您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 2016-基于深度学习的人脸识别方法研究综述

  2. 针对基于深度学习的人脸识别这一生物特征识别领域的研究热点进行了综述.阐释了人脸识别及深度学习 模型的基本结构;总结了该技术在国内外的研究现状及其应用,如基于卷积神经网络(CNN)的人脸识别方法、深度非 线性人脸形状提取方法、基于深度学习的人脸姿态鲁棒性建模、有约束环境中的全自动人脸识别、基于深度学习的视 频监控下的人脸识别、基于深度学习的低分辨率人脸识别以及其他基于深度学习的人脸信息的识别等;分析了当前人 脸识别技术在深度学习应用中存在的问题及发展趋势
  3. 所属分类:深度学习

    • 发布日期:2017-11-01
    • 文件大小:780288
    • 提供者:lvhao578041381
  1. 基于深度学习的语音识别应用研究

  2. 基于深度神经网络的声学特征提取研究和声韵母提取研究,构建深度学习的声学建模研究。
  3. 所属分类:深度学习

    • 发布日期:2017-12-12
    • 文件大小:4194304
    • 提供者:cyj2014go
  1. 基于深度学习网络态势感知建模方法研究

  2. 基于深度学习网络态势感知建模方法研究,为大家提供更严谨的治学过程
  3. 所属分类:深度学习

    • 发布日期:2018-07-04
    • 文件大小:1048576
    • 提供者:da_guang_love
  1. 麻省理工基于深度学习的无人驾驶应用ppt

  2. 深度学习在无人驾驶领域主要用于图像处理,也就是摄像头上面。当然也可以用于雷达的数据处理,但是基于图像极大丰富的信息以及难以手工建模的特性,深度学习能最大限度的发挥其优势。
  3. 所属分类:深度学习

    • 发布日期:2018-08-29
    • 文件大小:6291456
    • 提供者:realhappy1871
  1. 应用深度学习对驾驶行为建模

  2. 深度学习在无人驾驶领域主要用于图像处理,也就是摄像头上面。当然也可以用于雷达的数据处理,但是基于图像极大丰富的信息以及难以手工建模的特性,深度学习能最大限度的发挥其优势。
  3. 所属分类:深度学习

    • 发布日期:2018-08-29
    • 文件大小:10485760
    • 提供者:realhappy1871
  1. 融合知识库和深度学习的电网监控告警事件智能识别

  2. 电网监控告警信息是监控人员进行监控事件识别的重要数据基础。针对当前人为处理海量监控告警信息效率低的现状和电网智能技术深化应用的需求,提出一种融合知识库和深度学习的电网监控告警事件自主识别方法。基于自然语言处理技术中的Word2vec模型对监控告警信息进行向量化建模,基于卷积神经网络建立监控告警事件识别模型,通过算例对比验证所建模型的有效性和实用性。提出融合知识库与所建模型的应用方法,实现电网监控告警事件的智能感知和可靠识别。
  3. 所属分类:深度学习

    • 发布日期:2020-04-30
    • 文件大小:2097152
    • 提供者:kamo54
  1. 深度学习在故障诊断领域中的研究现状与挑战_任浩.pdf

  2. 首先介绍几种典型的基于深度学习方法实现工业系统故障诊断方法;然后对基于深度学习实现故障诊断的主要思想和建模方法进行描述;最后总结和讨论了复杂工业系统故障的特点,并探讨了深度学习在实现复杂工业系统故障诊断方面所面临的挑战,展望了未来值得继续研究的方向. 知网论文,学习使用
  3. 所属分类:深度学习

    • 发布日期:2020-04-02
    • 文件大小:990208
    • 提供者:olivia_ye
  1. 如何构建「可信任的深度学习」?(Trustworthy deep learning)【美国三院院士UCLA数学泰斗Stanley Osher教授】.pdf

  2. 可信任是AI应用落地的关键,在医疗、军事等领域尤为必需。最近,在一场深度学习与医疗应用的研讨会上,UCLA Stanley Osher讲述了可信任深度学习 (Trustworthy deep learning) 的报告,探讨了稳健、准确、高校、隐私的深度学习建模,从理论上如何设计保障,共有44页ppt,值得学习。
  3. 所属分类:机器学习

    • 发布日期:2020-03-14
    • 文件大小:3145728
    • 提供者:syp_net
  1. 深度学习自然语言处理概述(116页ppt).pdf

  2. 在过去的几年中,自然语言处理领域发生了许多巨大的变化。在这篇介绍性的演讲中,我们将简要讨论自然语言处理中最大的挑战是什么,然后深入探讨NLP中最重要的深度学习里程碑。我们将包括词嵌入,语言建模和机器翻译的递归神经网络,以及最近兴起的基于Transformer的模型。
  3. 所属分类:机器学习

    • 发布日期:2020-03-10
    • 文件大小:5242880
    • 提供者:syp_net
  1. 人体图像生成和衣服虚拟试穿;鲁棒深度学习;图像风格迁移等.pdf

  2. 人体图像生成和衣服虚拟试穿;鲁棒深度学习;图像风格迁移等。尤其是第一个topic,这是一个新颖且十分有意思的课题,涉及到人物图像建模、人物匹配、多源数据融合、相关数据集构建等核心想法与技术,期待上述资源能为相关研究人员打开思路,在该领域上持续进行研究奠定基础。
  3. 所属分类:机器学习

    • 发布日期:2020-01-16
    • 文件大小:10485760
    • 提供者:syp_net
  1. 谷歌联手斯坦福等高校研究电子病历,深度学习准确预测病人病程

  2. AI 科技评论消息,谷歌在 ArXiv 上公开了一篇论文,也很可能是谷歌使用深度学习模型在电子病历建模分析方面的首篇文章。这篇论文由「编译器从不警告Jeff,Jeff 会警告编译器」的谷歌大脑高级研究员 Jeff Dean 率队,联合了 UCSF、Stanford、UChicago 等知名机构的众多大牛。
  3. 所属分类:医疗

    • 发布日期:2020-06-25
    • 文件大小:390144
    • 提供者:GGalford
  1. 基于FPGA的深度学习目标检测系统的设计与实现

  2. 针对当前深度学习目标检测算法计算复杂度高和内存需求大等问题,设计并实现了一种基于FPGA的深度学习目标检测系统。设计对应YOLOv2-Tiny目标检测算法的硬件加速器,对加速器各模块的处理时延建模,给出卷积计算模块的详细设计。实验结果表明,与CPU相比,CPU+FPGA的异构系统是双核ARM-A9能效的67.5倍,Xeon的94.6倍;速度是双核ARM-A9的84.4倍,Xeon的5.5倍左右。并且,当前设计在性能上超过之前的工作。
  3. 所属分类:其它

    • 发布日期:2020-10-15
    • 文件大小:543744
    • 提供者:weixin_38638292
  1. deploy-carbrad-prediction:使用转移学习(resnet50),flask和heroku进行深度学习模型部署-源码

  2. 部署预测 使用转移学习(resnet50),flask和heroku进行深度学习模型部署 汽车品牌预测 使用Keras汽车品牌分类转移学习VGG 16和VGG 19火车数据和测试数据火车数据包含-3个品牌汽车-audi,lamborghini,mercedes类,每个文件夹包含audi-20张图像;兰博基尼-19辆;奔驰-25 测试数据由-audi-9组成;兰博基尼-30;奔驰-19 什么是转学 转移学习是机器学习中的一个研究问题,其重点是存储在解决一个问题并将其应用于其他但相关的问题时获得的知
  3. 所属分类:其它

    • 发布日期:2021-03-19
    • 文件大小:1048576
    • 提供者:weixin_42173218
  1. advanced-deep-learning-with-python:使用Python进行高级深度学习-源码

  2. 使用Python进行高级深度学习 这是Packt出版的《 》一书的代码存储库。 目录: 神经网络的基本要素 了解卷积网络 高级卷积网络 目标检测和图像分割 生成模型 语言建模 了解递归网络 序列到序列模型和注意 新兴的神经网络设计 元学习 无人驾驶汽车深度学习 所有代码示例均已针对TensorFlow 2.0.0和PyTorch 1.3.1进行了测试 一些代码示例是从其他开放源代码存储库改编而成的。 在这种情况下,基本示例链接在代码文件的开头。
  3. 所属分类:其它

    • 发布日期:2021-03-14
    • 文件大小:23068672
    • 提供者:weixin_42163404
  1. 基于深度学习的形状建模方法

  2. 基于深度学习的形状建模方法
  3. 所属分类:其它

    • 发布日期:2021-03-12
    • 文件大小:1048576
    • 提供者:weixin_38739044
  1. mlfem:物理系统建模的深度学习和有限元方法-源码

  2. Oleksiy Kononenko,用于物理系统建模的深度学习和有限元方法
  3. 所属分类:其它

    • 发布日期:2021-03-11
    • 文件大小:1048576
    • 提供者:weixin_42104181
  1. Recommendation-systems:推荐系统这是关于使用机器学习和深度学习技术建立推荐系统理论的研讨会-源码

  2. 推荐系统 推荐系统这是关于使用机器学习和深度学习技术构建推荐系统的研讨会 理论: ML和DL公式化,预测与排名,相似性,偏向与无偏 范例:基于内容,协作过滤,基于知识,混合和集成 数据:表格,图像,文本(序列) 型号:(深度)矩阵分解,自动编码器,宽和深度,等级学习,序列建模 方法:显式与隐式反馈,用户项矩阵,嵌入,卷积,递归,域信号:位置,时间,上下文,社交, 过程:设置,编码和嵌入,设计,训练和选择,服务和缩放,测量,测试和改进 工具: python-data-stack:numpy,p
  3. 所属分类:其它

    • 发布日期:2021-03-11
    • 文件大小:7340032
    • 提供者:weixin_42134097
  1. fasterseq:基于fairseq的更快,更高效的序列建模深度学习算法的实现,例如Lite-Transormer,Reformer,Linformer,注意力机制的有效变体等-源码

  2. 关于FasterSeq 随着物联网和其他移动设备的快速发展,更快,更高效的深度学习技术的部署需要更多的努力。 我创建了这个资料库,以探索和开发最新的加速计算和有效的深度学习技术,以进行更快的序列建模。 我们选择的基础库是 ,它是由Facebook人工智能研究实验室开发和维护的用于序列建模的开源库。 要求和安装 版本> = 1.4.0 Python版本> = 3.6 要训​​练新型号,您还需要NVIDIA GPU和 要安装fairseq并在本地进行开发: git clone h
  3. 所属分类:其它

    • 发布日期:2021-03-09
    • 文件大小:3145728
    • 提供者:weixin_42181686
  1. 通过多实例深度学习进行用户个性化满意度预测

  2. 社区问答(CQA)服务已经兴起,成为网民的流行知识共享模式。 通过用户之间的大量交互,个人能够获得令人满意的信息。 但是,用户在几分钟之内获得满意的答案是无效的。 用户必须检查一段时间内的进度,直到提交适当的答案。 我们将这个问题作为用户个性化的满意度预测任务来解决。 现有方法通常利用手动功能选择。 这是不希望的,因为它需要精心设计并且需要大量劳动。.在本文中,我们通过开发新的多实例深度学习框架解决了这个问题。 具体而言,在我们的环境中,每个问题都遵循多实例学习假设,在该假设中,可以将其获得的答
  3. 所属分类:其它

    • 发布日期:2021-03-05
    • 文件大小:1048576
    • 提供者:weixin_38752459
  1. 深度学习在推荐算法上的应用进展

  2. 摘要:最近几年是深度学习发展的黄金时间,在多个领域取得了重要进展,包括图像领域、语音领域、文本领域等。深度学习为科研工作者提供了一种非常有效的技术途径,其本质上是对数据特征进行深层次的抽象挖掘,通过大规模数据来学习有效的特征表示以及复杂映射机制,从而建立起有效的数据模型。从方法上来说,深度学习具有的优点本质上是领域无关的。因此,在可预见的未来,深度学习将会作为一种较为通用的数据建模方法,对于多个潜在领域的应用产生重要影响。在信息大数据时代,用户的个性化需求不断提高,对于信息系统智能度的要求带来了
  3. 所属分类:其它

    • 发布日期:2021-02-25
    • 文件大小:448512
    • 提供者:weixin_38667403
« 12 3 4 5 6 7 8 9 10 ... 14 »