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. Udacity-源码

  2. Udacity 单元1：Numpy 单元2：McCulloch Pitts Neuron 单元3：感知器神经元 单元4：sigmod神经元 单元5：前馈神经网络 模块6：通用类 模块7：多类分类 单元8：向量化 模块9：反向传播 模块10：优化算法 模块11：Pytorch基础知识 单元12：Pytorch深度神经网络 模块13：Pyorch DNN Cuda支持 模块14：Pyorch DNN Cuda支持：激活 模块15：Pytorch深度神经网络自动编码器 模块16：Pytorch：嵌入和

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：119537664
    • 提供者：weixin_42116650

  1. Assignment1-源码

  2. 1.型号 1.1反向传播（BP）神经网络模型 BP神经网络模型是由输入层，隐藏层和输出层组成的三层前馈网络。每层包含几个断开的神经元节点，相邻节点根据一定的权重相连。信息传输的方向是从输入层到隐藏层再到输出层。在输入层和隐藏层之间存在转移矩阵，在隐藏层和输出层之间存在转移矩阵。如果实际输出与预期输出之间的差不能满足要求的误差，则将误差值沿网络路径逐层反馈，并校正每一层的连接权重和阈值。 1.2人工蜂群算法的BP神经网络模型优化 人工蜂群（ABC）算法的灵感来自于蜂的智能行为。在ABC算法中，

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：5242880
    • 提供者：weixin_42137539

  1. BNeuralT:反向传播神经树（BNeuralT）-源码

  2. 反向传播神经树 使用反向传播算法的临时神经树生成和训练 算法 BNeuralT是一种用于从数据中学习的机器学习算法。在此处给出的示例中，将BNeuralT应用于三类学习问题：分类，回归和模式识别。算法的优势在于生成低复杂度和高性能模型的效率和鲁棒性。 依赖关系和配置 BNeuralT算法是用Eclipse版本2020-03的编写的，具有以下依赖性。 该算法使用EJML的 JSON对象用于以json格式保存经过训练的模型。 用于SVG模型文件。 MLP算法和python脚本是用编写的，具有以

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：126877696
    • 提供者：weixin_42132598

  1. -BackPropagation-:反向传播算法yapay sinirağıtasarımı-源码

  2. -反向传播- 反向传播算法，例如yapay sinirağıtasarımı。 Projeye eklenmesi gereken jarkütüphaneleri

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：883712
    • 提供者：weixin_42116791

  1. convolutionNerualNetwork:卷积神经网络-源码

  2. 卷积神经网络 测试 运行testCNNGradient.m文件，该算法使用反向传播算法计算一个具有多通道，3卷积层，3池化层，2个全连接层，一个softmax层的网络的梯度，并同时使用双侧差分方法近似如果一切正确，将完成对4948个w的偏导数验证，79个b的偏导数验证。 算法 向前传播算法计算成本 反向传播算法计算梯度

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：20480
    • 提供者：weixin_42171132

  1. cs6910-Assignment-1:深度学习[CS20M005，CS20M016]-源码

  2. CS6910深度学习[CS20M005，CS20M016] -Gradient_Descent_Solution [1-7] .iypnb 问题1-7在单个文件Gradient_Descent_Solution [1-7] .iypnb中实现该代码在fashion_mnist数据集上实现前向神经网络的反向传播算法，具有以下功能。 Optimizers :Stochastic,NAG,Momentum,RMSPorp,Adam,Nadam Activation Fu

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：335872
    • 提供者：weixin_42134144

  1. Playing-with-Matrices-CSharp:我只是对一些代码做一些性能比较-源码

  2. 玩矩阵C＃ 我只是在编写一些代码，对包含浮点信息的矩阵进行一些性能比较。 老实说，我只想看看当我重复使用在中间步骤中分配的内存，同时可以进行正向和反向传播时会发生什么，但是首先我需要弄清楚将要使用的算法的正确实现。

  3. 所属分类：其它

    • 发布日期：2021-03-13
    • 文件大小：19456
    • 提供者：weixin_42118423

  1. statistics_model:统计学系模型实现-源码

  2. 统计学习模型学习笔记 记录统计学习模型学习过程中的笔记，其中包括使用sklearn来测试模型，同时包括自己构建模型来实现模型的训练等等。 统计学系方法概论 感知机 k近邻法 k均值 增加k-means聚类算法。 朴素贝叶斯法 决策树 逻辑斯蒂回归与最大熵模型 其中增加了线性回归的推导。 支持向量机 提升方法 AdaBoost 增加AdaBoost方法。 EM算法及其推广 隐马尔可夫模型 条件随机场 深度学习 额外增加神经网络这一章节补充神经网络相关知识，主要是BP误差反向传播算法的推导。 有线电

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：1048576
    • 提供者：weixin_42144707

  1. fcBpNerualNetwork:全连接bp神经网络-源码

  2. 全连接神经网络 应用 手写数字识别0〜9 使用mnist训练集 训练集为50000张图片 测试集为10000张图片 达到的效果拟合度99.70％，测试集上准确率98.38％ ，在训练了28个epoth获得 算法细节 使用反向传播算法计算梯度dw和db 采用L2正则化 采用随机梯度下降算法 min-batch大小为10 使用fmincg高级优化算法执行渐变下降的单次迭代 数据归一化 参数初始化 生成第l层的w和b，k为第l-1层的神经元个数 使用方差为1 / k的高斯分布生成w，方差为1的高斯分布

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：17408
    • 提供者：weixin_42117116

  1. neuro-js:反向传播学习的神经网络算法的另一种实现-源码

  2. Nuero-JS 带有反向传播学习的神经网络算法的另一种实现。 演示版 在GitHub页面上查看演示： :

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：91136
    • 提供者：weixin_42171132

  1. AutoDiff:通过轮廓积分自动区分-源码

  2. 自动差异 通过轮廓积分自动区分 动机： 科学家之间先前曾有过来回的争论，例如大脑等生物网络是否可以计算导数。 我之前已经明确表示了我在此问题上的立场： : 标准的反驳是，反向传播在生物学上不可行，但偏导数对于闭环控制非常有用，因此我们面临着一个我们不能忽视的基本问题。 大脑和其他生物系统中的大型分支结构如何计算衍生物？ 经过一番思考后，我意识到，由于柯西（Cauchy积分公式）的原因，在复杂分析中的重要结果可用于使用蒙特卡洛方法以信号的简单正向传播来计算导数。 顺便说一句，柯西还发现了

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：152576
    • 提供者：weixin_42165980

  1. machine-learning-coursera-python:该存储库包含由斯坦福大学在Coursera上执行的Andrew Ng的机器学习课程的某些编程作业的python实现-源码

  2. 机器学习课程python 该存储库包含由Stanford University创建的Andrew Ng在Coursera上的机器学习课程的某些编程作业的python实现。 编程练习1：线性回归在本练习中，您将实现线性回归并了解它如何在现实世界的数据集上工作。 编程练习2：逻辑回归在本练习中，您将实现逻辑回归并将其应用于两个不同的数据集。 编程练习3：多类分类和神经网络在本练习中，您将实现神经网络对所有逻辑回归和前馈传播的识别，以识别手写数字。 编程练习4：神经网络学习在本练习中，您将为

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：1048576
    • 提供者：weixin_42116596

  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. 机器学习课程-AndrewNg：我的第一门机器学习课-源码

  2. 机器学习课程AndrewNg 我的第一门机器学习课 week1：具有一个变量的线性回归； 线性代数复习; week2：具有多个变量的线性回归； Matlab教程； 第3周：逻辑回归； 正规化； 第4周：神经网络及其应用； 第5周：神经网络中的成本函数； 前馈反向传播第6周：评估学习算法； 偏差与方差; 第7周：支持向量机（SVM）； 谷粒; 第八周：无监督学习； 聚类k均值PCA； 第9周：异常检测； （多元）高斯分布； 推荐系统； 协同过滤； 平均归一化第10周：随机； 小批量在线学习; 地

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：122683392
    • 提供者：weixin_42109178

  1. 带神经网络的手写数字识别：实现神经网络的反向传播算法，并将其应用于手写数字识别的任务-源码

  2. 神经网络手写数字识别 吴安德（Andrew Ng）在Coursera上的机器学习课程中的编程作业4。 课程信息可以在这里找到。 该编程练习实现了神经网络的反向传播算法，并将其应用于手写数字识别的任务。 这套包括： ex4.mlx-逐步执行练习的MATLAB Live脚本 ex4.pdf-此练习的信息 ex4data1.mat-手写数字训练集 ex4weights.mat-练习4的神经网络参数 Submit.m-将您的解决方案发送到我们的服务器的提交脚本 displayData.m-帮助可

  3. 所属分类：其它

    • 发布日期：2021-03-01
    • 文件大小：7340032
    • 提供者：weixin_42126749

  1. 深度学习-反向指导-源码

  2. 深度学习역멘토링 2020年ibksystem发行商。 讲座1 1.1机器学习简介 机器学习의정의 机器学习의 지도학습（监督学习） KNN分类 线性回归 비지도학습（无监督学习） K均值聚类 1.2线性回归 梯度下降学习率 过度拟合 正则化 早停 1.3梯度下降优化算法 批次梯度下降 随机梯度下降（SGD） 唠叨 势头 阿达格勒 道具 亚当 1.4二进制分类 逻辑回归 交叉熵 1.5多项式分类 softmax 1.6실습 자료 第二讲 2.1神经网络介绍 人工神经网络的历史 2.2多

  3. 所属分类：其它

    • 发布日期：2021-02-19
    • 文件大小：3145728
    • 提供者：weixin_42133753

  1. 反向传播算法-源码

  2. 反向传播算法

  3. 所属分类：其它

    • 发布日期：2021-02-11
    • 文件大小：3145728
    • 提供者：weixin_42131861

  1. Practical_DL：由YSDA，HSE和Skoltech共同开发的DL课程-源码

  2. 深度学习课程 此仓库补充了YSDA和HSE fall'20教授的深度学习课程。 对于先前的迭代，请访问。 每周的讲座和练习资料位于./week*文件夹中。 您可以在本地或在Google colab中完成所有分配（请参阅本周的自述文件*） 基本信息 电报（俄语）。 截止日期和评分规则可在上找到。 任何技术问题，想法，课程材料中的错误，贡献想法-添加 教学大纲 week01深度学习入门 演讲：深度学习-简介，反向传播算法，自适应优化方法 研讨会：numpy中的神经网络 作业1出炉了！

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：24117248
    • 提供者：weixin_42127369

  1. 数字识别：在带有MATLAB的人工神经网络上使用反向传播算法进行数字识别。 来自MNSIT的数据集-源码

  2. 数字识别：在带有MATLAB的人工神经网络上使用反向传播算法进行数字识别。 来自MNSIT的数据集

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：26214400
    • 提供者：weixin_42150360

  1. Digit-Recognition-ANN：在MNIST数据集上使用反向传播训练人工神经网络-源码

  2. 数字识别 在这个项目中，我们在MNIST数据集上使用反向传播算法在一层隐藏层上训练我们自己的ANN，这以后可以帮助我们的机器识别给定的数字。 有关数据集的更多信息 数据集的信息和文档可在以下网站找到：http: 初始化数据集 数据集由矩阵组成，其中每个图像均以1x784的形式表示 按照文件imageProjection.m中的代码投影/可视化图像 在Theory文件夹中的pdf文件中提供了下载数据集的链接 init（）函数初始化数据集 我们建立一个更大的训练数据集，其中包含每个班级的图像，即，

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：51380224
    • 提供者：weixin_42131443
« 12 »