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. 稀疏自动编码器及读取mnist数据function

  2. 稀疏自动编码器以及读取文档数据的MATLAB函数

  3. 所属分类：其它

    • 发布日期：2016-03-10
    • 文件大小：11534336
    • 提供者：ayeyl

  1. LLNet模型实现

  2. 实现基于稀疏自动编码器的图像同时增强和图像去噪，该资源包含自己处理的样本数据

  3. 所属分类：深度学习

    • 发布日期：2018-05-24
    • 文件大小：73400320
    • 提供者：hit1524468

  1. 采用深度稀疏自动编码器实现高维矩阵降维，提取特征

  2. 将节点相似度矩阵，作为深度稀疏自动编码器的输入，并通过不断迭代，作为输出低维特征矩阵。（matlab编写）

  3. 所属分类：算法与数据结构

    • 发布日期：2019-03-05
    • 文件大小：1048576
    • 提供者：qq_15719037

  1. YUV空间中基于稀疏自动编码器的无监督特征学习_李祖贺.pdf

  2. 现有无监督特征学习算法通常在 RGB 色彩空间进行特征提取，而图像和视频压缩编码标准则广泛采用 YUV 色彩空间。为了利用人类视觉特性和避免色彩空间转换所消耗的计算量，该文提出一种基于稀疏自动编码器 在 YUV 色彩空间进行无监督特征学习的方法。首先在 YUV 空间随机采集图像子块并进行白化处理，然后利用稀 疏自动编码器进行无监督局部特征学习。在预处理阶段，针对 YUV 空间亮度和色度通道相互独立的特性，提出一 种将亮度和色度进行分离的白化措施。最后用学习到的局部特征在大尺寸图像上进行卷积操作

  3. 所属分类：机器学习

    • 发布日期：2019-08-21
    • 文件大小：3145728
    • 提供者：tower429

  1. 基于深度卷积稀疏自编码分层网络的人脸识别技术

  2. 面对海量人脸图像识别,传统特征提取方法难以提取有效特征,造成人脸识别准确率较低。提出了一种鲁棒的人脸特征提取算法,即利用深度卷积稀疏自编码网络自动学习人脸中丰富且识别力高的特征。该方法将卷积操作融入自编码网络中,同时加入稀疏化思想,从而形成深度卷积稀疏自编码分层网络(hierarchical deep convolution sparse autoencoder,HDCSAE);用该网络自动提取海量人脸图像的高层鲁棒特征,并将提取的特征作为SVM分类器的输入得到分类结果。在FERET人脸数据库下

  3. 所属分类：其它

    • 发布日期：2020-04-19
    • 文件大小：710656
    • 提供者：weixin_38626858

  1. 无监督特征学习中自动编码器不同稀疏惩罚的实证分析

  2. 无监督特征学习中自动编码器不同稀疏惩罚的实证分析

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：452608
    • 提供者：weixin_38536716

  1. 通过自动编码器使用稀疏特征进行高分辨率遥感影像检索

  2. 通过自动编码器使用稀疏特征进行高分辨率遥感影像检索

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：992256
    • 提供者：weixin_38612568

  1. 基于稀疏自动编码器和softmax回归的心室早搏诊断新方法

  2. 基于稀疏自动编码器和softmax回归的心室早搏诊断新方法

  3. 所属分类：其它

    • 发布日期：2021-03-13
    • 文件大小：332800
    • 提供者：weixin_38692122

  1. 基于堆叠稀疏自动编码器的模块化五电平变换器故障检测与定位方法

  2. 本文提出了一种基于堆叠式稀疏自动编码器（SSAE）的模块化五电平转换器（MFLC）中故障检测和定位的新方法。 SSAE由多个SAE和一个softmax分类器组成。 MFLC电路中所有子模块（SM）的电容器电压信号被组合成一个多通道信号。 通过沿多通道信号移动窗口，可以获取一组信号段。 然后将这些段平整为向量，并用作SSAE模型的输入。 SAE可以在无监督的情况下从输入数据中学习特征，并且将故障检测和定位问题转换为分类问题。 为了提高所提出方法的抗噪性能，实现了叠层去噪SAE（SDSAE）。 结果

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：446464
    • 提供者：weixin_38581455

  1. 基于无监督的基于稀疏自动编码器的深度神经网络的频率选择性衰落场景中的AMC鲁棒方法

  2. 基于无监督的基于稀疏自动编码器的深度神经网络的频率选择性衰落场景中的AMC鲁棒方法

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：1048576
    • 提供者：weixin_38697979

  1. 稀疏自动编码器和LSTM网络相结合的水质预测模型

  2. 稀疏自动编码器和LSTM网络相结合的水质预测模型

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：1048576
    • 提供者：weixin_38584043

  1. 基于堆叠稀疏自动编码器的数字调制自动识别

  2. 基于堆叠稀疏自动编码器的数字调制自动识别

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：917504
    • 提供者：weixin_38664532

  1. 基于堆叠稀疏自动编码器（SSAE）的乳腺癌组织病理学核补丁分类框架

  2. 基于堆叠稀疏自动编码器（SSAE）的乳腺癌组织病理学核补丁分类框架

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：1048576
    • 提供者：weixin_38731479

  1. 具有基于随机稀疏矩阵的自动编码器的增强型分层极限学习机

  2. 具有基于随机稀疏矩阵的自动编码器的增强型分层极限学习机

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：228352
    • 提供者：weixin_38556416

  1. 结合侧抑制机制的自动编码器训练新算法

  2. 深度学习是目前最热门的机器学习方法之一。针对深度学习中的自动编码器在训练时容易产生网络模型复杂度过高、输出矩阵不够稀疏、小样本训练过拟合等问题,提出一种结合侧抑制机制的自动编码器训练新算法。算法构建了用于隐藏层的侧抑制神经元筛选模型。首先设定抑制限寻找符合抑制条件的神经元,然后通过侧抑制函数对符合条件的神经元进行快速输出抑制,运用反向传播算法对模型进行优化,最终输出权重特征。实验结果表明,算法能够使隐藏层输出近似满足稀疏条件并学习得到更加鲁棒的特征,提高分类正确率的同时还能一定程度上抑制过拟合现

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：503808
    • 提供者：weixin_38663733

  1. 深度前馈卷积稀疏降噪自动编码器的多级委员会用于对象识别

  2. 深度前馈卷积稀疏降噪自动编码器的多级委员会用于对象识别

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：1002496
    • 提供者：weixin_38635166

  1. 自动编码器：在Tensorflow 2.0中实现降噪，稀疏，压缩，可变自动编码器（VAE）和Beta-VAE-源码

  2. TensorFlow 2.0中的自动编码器 以下自动编码器的实现； 香草自动编码器（AE） 去噪自动编码器 备用自动编码器（进行中） 压缩式自动编码器（进行中） 可变自动编码器（VAE） 条件变分自动编码器（CVAE） 节拍变奏自编码器（beta-VAE）（进行中） 如何运行： 运行python3 main.py --ae_type AE 我们可以传递的参数： ae_type：自动编码器的类型-AE，DAE，VAE，CVAE，BetaVAE latent_dim：潜在维度的度数

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：2097152
    • 提供者：weixin_42099087

  1. 基于稀疏自编码器的烟叶成熟度分类

  2. 为降低人工成本,提出了一种基于稀疏自编码器的烟叶成熟度分类算法,从计算机视觉角度自动识别烟叶的成熟度。首先对烟叶数字图像进行去除背景、归一化等预处理操作;其次从无监督学习算法入手,利用稀疏自编码器构建特征学习网络;然后使用部分联通网络进行特征扩展,解决烟叶数字图像像素过大、计算耗时长等问题;最后使用Softmax回归对学习到的特征进行分类。结果表明:将稀疏自编码器应用于烟叶成熟度分类,测试数据分类准确率可达98.63%,优于其他分类器的分类精度。该算法直接从像素层面提取所需要的特征,不需要人为选

  3. 所属分类：其它

    • 发布日期：2021-02-09
    • 文件大小：544768
    • 提供者：weixin_38653878

  1. NNSAE：非负稀疏自动编码器（NNSAE）。 自动编码器神经网络中非负和稀疏编码的有效在线学习方案-源码

  2. NNSAE：非负稀疏自动编码器（NNSAE）。 自动编码器神经网络中非负和稀疏编码的有效在线学习方案

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：2048
    • 提供者：weixin_42160424

  1. 基于稀疏自动编码器深度神经网络的电能质量扰动分类方法

  2. 针对智能电网日益突出的电能质量扰动问题，提出了一种基于稀疏自动编码器(SAE)深度神经网络的电能质量扰动分类方法。利用SAE对电能质量扰动原始数据进行无监督特征学习，自动提取数据特征的稀疏特征表达；通过堆栈式稀疏自动编码器(SSAE)进行逐层学习，获得电能质量扰动数据的深层次特征；将其连接到softmax分类器进行微调训练，并输出电能质量扰动事件分类结果。利用已添加高斯白噪声的数据对SSAE进行训练，以提高其特征表达的抗噪声能力。仿真结果表明，所提方法能够准确地识别包含2种复合扰动在内的9种电能

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：2097152
    • 提供者：weixin_38711643
« 12 3 »