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. AI 顶级国际会议 IJCAI 斯坦福大学PH.D Aditya Grover报告深度生成模型Deep Generative Model

  2. 生成模型是图模型与概率编程语言中概率推理的核心范例，最近由于神经网络在参数化方面的改进、以及基于梯度随机优化方面的进展，使得可以对高维数据进行跨模态建模。 本教程的前半部分，将全面介绍深度生成模型，包括生成对抗网络、变分自编码器以及自回归模型。对于每一个模型，我们都将深入探讨各自的概率公式、学习算法、以及与其他模型的关系。后半部分将演示一组具有代表性的推理任务，展示深度生成网络在其中的应用。最后，我们将讨论堂前领域面临的挑战，并展望未来的研究方向。 目录 第一部分： 生成模型的动机，以及与判别

  3. 所属分类：深度学习

    • 发布日期：2018-07-25
    • 文件大小：26214400
    • 提供者：wen_fei

  1. 115页Slides带你领略深度生成模型全貌(带书签）

  2. 115页Slides带你领略深度生成模型全貌(带书签），英文报告 ijcai_ecai_tutorial，入门深度生成模型很好的参考资料。

  3. 所属分类：深度学习

    • 发布日期：2018-07-31
    • 文件大小：26214400
    • 提供者：tox33

  1. chap-深度生成模型.pdf

  2. 深度生成模型可以分为有监督与无监督，主要还是在于无监督地应用，用于在没有目标类标签信息的情况下捕捉观测到或可见数据的高阶相关性，可以通过从网络中采样来生成有效样本，譬如受限玻尔兹曼机（Restricted Boltzmann Machine, RBM）、深度信念网络（Deep Belief Network, DBN）、深度玻尔兹曼机（Deep Boltzmann Machine, DBM）和广义除噪自编码器（Generalized Denoising Autoencoders）。

  3. 所属分类：深度学习

    • 发布日期：2019-05-09
    • 文件大小：882688
    • 提供者：qq_42336700

  1. 深度生成模型（Deep Generative Models）

  2. 深度生成模型基本都是以某种方式寻找并表达（多变量）数据的概率分布。有基于无向图模型（马尔可夫模型）的联合概率分布模型，另外就是基于有向图模型（贝叶斯模型）的条件概率分布。前者的模型是构建隐含层(latent)和显示层（visible)的联合概率，然后去采样。

  3. 所属分类：机器学习

    • 发布日期：2020-10-26
    • 文件大小：81788928
    • 提供者：syp_net

  1. 常用深度网络模型.pptx

  2. 常用深度网络模型,深度卷积网络、深度循环网络，生成对抗网络

  3. 所属分类：算法与数据结构

    • 发布日期：2021-01-08
    • 文件大小：11534336
    • 提供者：xj4math

  1. 生成模型和生成对抗网络是何方神圣？计算机视觉的魔力

  2. 全文共4413字，预计学习时长13分钟 来源：Pexels 概述 · 生成模型和生成对抗网络（GANs）是计算机视觉应用最新进展的核心。本文将介绍GANs及其不同的组件。有一些激动人心的GANs用例，快来探索！ 引言 你能辨别出下列图片中的奇怪之处吗？ 这幅图片呢？ 图中所有的实物和动物都由GANs这种计算机视觉模型生成！它是目前深度学习中最流行的一类，可以激发人类潜藏的创造力。 GANs无疑是笔者在深度学习中最喜欢的话题之一，这些模型创造出的各种程序我都喜欢，比如生成新的人脸图像或创造图

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：517120
    • 提供者：weixin_38556822

  1. rewriting:重写深度生成模型，ECCV 2020（口头）。交互式工具，可直接编辑GAN的规则，以将场景与添加，删除或更改的对象进行合成。更改StyleGANv2以制作夸张的眉毛或戴帽子的马-源码

  2. 重写深度生成模型 在本文中，我们询问是否可以通过使用户直接更改权重而不是使用数据集进行训练，来将深层网络重新编程为遵循不同的规则。 直接重写StyleGANv2的权重以重新编程具有帽子的马匹。 什么是模型重写？ 我们提出了模型重写的任务，其目的是添加，删除和更改预训练的深度网络的语义和物理规则。尽管现代图像编辑工具通过操纵单个输入图像来达到用户指定的目标，但我们使用户能够通过编辑生成模型以执行修改后的规则来合成无数新图像。 为什么要重写模型？ 要直接重写深度网络有两个原因： 深入了解深度网络如

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：85983232
    • 提供者：weixin_42098251

  1. 「深度生成建模」最新大综述论文

  2. 深度生成建模是一类训练深度神经网络对训练样本分布进行建模的技术。研究已经分成了各种相互关联的方法，每一种方法都进行了权衡，包括运行时间、多样性和体系结构限制。特别是，本综述涵盖了基于能量的模型、变分自编码器、生成对抗网络、自回归模型、规一化流，以及许多混合方法。这些技术是在一个单一个框架下绘制的，比较和对比来解释每种技术背后的前提，同时回顾当前最先进的进展和实现。

  3. 所属分类：机器学习

    • 发布日期：2021-03-16
    • 文件大小：723968
    • 提供者：syp_net

  1. 基于图像生成的深度学习模型的可视化

  2. 中国，北京，（论文编号37，EI收录源）本文介绍了基于图像生成的深度学习模型的可视化。 引入了一种方法，以可视化的方式（即通过图像生成的过程）来展示深度学习模型的强大功能。 本文将讨论如何调整深度学习模型的参数，包括隐藏层数和每个隐藏层上的神经元数量，以提高深度学习模型的性能。 实验表明，深度神经网络比浅层神经网络要好得多，即使后者在单个隐藏层中也比前者具有更多的神经元，这肯定了深度学习模型的含义。 预计提出的深度学习模型将为图像识别和图像恢复以及超分辨率任务做出贡献。

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：394240
    • 提供者：weixin_38720402

  1. 贝叶斯非参数生成模型的开放式深度学习

  2. 贝叶斯非参数生成模型的开放式深度学习

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：2097152
    • 提供者：weixin_38683930

  1. 用于多流形聚类的非参数深度生成模型

  2. 用于多流形聚类的非参数深度生成模型

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：2097152
    • 提供者：weixin_38719564

  1. GENPass：使用PCFG规则和对抗性生成进行密码猜测的通用深度学习模型

  2. GENPass：使用PCFG规则和对抗性生成进行密码猜测的通用深度学习模型

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：545792
    • 提供者：weixin_38595356

  1. 从头开始在Python中开发深度学习字幕生成模型

  2. 图像描述是一个有挑战性的人工智能问题，涉及为给定图像生成文本描述。字幕生成是一个有挑战性的人工智能问题，涉及为给定图像生成文本描述。一般图像描述或字幕生成需要使用计算机视觉方法来了解图像内容，也需要自然语言处理模型将对图像的理解转换成正确顺序的文字。近期，深度学习方法在该问题的多个示例上获得了顶尖结果。深度学习方法在字幕生成问题上展现了顶尖的结果。这些方法最令人印象深刻的地方：给定一个图像，我们无需复杂的数据准备和特殊设计的流程，就可以使用端到端的方式预测字幕。本教程将介绍如何从头开发能生成图像

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：452608
    • 提供者：weixin_38519681

  1. 机器人群系统识别的深度学习模型-源码

  2. 机器人群系统识别的深度学习模型 / Datasets python脚本，可生成我们在python上模拟的数据的csv文件 / NonDeepLearning基线线性回归和SINDy模型 / DeepLearningBaseline RNN，CNN和MLP。 / AdvancedDeepLearningMethod NeuralODE

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：19922944
    • 提供者：weixin_42118701

  1. model_input_tracks：生成深度学习模型的非序列输入轨道，例如GC内容，酶活性-源码

  2. model_input_tracks 生成用于深度学习模型的非序列输入轨道，例如GC含量，酶促活性

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：7168
    • 提供者：weixin_42137032

  1. ilo：使用深度生成模型对逆问题进行中间层优化的正式实施-源码

  2. 官方实施：使用深度生成模型对逆问题进行中间层优化 该存储库托管了该论文的官方PyTorch实现：“使用深度生成模型对逆问题进行中间层优化”。 抽象 我们提出了中间层优化（ILO），这是一种用于解决具有深层生成模型的逆问题的新型优化算法。 不仅仅对初始潜在代码进行优化，我们还逐步更改了输入层，从而获得了更多具有表现力的生成器。 为了探索更高维度的空间，我们的方法搜索位于上一层所诱导的流形周围的小l1球内的潜在代码。 我们的理论分析表明，通过使球的半径保持相对较小，我们可以使用深度生成模型来改善压

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：51380224
    • 提供者：weixin_42121754

  1. 阿塞拜疆-假新闻生成器：该项目的目的是使用LSTM递归神经网络以阿塞拜疆语言生成假新闻。 LSTM递归神经网络是功能强大的深度学习模型，用于学习序列数据。 在这里，LSTM模型接受了65,000个样本的训练，并且应该能够生成文本-源码

  2. 阿塞拜疆假新闻发生器 语言模型可以根据序列中已观察到的单词来预测序列中下一个单词的概率。 神经网络模型是开发统计语言模型的首选方法，因为它们可以使用分布式表示形式，其中具有相似含义的不同单词具有类似表示形式，并且因为它们在进行预测时可以使用最近观察到的单词的较大上下文。 该项目的目的是使用LSTM递归神经网络以阿塞拜疆语言生成假新闻。 LSTM递归神经网络是功能强大的深度学习模型，用于学习序列数据。 在该项目中，使用LSTM模型并对其进行了65 000个样本的训练，并且该模型应该能够生成文本。

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：8388608
    • 提供者：weixin_42160278

  1. MusicGenerator：使用TensorFlow实验各种深度学习模型以生成音乐-源码

  2. 音乐生成器 介绍 使用TensorFlow实验各种深度学习模型以生成音乐 结果 解释不同的模型和实验。 安装 该程序需要以下依赖项（易于使用pip进行安装）： Python 3 TensorFlow（已通过v0.10.0rc0测试。不适用于以前的版本） CUDA（有关使用gpu的信息，请参见TensorFlow 以了解更多信息） Numpy（应该与TensorFlow一起安装） 御堂（MIDI图书馆） Tqdm（用于不错的进度条） OpenCv（很抱歉，没有简单的方法可以使用pyt

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：182272
    • 提供者：weixin_42141437

  1. DeepJ：用于生成特定风格音乐的深度学习模型-源码

  2. DeepJ：用于生成特定风格音乐的模型 抽象 深度神经网络的最新进展使算法能够创作与人类创作的音乐相当的音乐。 但是，很少有算法允许用户生成具有可调参数的音乐。 调整生成的音乐的属性的能力将为帮助艺术家，电影制片人和作曲家的创作任务带来更多实际好处。 在本文中，我们介绍了DeepJ-端到端生成模型，该模型能够根据特定的作曲家风格组合来创作音乐。 我们的创新包括学习音乐风格和音乐动态的方法。 我们使用我们的模型来演示一种简单的技术来控制生成的音乐的样式，以此作为概念证明。 使用人类评分者对我们的模

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：69206016
    • 提供者：weixin_42110362

  1. 自然语言处理的深度生成模型：用于NLP的DGM。 路线图-源码

  2. 自然语言处理的深度生成模型：用于NLP的DGM。 路线图

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：17825792
    • 提供者：weixin_42140710
« 12 3 4 5 6 7 8 9 10 ... 27 »