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. 吴恩达老师深度学习课程作业用到的资源文件testCases_v2和planar_utils

  2. 第一课第三周浅层神经网络编程作业，两个文件，亲测可用！

  3. 所属分类：专业指导

    • 发布日期：2018-04-17
    • 文件大小：2048
    • 提供者：xiaotao_hit

  1. 吴恩达Coursera深度学习课程 deeplearning.ai (1-3) 浅层神经网络--作业（可执行源码）

  2. 吴恩达Coursera深度学习课程 deeplearning.ai (1-3) 浅层神经网络--作业（可执行源码）

  3. 所属分类：深度学习

    • 发布日期：2018-04-24
    • 文件大小：911360
    • 提供者：haoyutiangang

  1. 吴恩达深度学习课程第一课 第3周 浅层神经网络 编程作业（中、英文版本）

  2. 吴恩达老师 深度学习课程 第一课 神经网络和深度学习 第3周 浅层神经网络 编程作业 （有道翻译，有歧义的地方请参考原文）

  3. 所属分类：深度学习

    • 发布日期：2018-01-19
    • 文件大小：1048576
    • 提供者：tzy_1987

  1. BP神经网络前向&反向传播的手写数学公式推导.pdf

  2. 关于浅层神经网络之前向传播、后向传播的手写数学公式推导。

  3. 所属分类：深度学习

    • 发布日期：2019-05-22
    • 文件大小：4194304
    • 提供者：econe_wei

  1. 第三周浅层神经网络.rar

  2. 深度学习网络课程-浅层神经网络代码，博客地址： https://blog.csdn.net/sinat_18131557/article/details/98366429

  3. 所属分类：深度学习

    • 发布日期：2019-08-11
    • 文件大小：881664
    • 提供者：sinat_18131557

  1. 第三周：浅层神经网络.pdf

  2. 吴恩达深度学习与神经网络课程笔记。第三周：浅层神经网络(Shallow neural networks)

  3. 所属分类：深度学习

    • 发布日期：2020-07-03
    • 文件大小：1048576
    • 提供者：Yue_Zengying

  1. keras训练浅层卷积网络并保存和加载模型实例

  2. 这里我们使用keras定义简单的神经网络全连接层训练MNIST数据集和cifar10数据集： keras_mnist.py from sklearn.preprocessing import LabelBinarizer from sklearn.model_selection import train_test_split from sklearn.metrics import classification_report from keras.models import Sequential

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：195584
    • 提供者：weixin_38660327

  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. 卷积神经网络的金属表面缺陷自动检测与识别

  2. 自动金属表面缺陷检查在工业产品的质量控制方面已受到越来越多的关注。金属缺陷检测通常是针对复杂的工业场景执行的，这是一个有趣但具有挑战性的问题。传统的方法是基于图像处理或浅层机器学习技术的，但是这些方法只能在特定的检测条件下检测缺陷，例如在一定范围内或在特定的照明条件下，具有明显对比度高的低缺陷轮廓和低噪声的缺陷。本文讨论了一种通过双重过程自动检测金属缺陷的方法，该过程可以准确地定位和分类从实际工业环境中捕获的输入图像中出现的缺陷。设计了一种新颖的级联自动编码器（CASAE）架构，用于分割和定位缺

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：3145728
    • 提供者：weixin_38645266

  1. 利用卷积神经网络分析航拍图像来检测电力线绝缘子缺陷

  2. 由于电力线绝缘子的故障导致输电系统的故障，因此广泛使用基于空中平台的绝缘子检查系统。 绝缘子缺陷检测是针对航空图像中的复杂背景进行的，这提出了一个有趣但具有挑战性的问题。基于手工特征或浅层学习技术的传统方法只能在特定的检测条件下（例如何时）定位绝缘子并检测故障。在某些对象范围内或在特定照明条件下，具有足够的先验知识，背景干扰小。 本文讨论了使用航空图像自动检测绝缘子缺陷，准确定位从实际检查环境捕获的输入图像中出现的绝缘子缺陷的方法。我们提出了一种新颖的深度卷积神经网络（CNN）。级联体系结构，用

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：2097152
    • 提供者：weixin_38709100

  1. simple-neuralnet:3节点一维浅层神经网络-源码

  2. Numpy神经网络 3节点一维浅层神经网络 学习过程 结果

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：77824
    • 提供者：weixin_42131705

  1. Intrusion-Detection-Systems:这是研究论文“为网络安全中的网络入侵检测系统评估浅层和深层神经网络”的回购-源码

  2. 入侵检测系统 此回购协议包含研究论文“”的所有代码和数据集。 抽象的 ： 由于在当今世界对网络安全的强烈要求，入侵检测系统（IDS）已成为所有最新ICT系统中的必不可少的层。 IDS要求发现深度神经网络（DNN）的集成，包括发现攻击类型的不确定性和高级网络攻击的复杂性等原因。 在本文中，DNN已被用来预测对网络入侵检测系统（N-IDS）的攻击。 应用具有0.1的学习率的DNN并运行1000个纪元，并且KDDCup-'99'数据集已用于训练和对网络进行基准测试。 为了进行比较，该训练是在同一数

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：18874368
    • 提供者：weixin_42104947

  1. 基于特征整合的卷积神经网络草地分类算法

  2. 为提高遥感影像草地分类的精度，分析了卷积神经网络中提取图像特征的特点，提出了一种 基于特征整合深度神经网络的遥感影像特征提取算法。首先，将遥感影像数据进行PCA白化处理，降低 数据之间的相关性，加快神经网络学习的速率；其次，将从卷积神经网络中提取到的浅层特征和深层特征 进行双线性整合，使得整合后的新特征更加完善和优化；最后，对遥感数据进行训练，由于新特征中有效信 息的增加，使得特征表达能力得到提高，达到提高草地分类准确率的目的。实验结果表明：该算法能够有 效地提高草地分类的准确率，分类精度达到9

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：489472
    • 提供者：weixin_38689976

  1. 人工神经网络（ANN）及BP算法

  2. 本文来自于csdn，本文是主要介绍了神经网络应用在分类问题中效果，以及神经网络结构及算法，希望对您的学习有所帮助。1.1基本结构说明：通常一个神经网络由一个inputlayer，多个hiddenlayer和一个outputlayer构成。图中圆圈可以视为一个神经元（又可以称为感知器）设计神经网络的重要工作是设计hiddenlayer，及神经元之间的权重添加少量隐层获得浅层神经网络SNN；隐层很多时就是深层神经网络DNN如果你觉得这篇文章看起来稍微还有些吃力，或者想要系统地学习人工智能，那么推荐你

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：966656
    • 提供者：weixin_38688145

  1. BP神经网络与Python实现

  2. 本文来自于cnblogs,人工神经网络是一种经典的机器学习模型，随着深度学习的发展神经网络模型日益完善.联想大家熟悉的回归问题，神经网络模型实际上是根据训练样本创造出一个多维输入多维输出的函数，并使用该函数进行预测，网络的训练过程即为调节该函数参数提高预测精度的过程.神经网络要解决的问题与最小二乘法回归解决的问题并无根本性区别.回归和分类是常用神经网络处理的两类问题，如果你已经了解了神经网络的工作原理可以在http://playground.tensorflow.org/上体验一个浅层神经网络的

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：161792
    • 提供者：weixin_38712899

  1. 浅谈神经网络算法

  2. 本文于csdn，介绍了最简单的线性分类，多层级神经网络，如何训练神经网络，训练算法等。我们在设计机器学习系统时，特别希望能够建立类似人脑的一种机制。神经网络就是其中一种。但是考虑到实际情况，一般的神经网络（BP网络）不需要设计的那么复杂，不需要包含反馈和递归。人工智能的一大重要应用，是分类问题。本文通过分类的例子，来介绍神经网络。一个最简单的分类，是在平面上画一条直线，左边为类0，右边为类1，直线表示为这是一个分类器，输入(x,y)，那么，要求的参数有三个:a,b,c。另外注意c的作用，如果没有

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：428032
    • 提供者：weixin_38706951

  1. 复杂环境下基于深度神经网络的摄像机标定

  2. 提出一种基于深度神经网络的摄像机标定方法,实现了复杂环境下平面区域内的灵活、高精度标定。无需进行数据特征提取或分类,仅通过优化网络结构、超参数与训练算法,深度神经网络便能得到快速有效的训练。实验结果表明,相较于张正友标定法与浅层神经网络标定法,该方法在大范围、多拍摄角度和高畸变条件下均能达到更高的标定精度,镜头存在高畸变时,633 mm×763 mm标定范围内的平均标定误差仅为0.1471 mm。

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：7340032
    • 提供者：weixin_38537315

  1. ShallowLearn：一项关于基于浅层神经网络方法（例如fastText），重新实现监督学习模型的实验，该模型具有一些附加的专有功能和不错的API。 用Python编写，并与Scikit-learn完全兼容-源码

  2. ShallowLearn：一项关于基于浅层神经网络方法（例如fastText），重新实现监督学习模型的实验，该模型具有一些附加的专有功能和不错的API。 用Python编写，并与Scikit-learn完全兼容

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：124928
    • 提供者：weixin_42138780

  1. BP神经网络与Python实现

  2. 本文来自于cnblogs,人工神经网络是一种经典的机器学习模型，随着深度学习的发展神经网络模型日益完善.联想大家熟悉的回归问题，神经网络模型实际上是根据训练样本创造出一个多维输入多维输出的函数，并使用该函数进行预测， 网络的训练过程即为调节该函数参数提高预测精度的过程.神经网络要解决的问题与最小二乘法回归解决的问题并无根本性区别.回归和分类是常用神经网络处理的两类问题，如果你已经了解了神经网络的工作原理可以在http://playground.tensorflow.org/上体验一个浅层神经网络

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：154624
    • 提供者：weixin_38701683

  1. 浅谈神经网络在FPGA平台上的实现方案

  2. 近十年来，人工智能又到了一个快速发展的阶段。深度学习在其发展中起到了中流砥柱的作用，尽管拥有强大的模拟预测能力，深度学习还面临着超大计算量的问题。在硬件层面上，GPU，ASIC，FPGA都是解决庞大计算量的方案。本文将阐释深度学习和FPGA各自的结构特点以及为什么用FPGA加速深度学习是有效的，并且将介绍一种递归神经网络（RNN）在FPGA平台上的实现方案。　　揭开深度学习的面纱　　深度学习是机器学习的一个领域，都属于人工智能的范畴。深度学习主要研究的是人工神经网络的算法、理论、应用。自从200

  3. 所属分类：其它

    • 发布日期：2021-01-19
    • 文件大小：156672
    • 提供者：weixin_38630463
« 12 3 4 5 6 »