您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 无监督__生成模型.zip

  2. 像素循环神经网络 Pixel recurrent neural networks (2016) 作者 A. Oord et al. 训练GANs的改善性技巧 Improved techniques for training GANs (2016) 作者T. Salimans et al. 摘要:近年来,利用卷积网络(CNN)的监督学习已经在计算机视觉应用中被广泛采用。 相比之下,使用CNN的无监督学习得到的关注较少。 在这项工作中,我们希望帮助弥合CNN的监督学习和无监督学习的成功之间的差距。
  3. 所属分类:其它

    • 发布日期:2017-02-22
    • 文件大小:22020096
    • 提供者:oscer2016
  1. Python Deep Learning

  2. Python实现深度学习,包含神经网络、卷积神经网络、循环卷积神经网络、生成对抗网络的详细介绍。纯Python实现神经网络。
  3. 所属分类:深度学习

    • 发布日期:2018-03-19
    • 文件大小:4194304
    • 提供者:u014230646
  1. 手把手教你用Python实践深度学习|深度学习教程

  2. 课程共七章,采用最新版本进行教学,2018必学技术 第一章: 从人工智能到深度学习 第二章:使用TensorFlow & Keras 建构人工神经网络(Artificial Neural Network) 第三章:卷积神经网络 (Convolutional Neural Network) 第四章:循环神经网络(Recurrent Neural Networks) 第五章:自编码网络 (AutoEncoder) 第六章:生成对抗网络 GAN (Generative Adversarial Net
  3. 所属分类:深度学习

    • 发布日期:2018-09-21
    • 文件大小:571
    • 提供者:mjassa
  1. 深度神经网络调研

  2. 文档对前馈神经网络、自动编码器、卷积神经网络、循环神经网络以及生成对抗网络做了简单介绍,并总结了其应用方向以及相关论文
  3. 所属分类:深度学习

    • 发布日期:2019-02-26
    • 文件大小:1048576
    • 提供者:ningchewinbell
  1. 深度学习之TensorFlow 入门、原理与进阶实战.rar

  2. 本书共12章,分为3篇。第1篇深厚学习与TensorFlow基础,包括快速了解人工智能与TensorFlow、搭建开发环境、TensorFlow本开发步骤、TensorFlow编程基础、识别图中模糊的手写数字等内容;第2篇深度学习基础-神经网络,介绍了神经网络的基础模型,包括单个神经元、多层神经网络、卷积神经网络、循环神经网络、自编码网络等内容;第3篇深度学习进阶,是对基础网络模型的灵活运用与自由组合,是对前面知识的综合及拔高,包括深度神经网络和对抗神经网络两章内容。
  3. 所属分类:深度学习

    • 发布日期:2019-07-15
    • 文件大小:115343360
    • 提供者:qq_41167743
  1. 基于条件深度卷积生成对抗网络的图像识别方法_唐贤伦.caj

  2. 基于条件深度卷积生成对抗网络的图像识别方法.生成对抗网络 (Generative adversarial networks, GAN) 是目前热门的生成式模型. 深度卷积生成对抗网络 (Deep convolutional GAN, DCGAN) 在传统生成对抗网络的基础上, 引入卷积神经网络 (Convolutional neural networks, CNN) 进行无监督训练; 条件生成对抗网络 (Conditional GAN, CGAN) 在 GAN 的基础上加上条件扩展为条件模型.
  3. 所属分类:深度学习

    • 发布日期:2019-09-05
    • 文件大小:1048576
    • 提供者:anny_bili
  1. 基于神经网络的统计参数语音合成方法研究_胡亚军.caj

  2. 本文围绕基于神经网络的统计参数语音合成方法,从基于深度学习的频谱 表征和声学模型构建两个方面开展研究工作。在频谱表征方面,将深度学习模 型引入频谱特征提取过程,分别提出了基于深度信念网络(DeepBeliefNetwork, DBN)、卷积神经网络(ConvolutionalNeuralNetwork,CNN)以及二值隐层深度自 编码器(DeepAuto-EncoderwithBinarydistributedhiddenunits,BDAE)的频谱表
  3. 所属分类:机器学习

    • 发布日期:2019-09-27
    • 文件大小:7340032
    • 提供者:tomclus006
  1. 基于深度卷积对抗神经网络的多状态自适应+人脸识别方法.pdf

  2. 基于深度卷积对抗神经网络的多状态自适应+人脸识别方法.pdf
  3. 所属分类:机器学习

    • 发布日期:2020-05-09
    • 文件大小:1048576
    • 提供者:anitachiu_2
  1. 基于卷积神经网络的雷达目标航迹识别研究_樊玉琦.pdf

  2. 构建基于神经网络的深度学习模型,实现对雷达对抗中的目标航迹的识别与检测。所提出的算法能够很好地实现目标航迹的检测与识别
  3. 所属分类:其它

    • 发布日期:2020-05-07
    • 文件大小:1046528
    • 提供者:weixin_43517098
  1. 生成对抗网络(GANs)最新家谱:为你揭秘GANs的前世今生

  2. 生成对抗网络( AN)一经提出就风光无限,更是被Yann L un誉为“十年来机器学 习领域最有趣的想法”。 GAN“左右互搏”的理念几乎众所周知,但正如卷积神经网络(CNN)一样,GAN发展 至今已经衍生出了诸多变化形态。望伪图像的分布尽可能地接近真图像。或者,简单来说,我们想要伪图像尽可能看起 来像真的一样。 值得一提的是,因为GANs是用极小化极大算法做优化的,所以训练过程可能会很不稳 定。不过你可以使用一些“小技巧”来获得更稳健的训练过程。 在下面这个视频中,你可以看到GANs所生成图片
  3. 所属分类:深度学习

    • 发布日期:2019-07-02
    • 文件大小:1048576
    • 提供者:abacaba
  1. ConvNorm:卷积归一化的正式实施:改进深度神经网络的鲁棒性和培训-源码

  2. 转换规范 该存储库是卷积归一化的官方实现:提高深度神经网络的鲁棒性和培训 我们介绍了一种简单有效的“卷积归一化”方法,该方法可以充分利用傅立叶域中的卷积结构,并作为简单的即插即用模块,可以方便地合并到任何ConvNets中。 我们表明,卷积归一化可以减少权重矩阵的分层频谱范数,从而改善网络的Lipschitzness,从而为深度ConvNets简化训练并提高鲁棒性。 将其应用于噪声破坏和生成对抗网络(GAN)下的分类中,我们表明卷积归一化可提高常见ConvNet(例如ResNet)的鲁棒性和GA
  3. 所属分类:其它

    • 发布日期:2021-02-22
    • 文件大小:50176
    • 提供者:weixin_42120541
  1. 基于改进生成对抗网络的水下激光图像后向散射光修复方法

  2. 为提高水下激光图像的质量,改进了生成对抗网络的生成网络,使其成为一种包含跳跃结构和空洞卷积的深度卷积神经网络。利用该网络从自建数据集中学习待修复图像到目标图像的端到端映射参数,再对带有强后向散射光的水下激光图像进行修复。实验结果表明,所提方法能够快速对后向散射光区域进行填充修复,相比传统去噪和增强对比度方法联合处理的结果,所提方法的峰值信噪比平均提高了9.10 dB,特征相似度平均提高了0.11,实现了水下激光图像的去噪、对比度增强和非均匀性照明改善,较好地去除了后向散射光。
  3. 所属分类:其它

    • 发布日期:2021-02-22
    • 文件大小:10485760
    • 提供者:weixin_38714637
  1. 基于生成对抗式神经网络的红外目标仿真方法

  2. 提出了一种应用于红外目标仿真的模型。利用训练后的条件深度卷积生成对抗网络,只需输入随机噪声和类别标签,便能够自动产生预期类别的红外目标仿真图像。在手写数字数据集(MNIST)和红外数据集上分别训练模型参数,再进行自动生成实验,均可以产生高真实度的样本图像;将判别网络提取的特征用于分类实验,并将所提方法合成的图像用于数据增强,以提升分类器性能。研究结果表明,所提方法能够有效模仿红外辐射特征。
  3. 所属分类:其它

    • 发布日期:2021-02-22
    • 文件大小:7340032
    • 提供者:weixin_38725260
  1. DCGAN:深入了解卷积生成对抗网络-源码

  2. DCGAN DCGAN是深度卷积生成对抗网络。 DCGAN由彼此相对的两个神经网络组成。 生成器神经网络学习创建看起来真实的图像,而鉴别器学习识别伪造的图像。 随着时间的流逝,图像开始越来越像训练输入。 图像以随机噪声开始,并且随着时间的推移越来越类似于手写数字。 下面的gif显示了100个训练纪元: [1] Goodfellow,Ian等。 “生成对抗网络。” 神经信息处理系统的进步。 2014.(全文: : ) [2] Radford,Alec,Luke Metz和Soumith
  3. 所属分类:其它

    • 发布日期:2021-02-20
    • 文件大小:2097152
    • 提供者:weixin_42127754
  1. 基于深度对抗域适应的高分辨率遥感影像跨域分类

  2. 提出一种基于深度对抗域适应的高分辨率遥感影像跨域分类方法。利用深度卷积神经网络VGG16(Visual Geometry Group)学习场景影像的深度特征,然后利用对抗学习方法最小化源域和目标域特征分布差异。利用RSI-CB256(Remote Sensing Image Classification Benchmark)、NWPU-RESISC45(Northwestern Polytechnical University Remote Sensing Image Scene Classif
  3. 所属分类:其它

    • 发布日期:2021-02-13
    • 文件大小:12582912
    • 提供者:weixin_38720461
  1. TensorFlow-VAE-GAN-DRAW:使用TensorFlow(深度卷积生成对抗网络(DCGAN),变分自编码器(VAE)和DRAW:用于图像生成的递归神经网络)实施的生成方法的集合-源码

  2. TF-VAE-GAN-DRAW ,和TensorFlow实现。 跑 VAE / GAN: python main.py --working_directory /tmp/gan --model vae 画: python main-draw.py --working_directory /tmp/gan 深度卷积生成对抗网络在使用默认参数的10个星期后产生了不错的结果。 ###去做: 更复杂的数据。 添加 用空间变压器层替换当前的注意力机制
  3. 所属分类:其它

    • 发布日期:2021-02-06
    • 文件大小:13312
    • 提供者:weixin_42144086
  1. t81_558_deep_learning:华盛顿大学(在圣路易斯)课程T81-558:深度神经网络的应用-源码

  2. T81 558:深度神经网络的应用 教师: 本课程的内容随着技术的发展而变化,为了跟上变革的步伐,。 第1节。2021年Spring,星期一,下午2:30,在线 第2部分。2021年Spring,在线,星期一,下午6:00 课程说明 深度学习是一组激动人心的神经网络新技术。 通过将高级培训技术和神经网络架构组件相结合,现在可以创建可以处理表格数据,图像,文本和音频作为输入和输出的神经网络。 深度学习允许神经网络以类似于人脑功能的方式学习信息的层次结构。 本课程将向学生介绍经典的神经网络结构
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:45088768
    • 提供者:weixin_42129113
  1. DeepNetworks:我的深度神经网络实践-源码

  2. 深度网络 我对深度神经网络的实现。 实施方法 该存储库实现以下内容: 亚像素卷积:, 转换后的参数ReLU:, 重量归一化:, 标签平滑:, Wasserstein GAN:, Wasserstein GAN的改进培训:, 深度后悔分析生成对抗网络:, 使用辅助分类器GAN进行条件图像合成: 学习通过生成对抗网络发现跨域关系:, Minibatch Stat级联:, 要求 张量流> = 1.4.0 Python 3
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:1048576
    • 提供者:weixin_42107374
  1. multihead-siamese-nets:基于文本语义相似性任务的多头注意力机制构建的暹罗神经网络的实现-源码

  2. 暹罗深度神经网络的语义相似性。 该存储库包含Tensorflow中的暹罗神经网络的实现,该实现基于3种不同的主要深度学习架构构建: 卷积神经网络 递归神经网络 多头注意力网络 创建该存储库的主要原因是将GitHub上主要基于CNN和RNN架构构建的Siamese神经网络的知名实现方案与基于Transformer模型最初由提出的基于多头注意力机制构建的Siamese神经网络进行比较,这论文。 。 支持的数据集 当前版本的管道支持使用3个数据集: :NEW_button: 对抗自然语言推论(A
  3. 所属分类:其它

    • 发布日期:2021-02-03
    • 文件大小:1048576
    • 提供者:weixin_42138376
  1. 基于深度卷积对抗神经网络的Fashion-mnist图像生成算法研究.zip

  2. tensorflow的深度学习案例源代码,基于深度卷积对抗神经网络的fashion-mnist图像生成,内含训练的fashion-mnist数据集。到手解压就可以使用。
  3. 所属分类:深度学习

    • 发布日期:2021-04-01
    • 文件大小:60817408
    • 提供者:qq_15022437
« 12 3 »