：2020-05-07
    • 文件大小：2097152
    • 提供者：wsbeibei

  1. 卷积神经网络的概述论文：分析、应用和展望（21页全文）.pdf

  2. 在这篇综述中，我们的目标是在这个快速增长的领域提供尽可能多的新想法和前景。不仅涉及到二维卷积，还涉及到一维和多维卷积。首先，这篇综述首先简单介绍了CNN的历史。第二，我们提供CNN的概述。第三，介绍了经典的和先进的CNN模型，特别是那些使他们达到最先进的结果的关键点。第四，通过实验分析，得出一些结论，并为函数选择提供一些经验法则。第五，介绍了一维、二维和多维卷积的应用。最后，讨论了CNN的一些有待解决的问题和有发展前景的方向，为今后的工作提供参考。

  3. 所属分类：机器学习

    • 发布日期：2020-04-07
    • 文件大小：3145728
    • 提供者：syp_net

  1. 卷积神经网络研究综述_周飞燕.pdf

  2. 该文首先概述了卷积神经网络的发展历史,然后分别描述了神经元模型、多层感知器的结构.接着,详细分析了卷积神经网络的结构,包括卷积层、池化层、全连接层,它们发挥着不同的作用.然后,讨论了网中网模型、空间变换网络等改进的卷积神经网络.同时,还分别介绍了卷积神经网络的监督学习、无监督学习训练方法以及一些常用的开源工具.此外,该文以图像分类、人脸识别、音频检索、心电图分类及目标检测等为例,对卷积神经网络的应用作了归纳.卷积神经网络与递归神经网络的集成是一个途径.为了给读者以尽可能多的借鉴,该文还设计并试验

  3. 所属分类：深度学习

    • 发布日期：2020-04-02
    • 文件大小：3145728
    • 提供者：olivia_ye

  1. 1 新技术篇-机器学习概述.pdf

  2. 机器学习在中国,随着人们物质基础得提升,寿命的增长以及环境的影响,癌症每年正以...以及正在被应用于癌症研究的新技术、新方法,什么是机器学习? 不同的定义: “机器学习是一门人工智能的科学,主 要研究对象是人工智能,特别是如何在 raining Data 经验学习中改善具体算法的性能。” “机器学习是对能通过经验自动改进的 计算机算法的研究。” Random Tuning 机器学习是使用数据或以往的经验 Learning Algorithm 以此优化计算机程序的性能标准 ◇总结如下: 人工智能的

  3. 所属分类：机器学习

    • 发布日期：2019-07-06
    • 文件大小：621568
    • 提供者：u010461615

  1. 卷积神经网络全面解析.pdf

  2. 卷积神经网络（CNN）概述，从多层感知器（MLP）说起，感知器 多层感知器 输入层 隐层 隐层 输出层 Back Propagation 存在的问题

  3. 所属分类：机器学习

    • 发布日期：2020-07-24
    • 文件大小：989184
    • 提供者：lijigang100

  1. Tensorflow实现卷积神经网络的详细代码

  2. 本文实例为大家分享了Tensorflow实现卷积神经网络的具体代码，供大家参考，具体内容如下 1.概述 定义： 卷积神经网络（Convolutional Neural Network,CNN）是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。它包括卷积层(alternating convolutional layer)和池层(pooling layer)。 卷积层（convolutional layer）： 对输入数据应用若干过滤器，一个输入参

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：78848
    • 提供者：weixin_38631599

  1. TensorFlow深度学习之卷积神经网络CNN

  2. 一、卷积神经网络的概述 卷积神经网络（ConvolutionalNeural Network，CNN）最初是为解决图像识别等问题设计的，CNN现在的应用已经不限于图像和视频，也可用于时间序列信号，比如音频信号和文本数据等。CNN作为一个深度学习架构被提出的最初诉求是降低对图像数据预处理的要求，避免复杂的特征工程。在卷积神经网络中，第一个卷积层会直接接受图像像素级的输入，每一层卷积（滤波器）都会提取数据中最有效的特征，这种方法可以提取到图像中最基础的特征，而后再进行组合和抽象形成更高阶的特征，因此

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：141312
    • 提供者：weixin_38682279

  1. [cv] MTCNN 多任务卷积神经网络

  2. 参考： 用包代码：https://blog.51cto.com/gloomyfish/2319246 不用包代码：http://www.sfinst.com/?p=1683 MTCNN模型概述 多任务卷积神经网络(MTCNN)实现人脸检测与对齐是在一个网络里实现了人脸检测与五点标定的模型，主要是通过CNN模型级联实现了多任务学习网络。整个模型分为三个阶段，第一阶段通过一个浅层的CNN网络快速产生一系列的候选窗口；第二阶段通过一个能力更强的CNN网络过滤掉绝大部分非人脸候选窗口；第三阶段通过一个能

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：367616
    • 提供者：weixin_38698860

  1. 卷积神经网络概述

  2. 本人小白，学习中有什么问题可以指出 卷积神经网络是什么？ 卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深 度结构的前馈神经网络，是多层感知机（MLP）的变种，本质是一个多层感知机，但由于 其采用了局部连接和权值共享的方式，一方面减少了权值数量使得网络易于优化，另一方 面也降低了模型的复杂度，减少了过拟合的风险。 卷积神经网络在输入图像时，优势表现的更为明显，其可以使图像直接作为网络的输入， 避免了传统识别算法中复杂的特征提取及数据重

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：207872
    • 提供者：weixin_38719578

  1. Saudi-Riyal-Image-Recognition:卷积神经网络的沙特里亚尔图像识别-源码

  2. 沙特里亚尔图像识别 演示版 概述 这是一个简单的图像分类Flask应用程序，在Keras API的顶部进行了培训。 经训练的模型（ cnnModel.h5 ）拍摄图像（沙特阿拉伯里亚尔）作为输入，并从1，5，10，20，50，100，200，500面额预测类的图像。 动机 当我浏览一些研究论文时，对货币图像进行分类的想法震惊了我。 我找不到与之相关的任何相关研究论文（当然还有数据集！）。 这导致我收集了沙特阿拉伯里亚尔的图像，并使用惊人的工具来训练深度学习模型。 技术方面 该项目分为三个部分：

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：481280
    • 提供者：weixin_42172972

  1. 交通标志分类器：用于交通标志分类器的卷积神经网络-源码

  2. 交通标志分类器 用于交通标志分类器的卷积神经网络 ！[替代文字]（'./自述图片'） 概述 在此代码中，使用了深度神经网络和卷积神经网络对交通标志进行分类。 该模型经过了培训和验证，因此可以使用“对交通标志图像进行分类。 训练模型后，对来自网络的随机交通标志（即德国交通标志）进行了测试。 该项目 这项工作的目标/步骤如下： 加载数据集 探索，总结和可视化数据集 设计，训练和测试模型架构 使用模型对新图像进行预测 分析新图像的softmax概率 数据集和存储库 下载数据集。 调整了数据集的大小，

  3. 所属分类：其它

    • 发布日期：2021-02-28
    • 文件大小：1048576
    • 提供者：weixin_42138780

  1. 卷积神经网络概述及python实现

  2. 对于卷积神经网络（CNN）而言，相信很多读者并不陌生，该网络近年来在大多数领域都表现优异，尤其是在计算机视觉领域中。但是很多工作人员可能直接调用相关的深度学习工具箱搭建卷积神经网络模型，并不清楚其中具体的原理。本文将简单介绍卷积神经网络（CNN），方便读者大体上了解其基本原理及实现过程，便于后续工作中的实际应用。本文将按以下顺序展开：1.了解卷积操作2.了解神经网络3.数据预处理4.了解CNN5.了解优化器6.理解ImageDataGenerator7.进行预测并计算准确性8.demo在数学（尤

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：299008
    • 提供者：weixin_38698367

  1. CarND交通标志分类器项目：使用Python和Tensorflow构建的交通标志分类神经网络-源码

  2. 项目：深度学习中的交通标志识别 概述 在这个项目中，使用python和TensorFlow来构建和训练卷积神经网络来对交通标志进行分类。 该模型在集中的交通标志图像上经过了验证。 该项目的详细文章可以在找到。 计划摘要 该项目的目标/步骤如下： 加载数据集 探索，总结和可视化数据集 设计，训练和测试模型架构 使用模型对新图像进行预测 分析新图像的softmax概率 依存关系 本实验要求： 可以使用CarND Term1入门工具包创建实验室环境。 单击了解详细信息。 数据集和存储库 下载数据集。

  3. 所属分类：其它

    • 发布日期：2021-02-19
    • 文件大小：12582912
    • 提供者：weixin_42134097

  1. RHGNN：通过PyTorch中的强化学习进行的自适应双曲图卷积神经网络-源码

  2. PyTorch中的RAHGCN 1.概述 该存储库是PyTorch中通过强化学习（RAHGCN）实现的自适应双曲图卷积神经网络。 下游任务包括： 链接预测（ lp ） 节点分类（ nc ） 2.设定 2.1下载代码 首先从Github下载源代码。 git clone gitgithub.com:fuxingcheng/RHGNN.git" cd rahgcn 2.2启动虚拟环境 我们建议在虚拟环境中设置我们的项目。 您可以选择conda或virtualenv来创建和管理虚拟环境。 如果

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：6291456
    • 提供者：weixin_42129300

  1. gcn-over-pruned-trees：修剪后的依赖树上的图形卷积可改善关系提取（作者的PyTorch实现）-源码

  2. 修剪后的依赖树上的图卷积用于关系提取 此回购包含PyTorch代码，用于修剪。 本文/代码在修剪的依赖树上引入了图卷积神经网络（GCN），用于关系提取的任务。 还引入了一种特殊的树修剪技术，称为“以路径为中心的修剪”，以从树中消除不相关的信息，同时最大程度地维护相关信息。 与诸如各种基于LSTM的模型之类的序列模型相比，此GCN模型利用依赖结构桥接远程单词，因此提高了远程关系的性能。 与以前的递归模型（如TreeLSTM）相比，此GCN模型在获得更好的性能的同时，也更早地实现了并行化，因此效率

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：616448
    • 提供者：weixin_42144086

  1. In-Prestissimo：针对移动平台进行了优化的非常快速的神经网络计算框架。QQ群：676883532【验证信息输入：绝影】-源码

  2. 绝影 绝影（英文，Prestissimo）是一个较小的移动端的轻量级高级神经网络前向计算框架。ios，android上的速度均快于目前的开源框架（ncnn，mdl等等）。 功能概述 基础功能 支持卷积神经网络，支持多输入和多分支结构 精炼简洁的API设计，使用方便 提供调试接口，支持打印各个层的数据以及耗时 不依赖任何第三方计算框架，整体库体积500K左右（32位约400k，64位约600k） 纯C ++实现，跨平台，支持android和ios 模型为纯二进制文件，不暴露开发者设计的网络结构 极

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：32505856
    • 提供者：weixin_42119866

  1. 卷积神经网络概述及python实现

  2. 对于卷积神经网络（CNN）而言，相信很多读者并不陌生，该网络近年来在大多数领域都表现优异，尤其是在计算机视觉领域中。但是很多工作人员可能直接调用相关的深度学习工具箱搭建卷积神经网络模型，并不清楚其中具体的原理。本文将简单介绍卷积神经网络（CNN），方便读者大体上了解其基本原理及实现过程，便于后续工作中的实际应用。本文将按以下顺序展开：1.了解卷积操作2.了解神经网络3.数据预处理4.了解CNN5.了解优化器6.理解ImageDataGenerator7.进行预测并计算准确性8.demo 在数学（

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：299008
    • 提供者：weixin_38630697
« 12 3 4 »