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. drost2010CVPR中文翻译版.pdf

  2. Model Globally, Match Locally: Efficient and Robust 3D Object Recognition 中文翻译 ；原网页为：http://campar.in.tum.de/pub/drost2010CVPR/drost2010CVPR.pdfHash table I1. n A (m1,m2) F i.11 m;, (Key to (ms, m6) F1=m2 hash table 图2.(a)两个定向点的点对特征F.分量F1被设置为点F2和F3与法

  3. 所属分类：机器学习

    • 发布日期：2019-07-16
    • 文件大小：1048576
    • 提供者：qq_28250697

  1. 研究论文-基于神经网络的空间柔性机械臂PID快速学习控制.pdf

  2. 针对自由漂浮柔性空间机器人的轨迹跟踪问题，提出一种径向基函数（RBF）神经网络控制策略.首先建立漂浮基柔性空间机器人的非线性动力学方程，考虑到RBF神经网络良好的逼近能力，柔性臂的非线性逆动力学模型通过RBF网络来逼近，采用PID控制器与神经网络控制器来共同保证系统稳定性,其误差代价函数由PID控制器提供，采用固定中心参数，而扩展宽度采用启发式关系确定，网络权值采用改进的最优准则算法进行调整来实现快速学习能力.仿真结果表明了这种RBF神经控制器能够达到较快的误差收敛速度.

  3. 所属分类：其它

    • 发布日期：2019-08-07
    • 文件大小：302080
    • 提供者：weixin_39840924

  1. 多层BP神经网络（参数高自由度）Python

  2. 这是用python实现的多层BP神经网络，详细简介： 1）层数、输入神经元个数、隐藏层神经元个数、输出神经元个数可定制； 2）隐藏层激励函数可选：tanh、logistic，可自行拓展到字典中； 3）内含多分类编码器，多分类数据集类标无需编码可直接输入输出； 4）输出层激励函数固定为sigmoid，在predict方法可以设置是否返回概率值。 初学机器学习，如编写有问题请不吝赐教，如果有疑问也欢迎讨论，QQ：1642990705

  3. 所属分类：机器学习

    • 发布日期：2020-02-20
    • 文件大小：6144
    • 提供者：qq_43116030

  1. SSD（single shot multibox detector）翻译

  2. SSD（single shot multibox detector）翻译，含原论文原创性声明 本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独立进行研究工作 所取得的成果。除文中已经注明引用的内容外,本论文不包含任何其他个人或集体已 经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体,均已在文中 以明确方式标明。本人完全意识到本声明的法律结果由本人承担。 位论文作着(笔)签名分2y年D月日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学

  3. 所属分类：讲义

    • 发布日期：2019-03-03
    • 文件大小：23068672
    • 提供者：qq_39696749

  1. Tensorflow2.0之BatchNorm层

  2. Tensorflow2.0之BatchNorm层 简介： 卷积神经网络的出现，网络参数量大大减低，使得几十层的深层网络成为可能。然而，在残差网络出现之前，网络的加深使得网络训练变得非常不稳定，甚至出现网络长时间不更新甚至不收敛的现象，同时网络对超参数比较敏感，超参数的微量扰动也会导致网络的训练轨迹完全改变。 2015 年，Google 研究人员Sergey Ioffe 等提出了一种参数标准化(Normalize)的手段，并基于参数标准化设计了Batch Nomalization(简写为Batch

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：41984
    • 提供者：weixin_38673738

  1. vega:AutoML工具链-源码

  2. 维加 Vega ver1.2.0发布： 功能增强： 细粒度的网络搜索空间：可以自由定义网络搜索空间，并且提供了丰富的网络体系结构参数以供在搜索空间中使用。可以同时搜索网络架构参数和模型训练超参数，并将搜索空间应用于Pytorch，TensorFlow和MindSpore。 新算法： ：基于层次图的神经体系结构搜索空间 社区贡献者： ， ， ， ， ， ， ， ， ， 。 介绍 Vega是由诺亚方舟实验室开发的AutoML算法工具链，主要功能如下： 全面的管道功能：AutoM

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：17825792
    • 提供者：weixin_42117622

  1. minimal-nas:神经体系结构搜索系统的最少实现-源码

  2. 神经体系结构搜索系统的最少实现 该存储库在PyTorch中实现了一个简单的神经体系结构搜索（NAS）系统。 受的作品的启发。 如何使用 您可以通过直接调用train.py来运行实验： python train.py 您将在文件中找到许多可以直接更改的超参数。 这是为了在这种最小的实现中避免不必要的混乱。 数据集 作为概念证明，使用了scikit-learn生成的。 我生成了1000个噪声级别为0.2的样本，这可以确保快速训练子网络，同时仍然需要一些非线性来将样本准确地分类为两个类别之一。 下图

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：30720
    • 提供者：weixin_42116713

  1. 具有切换参数的时滞神经网络的指数稳定性分析：平均停留时间法

  2. 本文关注的是连续时间切换时滞神经网络的指数稳定性分析问题。 通过将平均停留时间方法与分段Lyapunov函数技术结合使用，并结合了一种新颖的Lyapunov-Krasovskii函数，该函数受益于延迟分配方法，并与自由加权矩阵技术相结合，提出了充分的条件来保证该函数的指数稳定性。分别具有恒定和时变延迟的开关神经网络。 此外，明确给出了衰减估计。 本文报道的结果不仅取决于延迟，还取决于划分，旨在减少保守性。 数值算例表明了所导出理论结果的有效性。

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：553984
    • 提供者：weixin_38738272

  1. 时滞不确定的不确定切换递归神经网络的全局鲁棒周期的时变依赖准则

  2. 在本文中，我们将交换系统的一些概念引入到神经网络领域，并研究了具有时变结构不确定性和时变时滞的一大类交换递归神经网络（SRNN）。 通过考虑Leibniz-Newton公式中各项之间的关系，设计了一些依赖于时延的鲁棒周期性准则，以保证所有可容许参数不确定性的周期解的存在性，唯一性和全局渐近稳定性，因为使用了自由加权矩阵，表示这种关系，并通过线性矩阵不等式选择合适的关系，该标准不如文献报道的具有参数不确定性的延迟神经网络的标准保守。 给出了一些例子，表明所提出的标准是有效的，并且比以前的标准都有所

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：487424
    • 提供者：weixin_38677260

  1. 通过神经网络进行光学字符识别-源码

  2. 通过神经网络进行光学字符识别 本练习的任务是开发一个神经网络模型，该模型可以将人类手写的数字分类为前10个数字。 通过sklearn提供的内置实用程序功能加载MNIST数字数据集。 导入必要的类以进行k交叉折叠验证。 您可以根据您的计算预算和任务复杂程度自由选择k，但对于大多数情况，“ k = 5”就足够了。 请预留20％的图像进行测试。 为“ MLPClassifier”定义一个超参数网格，该网格是Sklearn的神经网络模型实现。 在上面选择的范围内定义一个随机搜索过程，然后通过为搜

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：3072
    • 提供者：weixin_42097369