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. 2015-深度学习研究综述

  2. 鉴于深度学习在学术界和工业界的重要性,依据数据流向对目前有代表性的深度学习算法进行归纳和总 结,综述了不同类型深度网络的结构及特点. 首先介绍了深度学习的概念;然后根据深度学习算法的结构特征,概 述了前馈深度网络、反馈深度网络和双向深度网络 3 类主流深度学习算法的网络结构和训练方法;最后介绍了深 度学习算法在不同数据处理中的最新应用现状及其发展趋势. 可以看到:深度学习在不同应用领域都取得了明显 的优势,但仍存在需要进一步探索的问题,如无标记数据的特征学习、网络模型规模与训练速度精度之间的权

  3. 所属分类：深度学习

    • 发布日期：2017-11-01
    • 文件大小：4194304
    • 提供者：lvhao578041381

  1. 深度前馈网络python实现(需要numpy)

  2. 本代码利用numpy实现了深度前馈网络；代码包括了网络深度，每层的单元数和每层的激活函数可以自选，BP算法；最后跟了一个多项式拟合的例子。该代码适合深度学习初学者。

  3. 所属分类：深度学习

    • 发布日期：2018-05-20
    • 文件大小：6144
    • 提供者：wang_chunchun

  1. 深度学习之卷积神经网络

  2. 卷积神经网络（Convolutional Neural Networks, CNN）是一类包含[卷积](https://baike.baidu.com/item/卷积/9411006)计算且具有深度结构的[前馈神经网络](https://baike.baidu.com/item/前馈神经网络/7580523)（Feedforward Neural Networks），是[深度学习](https://baike.baidu.com/item/深度学习/3729729)（deep learning）

  3. 所属分类：深度学习

    • 发布日期：2020-03-27
    • 文件大小：20480
    • 提供者：weixin_43788143

  1. 旁路电容的深度探讨.pdf

  2. 旁路电容的深度探讨pdf,旁路电容对于测试电路影响acka〔e valve ESL fc 图3:旁路电容的阻抗。 David:我们在实验室中所发现的问题在于,各和封装均是关似的。我们所采用的大多数陶瓷电容均为面积 是0805或0603的电容。我测试发现,把06030.1uF电容挨着0603100pF电容安装,效果上不如仅仅采 用两个06030.1pF的电容。 Tamara:那是完全有可能。我猜测,你所处的频率范围就是06030.1F电容被最优化的频率范围。 0,1F 0b3 loOp d603

  3. 所属分类：其它

    • 发布日期：2019-09-13
    • 文件大小：1048576
    • 提供者：weixin_38744375

  1. 前馈神经网络

  2. BAT算法工程师深入详细地讲解前馈神经网络，带你轻松入门深度学习!

  3. 所属分类：深度学习

    • 发布日期：2019-07-04
    • 文件大小：78643200
    • 提供者：weixin_45246409

  1. 神经网络深度学习-2020最新资料+数学.rar

  2. 前馈神经网络；卷积神经网络；循环神经网络；网络优化与正则化；记忆与注意力机制；无监督学习；概率图模型；玻尔兹曼机；深度信念网络；深度生成模型；深度强化学习；

  3. 所属分类：深度学习

    • 发布日期：2020-06-24
    • 文件大小：5242880
    • 提供者：qq_28147259

  1. 神经网络深度学习-2020最新资料.rar

  2. 神经网络深度前馈神经网络；卷积神经网络；循环神经网络；网络优化与正则化；记忆与注意力机制；无监督学习；概率图模型；玻尔兹曼机；深度信念网络；深度生成模型；深度强化学习；学习-2020最新资料

  3. 所属分类：深度学习

    • 发布日期：2020-06-24
    • 文件大小：5242880
    • 提供者：qq_28147259

  1. 深度学习 深度前馈网络

  2. MIT版深度学习第6章 深度前馈网络。 深度前馈网络也被称为前馈神经网络或者多层感知机是典型的深度学习模型。

  3. 所属分类：深度学习

    • 发布日期：2020-11-04
    • 文件大小：27262976
    • 提供者：baidu_35560935

  1. PyTorch的深度学习入门教程之构建神经网络

  2. 前言 本文参考PyTorch官网的教程，分为五个基本模块来介绍PyTorch。为了避免文章过长，这五个模块分别在五篇博文中介绍。 Part3：使用PyTorch构建一个神经网络 神经网络可以使用touch.nn来构建。nn依赖于autograd来定义模型，并且对其求导。一个nn.Module包含网络的层（layers），同时forward(input)可以返回output。 这是一个简单的前馈网络。它接受输入，然后一层一层向前传播，最后输出一个结果。 训练神经网络的典型步骤如下： （1）  定义

  3. 所属分类：其它

    • 发布日期：2021-01-01
    • 文件大小：76800
    • 提供者：weixin_38514805

  1. 深度学习之RNN、LSTM及正向反向传播原理

  2. 综述  RNN( Recurrent Neural Network 循环(递归)神经网络) 跟人的大脑记忆差不多。我们的任何决定，想法都是根据我们之前已经学到的东西产生的。RNN通过反向传播和记忆机制，能够处理任意长度的序列，在架构上比前馈神经网络更符合生物神经网络的结构，它的产生也正是为了解决这类问题而应用而生的。     RNN及改进的LSTM等深度学习模型都是基于神经网络而发展的起来的认知计算模型。从原理来看，它们都是源于认知语言学中的“顺序像似性”原理：文字符号与其上下文构成一个“像”，

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：153600
    • 提供者：weixin_38610870

  1. 简单理解RNN循环神经网络

  2. 简单理解RNN循环神经网络RNN(Recurrent Neural Network）介绍图说RNN宏观结构图说RNN微观结构 RNN(Recurrent Neural Network）介绍 介绍： RNN，也就是循环神经网络，是用来建模序列化数据的一种主流的深度学习模型。传统的前馈神经网络处理的输入往往都是一个定长向量，较难应对变长的序列信息，就算把序列处理成定长的向量，模型也很难捕捉序列中的长距离依赖关系。而RNN中的每个神经元能够运用其内部变量保存之前输入的序列信息，将所有神经元串行就可以处

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：140288
    • 提供者：weixin_38601878

  1. deep-learning-for-biology-hse-2018-course:经济学院深度学习生物学课程材料，2018年-源码

  2. 生物学深度学习课程材料/ HSE 2018 这是生物学深度学习课程的课程资料库。 该课程于2018年秋季在莫斯科高等经济学院计算机科学学院授课，硕士课程为``生物学和医学领域的数据分析''。 内容 课程 课程Jupyter（使用Keras） 杂志俱乐部 教学大纲 历史短 深度学习的当前结果 图片和视频 语音和声音 文字和语言 机械手控制 系统的ML DL问题 其他AI方法 知识与表象 象征方法 进化计算与群智能 硬件 NN简介：神经元，神经网络，反向传播， 前馈神经网络（FNN） 自动编码器（

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：48234496
    • 提供者：weixin_42131276

  1. 通过极限学习机学习深度表示

  2. 极限学习机（ELM）作为一种新兴技术，在大规模设置中取得了卓越的性能，非常适合于二进制和多类分类以及回归任务。 但是，现有的ELM及其变体主要使用单个隐藏层前馈网络，而未使用流行的且可能功能强大的堆叠泛化原理来寻找输入数据的预测性深层表示。 深度架构可以找到更高级别的表示，因此可以潜在地捕获相关的更高级别的抽象。 但是，当前大多数深度学习方法都需要解决一个困难且非凸的优化问题。 在本文中，我们提出了一个堆叠模型DrELM，以根据堆叠泛化原理通过极限学习机学习深度表示。 提出的模型利用ELM作为基

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：1048576
    • 提供者：weixin_38668225

  1. 真棒免费的深度学习论文-源码

  2. 真棒免费的深度学习论文 调查回顾 深度学习（2015），Yann LeCun，Yoshua Bengio和Geoffrey Hinton :sparkles: 神经网络中的深度学习：概述（2015），J。Schmidhuber :sparkles: 代表性学习：回顾与新观点（2013年），Y。Bengio等。 :sparkles: 理论未来 在神经网络中提取知识（2015年），G。Hinton等人。 深度神经网络很容易被愚弄：无法识别图像的高置信度预测（2015年），A。Ngu

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：10240
    • 提供者：weixin_42153691

  1. 深度学习入门-源码

  2. 欢迎与LeadingIndia.ai合作阅读我们的AI和深度学习课程库简介！ 您可以通过访问与LeadingIndia.ai合作找到有关我们的AI和深度学习入门课程的更多信息 要注册我们的课程，您可以通过访问找到适合您日程的下一门 教学大纲 第一天 理论：人工智能和深度学习导论 动机：深度学习的基础和术语 AI vs ML vs DL：比较 特征和重量 机器学习回顾：线性回归，逻辑回归 激活功能。 动手 Python编程简介 第二天 理论：神经网络 神经网络 损失函数 梯度下降 前馈和后向

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：2097152
    • 提供者：weixin_42179184

  1. hebel：Python中的GPU加速的深度学习库-源码

  2. 赫贝尔 Python中的GPU加速的深度学习库 Hebel是一个用于Python深度神经网络学习的库，它通过PyCUDA通过CUDA与GPU一起使用GPU加速。 它实现了最重要的神经网络模型类型，并提供了各种不同的激活函数和训练方法，例如动量，涅斯特罗夫动量，辍学和提前停止。 我不再积极发展Hebel。 如果您正在寻找Python的深度学习框架，我现在推荐 。 楷模 目前，Hebel实现了前馈神经网络，可以对一项或多项任务进行分类和回归。 其他模型，例如Autoencoder，卷积神经网络和R

  3. 所属分类：其它

    • 发布日期：2021-02-28
    • 文件大小：135168
    • 提供者：weixin_42126399

  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. 深度学习：深度学习纳米学位课程的回购-源码

  2. 深度学习纳米学位基金会 该存储库包含与Udacity的 计划相关的材料。 它由一堆用于各种深度学习主题的教程笔记本组成。 在大多数情况下，笔记本会引导您实现诸如卷积网络，循环网络和GAN等模型。 还涉及其他主题，例如权重初始化和批次归一化。 也有一些笔记本用作Nanodegree程序的项目。 在程序本身中，项目由Udacity专家进行审核，但也可以在此处获得。 目录 讲解 ： 您建立情感分析模型，预测某些文本是肯定的还是否定的。 ：开始使用Tensorflow构建神经网络。 ：探讨初始化网

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：50331648
    • 提供者：weixin_42116650

  1. 人工智能和机器学习：用于实现人工智能算法的存储库，其中包括机器学习和深度学习算法以及经典的AI搜索算法-源码

  2. 人工智能与机器学习 这是我不时从事的人工智能项目的存储库。 您可以找到用不同语言（包括Java，Python和C ++）从头开始编码的算法。 该算法的范围从经典的人工智能搜索算法到机器学习和深度学习算法。 如果您希望对某种算法进行编码和解释，欢迎提出。 我也有实现AI / ml到现实世界项目的实现，请参见下面的目录，以偷偷摸摸地查看这些项目！ 表中的内容 :gear: ：实现深层神经网络的所有组成部分，包括感知器，梯度发光，反向传播，正向传播等。 :spider_web_selector

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：41943040
    • 提供者：weixin_42122306

  1. 深度学习：适用于《深度学习》的Python，该书为《深度学习》（花书）数学推导，原理剖析与源码等级代码实现-源码

  2. 深度学习 《深度学习》是深度学习领域唯一的综合性图书，全称也叫做深度学习AI圣经（深度学习） ，由三位全球知名专家Ian Goodfellow，YoshuaBengio，AaronCourville编着，全书囊括了数学及相关概念的背景知识，包括线性代数，概率论，信息论，数值优化以及机器学习中的相关内容。同时，它还介绍了工业界中实践者用到的深度学习技术，包括深度前馈网络，正则化，优化算法，卷积网络，序列建模和实践方法等，并研究了某种自然语言处理，语音识别，计算机视觉，在线推荐系统，生物信息学以及视

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：29360128
    • 提供者：weixin_42132359
« 12 3 4 »