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. 赋能:打造应对不确定性的敏捷团队

  2. 无论你在哪个领域，无论你处于哪个领导层级，这些观念和技能都是有必要学习的。除了畅快、缤纷的阅读体验，读者还能通过这本书领略组织变化，深度理解团队协作，因为在今日快速变动的环境下，团队协作是必不可少的

  3. 所属分类：企业管理

    • 发布日期：2018-09-11
    • 文件大小：1048576
    • 提供者：peacock222

  1. CNN-SLAM Real-time dense monocular SLAM with learned depth prediction

  2. 一篇slam相关论文，结合了深度学习。用CNN单帧预测深度，可以解决单目slam中尺度不确定性、纯旋转、低纹理区域等问题。

  3. 所属分类：深度学习

    • 发布日期：2019-05-04
    • 文件大小：8388608
    • 提供者：u79501

  1. “人工智能与大数据”暑期学校学习资料2019.rar

  2. 国防科技大学2019年“人工智能与大数据”暑期学校课程资料，包含机器学习的核方法、不确定性量化分析、基于贝叶斯网络进行概率推理、基于深度学习的三维几何生成、深度学习图像分析与应用、大数据安全、大数据分析驱动的智慧教育、大数据时代的自然语言处理、自然语言处理与知识计算等课程

  3. 所属分类：讲义

    • 发布日期：2019-07-16
    • 文件大小：126877696
    • 提供者：qq_22976675

  1. Uncertainty.rar

  2. 深度学习模型不确定性领域重要文献，主要介绍了贝叶斯方法和SGLD优化算法，以及重要性采样算法，包括Yarin Gal的博士论文，Marco Tulio Ribeiro的“Why Should I Trust You?”和Alex Kendall的What Uncertainties Do We Need in Bayesian Deep Learning for Computer Vision?等经典论文

  3. 所属分类：深度学习

    • 发布日期：2020-04-07
    • 文件大小：25165824
    • 提供者：weixin_40371649

  1. 基于深度长短时记忆网络的区域级超短期负荷预测方法_张宇帆.pdf

  2. 超短期负荷预测为实时电力市场运行提供重要依据， 预测准确度的提升对于揭示负荷变化的不确定性以及日前 预测偏差具有重要意义。基于电力系统中含有的丰富大数据 资源，提出了一种针对区域级负荷的深度长短时记忆网络超 短期预测方法，该方法包括输入数据的预处理、深度长短时 记忆(long short-term memory，LSTM)网络的构建以及模型 的训练和超参数的寻找等步骤。其中采用随机搜索的方法寻 找最优超参数，并在该超参数下选择泛化能力最优的模型，与前沿机器学习预测算法进行对比。实验结果证实，深度

  3. 所属分类：讲义

    • 发布日期：2020-10-17
    • 文件大小：1048576
    • 提供者：SparkQiang

  1. 《深度学习不确定性量化: 技术、应用与挑战》

  2. 在优化和决策过程中，不确定性量化(UQ)在减少不确定性方面起着至关重要的作用。它可以用于解决科学和工程中的各种实际应用。

  3. 所属分类：机器学习

    • 发布日期：2020-11-16
    • 文件大小：2097152
    • 提供者：syp_net

  1. 深度学习的不确定性估计和鲁棒性

  2. 深度学习模型在分布外预测方面表现不佳: 它们往往做出高置信预测，这在现实世界的应用中是有问题的，比如医疗保健、自动驾驶汽车和自然语言系统，或者在训练数据和模型预测所依据的数据之间存在差异的情况下，这些应用存在相当大的安全隐患。

  3. 所属分类：机器学习

    • 发布日期：2020-12-09
    • 文件大小：7340032
    • 提供者：syp_net

  1. ACM Computing Surveys文章：一文入门贝叶斯神经网络

  2. 深度学习的运行机制因为往往存在难以量化的情况，而被比喻为 “黑盒子”。而贝叶斯统计方法，则刚好能够提供对深度神经网络预测相关的不确定性进行理解和量化的手段。

  3. 所属分类：机器学习

    • 发布日期：2021-01-07
    • 文件大小：1048576
    • 提供者：syp_net

  1. MIT最新《贝叶斯深度学习》综述论文

  2. 一个综合的人工智能系统应该不止能“感知”环境，还要能“推断”关系及其不确定性。深度学习在各类感知的任务中表现很不错，如图像识别，语音识别。然而概率图模型更适用于inference的工作。

  3. 所属分类：机器学习

    • 发布日期：2021-01-05
    • 文件大小：2097152
    • 提供者：syp_net

  1. seismic_deep_learning:几个Python脚本使用深度学习从地球物理图像中提取地质结构-源码

  2. 深度学习的3D地震解释：简介 在这里，我们将分享使用深度学习来解释2D和/或3D地震反射数据中的地质结构（例如，断层，盐体和层位）的代码，教程和示例。 您可以在我们的上找到一些视觉示例，并在我们的找到更多技术细节。 首先，您不需要任何特殊的硬件，软件，数据或经验，只需一点时间。 查看 。 讲解 盐 本教程将向您展示如何使用2-D卷积神经网络在二维地震图像中映射盐，以进行像素分类。 本教程描述了如何使用U-Net类型卷积神经网络加快映射速度。 缺点 本教程将向您展示如何在3D地震体中绘制

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：27262976
    • 提供者：weixin_42128558

  1. references-源码

  2. 参考 使用SoftPool完善激活下采样 提出一种基于softmax的池化方式，利用softmax函数计算感受野中每个元素的权重，再对感受野内元素进行加权求和，逐步反向传播时同样采用相同权重进行运算。 辍学作为贝叶斯近似：代表深度学习中的模型不确定性 本文通过理论推导证明有包含dropout的任意神经网络近似等价于深度高斯过程，从而推导引入在包含dropout的神经网络框架下计算输出不确定性只需要随机多次前向传播，样本方差即可描述不确定性。 NLNL：噪音标签的负面学习 由于标签通常可能存在

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：19922944
    • 提供者：weixin_42139460

  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. CodeSLAM:CodeSLAM的实现—学习密集的Visual SLAM论文的紧凑，可优化表示形式（https-源码

  2. CodeSLAM CodeSLAM的PyTorch实现。 概括 它试图解决/解决的问题 真实3D感知系统中的几何图形表示。 可能带有语义标签的密集表示是高维的，不适合概率推断。 稀疏表示，可以避免这些问题，但仅捕获部分场景信息。 新方法/解决方案 新的紧凑但密集的场景几何表示，以来自单个图像的强度数据为条件，并由包含少量参数的代码生成。 每个关键帧都可以生成一个深度图，但是可以与姿势变量和重叠关键帧的代码一起对代码进行优化，以实现全局一致性。 介绍 由于不确定性的传播对于很大的自由度很快

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：11264
    • 提供者：weixin_42149153

  1. 基于深度学习的机器人抓取检测方法

  2. 深度学习在人工智能领域取得了巨大突破。 使用深度学习可以提高机器人在不确定性任务上的性能。 由于伺服电机的累积误差，机器人的手臂末端工具（EOAT）无法将物体抓住在适当的位置。 通过深度学习来研究机器人的抓握检测是值得的，而在机器人研究中已经有一些成功的实践。 我们提出了一种新颖的机器人抓握检测方法，该方法基于具有场景的RGBD图像的深度学习模型，给出了平行板机器人抓爪的抓握位置。 我们方法的最佳模型以可接受的时间速度存档了87.49％的精度。 我们的方法介绍了另一种解决机器人抓取问题的方法。

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：345088
    • 提供者：weixin_38608875

  1. cxr:数据科学在胸部X射线研究中的最新技术探索-源码

  2. cxr 数据科学在胸部X射线研究中的最新技术探索 数据集 CheXpert：具有不确定性标签和专家比较的大型胸部X射线照片数据集 参考 我们可以信任深度学习模型诊断吗？ 域移位对胸部X光片分类的影响 ChestX-ray8：医院规模的胸部X射线数据库以及对普通胸腺疾病进行弱监督分类和定位的基准 VinDr-CXR：带有放射线医生注释的胸部X射线开放数据集

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：5120
    • 提供者：weixin_42137028

  1. 解码：这是DECODE实现的原始仓库（由github.comTuragaLabDECODE镜像）-源码

  2. 解码 DECODE是用于单分子定位显微镜（SMLM）的基于Python和的深度学习工具。 它在各种成像模式和条件下具有很高的精度。 在公开的软件基准测试比赛中，在比较检测精度和定位误差时，它在12个数据集中的12个数据集上的所有其他，通常会有很大的差距。 DECODE可使活细胞SMLM数据在3秒钟内减少曝光，并以超高标记密度对微管成像。 DECODE通过训练DEep COntext Dependent（DECODE）神经网络来工作，以亚像素分辨率检测和定位发射器。 值得注意的是，DECODE

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：324608
    • 提供者：weixin_42101056

  1. 建筑_AI-源码

  2. 建筑_AI 建立AI的主题 AI入门（为什么重要，优化，爬山） 处理不确定性（概率，贝叶斯规则，朴素贝叶斯分类器） 机器学习（线性回归，最近邻，使用文本，过度拟合） 神经网络（逻辑回归（LR），从LR到NN，深度学习） 结论（您的AI想法）

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：16384
    • 提供者：weixin_42099530

  1. Deep_Learning_for_Manufacturing：用于对象形状错误响应和制造系统校正的贝叶斯深度学习和深度强化学习-源码

  2. 贝叶斯制造业深度学习2.0（dlmfg） 对象形状错误响应（OSER） 概述 开源贝叶斯学习深制造业（dlmfg）库使用TensorFlow，TensorFlow概率与和Keras后端打造建： 贝叶斯深度学习模型（例如贝叶斯3D卷积神经网络和贝叶斯3D U-net）可以在制造系统中进行根本原因分析。 深度强化学习模型，例如“深度确定性策略梯度” ，可在制造系统中进行控制和更正。 该库可用于各个领域，例如装配系统，冲压，增材制造和铣削，其中关键问题是对象形状错误检测和估计。 该库是使用面向对

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：319815680
    • 提供者：weixin_42137723

  1. deepflash2：用于在显微镜图像中分割荧光标记的深度学习管道-源码

  2. deepflash2 DeepFLasH2的官方存储库-深度学习管道，用于在显微镜图像中分割荧光标记。 为什么要使用deepflash2？ 两全其美：将先进的深度学习与针对生命科学研究人员的无障碍环境相结合。 生命科学研究者的端到端过程 无需编码技能 免费在Google Colab上免费使用 易于在自己的硬件上部署 严格评估的深度学习模型 模型库 易于集成新（ pytorch ）模型 最佳做法模型培训 利用Fastai库 混合精度训练 学习率查找器和适合一个周期的策略 先进的扩大 对新数据

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：6291456
    • 提供者：weixin_42121754

  1. flex：数据流的概率深度学习-源码

  2. 柔性 Flex是用于数据流的概率深度学习库。 它具有以下功能： 快。 Flex提供了足够快的概率深度学习来解决实际问题。 类型安全和功能。 类型和纯函数使代码易于理解和维护。 容易。 您可以以最少的概率论知识进行编程。 如今，神经网络已广泛用于解决许多领域的问题。 但是，当您想在模型中包括不确定性时，经典神经网络有一些局限性。 例如，假设输入数据和训练数据包含很多噪声。 如果需要检测数据是否包含假阳性或假阴性，则模型应表示输入和输出的可靠性。 为了解决这个问题，可以使用概率深度学习（也

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：42991616
    • 提供者：weixin_42136365
« 12 »