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. sparse autoencoder softmax分类器

  2. 包含了sparse autoencoder softmax分类器的主程序和子程序 matlab源码。

  3. 所属分类：其它

    • 发布日期：2015-09-07
    • 文件大小：10485760
    • 提供者：luozhipeng2011

  1. 深度学习matlab源码

  2. 本资源是深度学习autoencoder模型基于matlab的实现代码，该模型前半部分是数据编码（即数据的降维过程），后半部分是解码（即原始数据的恢复过程，用来计算重构误差），在网络初始化阶段采用RBM，参数调优过程采用的是BP算法，该代码来自Hinton大师的论文。

  3. 所属分类：专业指导

    • 发布日期：2016-01-27
    • 文件大小：14336
    • 提供者：mhady

  1. Autoencoder-源码

  2. Autoencoder

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：773120
    • 提供者：weixin_42136477

  1. Simple-web-Application-in-Domain-Adaptation-Using-Autoencoder-源码

  2. 使用卷积自动编码器的域自适应 在此存储库中，我使用卷积自动编码器在Manet数据集中实现了领域适应问题。 目录 任务描述 该数据集由成对的景观和来自kaggle-set A（ ）训练图像对的Monet风格化图像组成。 图像对包括图像和山水画。任务是使图像从一个域适应到另一个域。 超参数优化是使用Optuna（ ）完成的 资料夹结构 Monet-styled-dataset ├── Original_A - this folder contains landscapes ima

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：2097152
    • 提供者：weixin_42138376

  1. Variational-Autoencoder-For-Outlier-Detection:使用变异自动编码器在交易系统中进行异常检测的小概念证明-源码

  2. 异常检测的变分自动编码器 使用变异自动编码器在交易系统中进行异常检测的小概念证明

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：3072
    • 提供者：weixin_42130786

  1. triplet-loss-anomaly-detection-源码

  2. 基于三重态损耗的异常检测架构 介绍 该项目旨在为目标图像开发基于深度学习的异常检测系统。 该系统可以集成到工厂装配线中，作为制造产品的检查工具。 我们的方法结合使用了AutoEncoder和三重态损失来检测有缺陷的（异常）图像。 数据加载和预处理 我们管道中的第一步是数据加载和预处理。 图像分别标记为OK和NG，其中“ NG”代表异常（变形）图像。 图像信息（即图像路径和图像标签）存储在“ image_path.csv”中。 此CSV文件中的图像代表原始图像。 存储图像信息后，下一部分是在圆形横

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：664797184
    • 提供者：weixin_42134554

  1. Reconstruction-AutoEncoder:使用自动编码器进行伊朗字符重建-源码

  2. 重构自动编码器 使用自动编码器进行伊朗字符重建 讨论 在这个项目中，我们使用自动编码器来完成重建任务，特别是为了改善车牌中的扭曲字符，以改善目标检测中的字符识别（YOLOV3）。自动编码器分为两个部分：1）编码器2）解码器，当输入图像为转发给编码部分，图像的大小由卷积层和最大池化层减小，压缩后的图像表示为潜矢量，相反，解码层具有反卷积和上采样层，直到图像的大小增大为止。输入和输出将相等。 数据集 在自动编码器的左侧，我和我的同事使用伊朗车牌数据集在不同情况（光照，角度，天气条件等）下裁剪了数据集

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：2097152
    • 提供者：weixin_42137028

  1. Recommender-Systems-with-Collaborative-Filtering-and-Deep-Learning-Techniques:实施的基于用户和基于项目的推荐系统以及最新的深度学习技术-源码

  2. 带有CF和DL技术的推荐系统 在此存储库中，我涵盖了以下主题- 什么是建议系统？ 为什么我们需要推荐系统？ 协同过滤 协同过滤的类型 基于内存的CF 基于用户的CF 基于项目的CF 基于模型的CF K最近邻居 奇异值分解 非负矩阵分解 使用深度学习进行矩阵分解 嵌入层简介 带点运算的体系结构1 具有串联操作的体系结构2 评估RMSE 参考 您也可以在Kaggle上找到内核- 我已经使用评级数据集来研究各种推荐技术。 由于数据集的大小很小，因此我使用了基本技术，但要使用更大的

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：1048576
    • 提供者：weixin_42160398

  1. AutoEncoder-Based-Communication-System:研究论文中基于自动编码器的通信系统的Tensorflow实现与结果-源码

  2. 基于自动编码器的通信系统 基于研究论文的基于AutoEncoder的通信系统的实现和结果：“物理层深度学习简介” 此回购协议有效地实现了基于自动编码器的通信系统，摘自Tim O'Shea和Jakob Hoydis撰写的研究论文“物理层深度学习入门”。在我的无线通信实验室课程中，我从事该研究论文并重新本研究论文的结果。 基于深度学习的通信系统的概念是新的，并且具有基于深度学习的通信的许多优点。本文提供了与许多其他论文完全不同的方法，并尝试在物理层引入深度学习。 研究论文摘要 我们提出并讨论了物

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：111616
    • 提供者：weixin_42151599

  1. Domain-Adaptation-Using-Convolutional-AutoEncoder-源码

  2. 使用卷积自动编码器的域自适应 在此存储库中，我使用卷积自动编码器在Manet数据集中实现了领域适应问题。 基准线大量借鉴了以下Github链接（ ）和youtube页面（ ）。 目录 任务描述 该数据集由成对的景观和来自kaggle-set A（ ）训练图像对的Monet风格化图像组成。 图像对包括图像和山水画。任务是使图像从一个域适应到另一个域。 超参数优化是使用Optuna（ ）完成的 资料夹结构 Monet-styled-dataset ├── Original_A

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：1048576
    • 提供者：weixin_42102401

  1. sail-on-client:DARPA Sail On的客户和协议-源码

  2. 航行客户端和协议 DARPA航行的客户端和协议 存储库中存在的协议 客户端存在于存储库中 要求 安装 使用pipenv安装（推荐） 在工作目录中克隆与不同组件关联的存储库 git clone https://github.com/tinker-engine/tinker-engine.git git clone https://gitlab.kitware.com/darpa-sail-on/sail-on-api.git git clone https://gitlab.kit

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：1048576
    • 提供者：weixin_42143221

  1. 去噪变压器自动编码器-源码

  2. 降噪变压器自动编码器 此回购保存了我对Kaggle竞赛解决方案中的降噪自动编码器部分。 我的大部分工作都花在了训练降噪自动编码器网络上，以捕获输入之间的关系，并将学习到的表示形式用于下游监督模型。 复制单个模型 获取代码并移至代码目录。 按照指定安装python软件包。 下载比赛数据并修改的路径。 在单个GPU机器上运行python train.py并等待大约20个小时。 通过岭回归，其交叉验证的RMSE得分应为0.8412。 关于网络 该网络是一个AutoEncoder网络，中间层是

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：185344
    • 提供者：weixin_42153615

  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. AutoEncoder：使用Tensorflow2制作的AutoEncoder功能提取器-源码

  2. 自动编码器 使用Tensorflow2制作的AutoEncoder功能提取器 依存关系 Tensorflow 2泡菜麻木 对于数据提取： scipy shennong 如果使用Wav2Vec表示形式： torch fairseq soundfile 别的， remove in data.py class PretrainedWav2VecModel and Prediction function read_audio and erase import torch, nn, fairseq

  3. 所属分类：其它

    • 发布日期：2021-02-19
    • 文件大小：63488
    • 提供者：weixin_42138139

  1. Different-ml：Keras Tensorflow 2中的差异机器学习-源码

  2. 使用autodiff和autoencoder进行差分深度学习 [在收到来自Savine的初步反馈和输入后，修订待定。] 笔记本提供了Brian Huge和Antoine Savine的差异机器学习方法的另一种技术实现（请参见工作论文和Risk ），并基于差异机器学习GitHub 提供的示例和实现为基础。 该笔记本可在Colab中执行，而无需进行其他设置。 笔记本的主要功能随Tensorflow 2中的Keras模型框架一起使用。笔记本为反向传播提供了两种替代实现： 在前馈模型（又称为双网

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：17825792
    • 提供者：weixin_42132056

  1. 强大的自动编码器测试：对比实验-源码

  2. 强大的自动编码器 健壮的自动编码器是结合了Autoencoder和健壮的PCA的模型，可以检测噪声和离群值。 此仓库提供基于Tensorflow的实现。 更新 2018年2月12日：删除theano实现。 02/14/2018：清理代码并将实现放入模型/ 2018/04/06：感谢 。 删除l21shrink上的错误部分。 12/13/2018：感谢 。 更改getRecon函数，该函数将接受X而不是L。此更改使稳健的自动编码器可以检测新数据中的异常。 2019/03/17：升级到pyt

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：4194304
    • 提供者：weixin_42146888

  1. 图像去离子使用自动编码器-源码

  2. 图像去离子使用自动编码器 在这个项目中 了解自动编码器背后的理论和直觉 导入密钥库，数据集并可视化图像 执行图像标准化，预处理并向图像添加随机噪声 使用Keras和Tensorflow 2.0作为后端构建自动编码器 编译Autoencoder模型并将其拟合到训练数据 使用各种KPI评估经过训练的自动编码器的性能

  3. 所属分类：其它

    • 发布日期：2021-02-10
    • 文件大小：2097152
    • 提供者：weixin_42133452

  1. 信用卡使用Keras中的Autoencoders进行欺诈检测：iPython笔记本和经过预训练的模型，展示了如何在Keras中构建深度Autoencoder以便在信用卡交易数据中进行异常检测-源码

  2. 信用卡使用Keras中的Autoencoders进行欺诈检测：iPython笔记本和经过预训练的模型，展示了如何在Keras中构建深度Autoencoder以便在信用卡交易数据中进行异常检测

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：71303168
    • 提供者：weixin_42121725

  1. DeepADoTS：“时间序列的深度异常检测方法的系统评估”论文的资料库-源码

  2. 时间序列异常检测：深度学习方法评估。 该存储库的目标是为多种最新深度学习方法的时间序列数据异常检测提供基准测试管道。 实施算法 名称 纸 LSTM-AD ，ESANN 2015 LSTM-ED ，ICML 2016 自动编码器 ，DaWaK 2002 甜甜圈 ，WWW 2018 REBM ，ICML 2016 达格 ，ICLR 2018 LSTM-DAGMM 使用 -Autoencoder而不是神经网络自动编码器扩展 用法 git clone git://github.co

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：55296
    • 提供者：weixin_42107491

  1. 变分递归自动编码器张量流：“从连续空间生成句子”的张量流实现-源码

  2. 从连续空间萌发句子 Tensorflow实现。 先决条件 Python套件： Python 3.4或更高版本 Tensorflow R0.12 脾气暴躁的 设置环境： 克隆此存储库： git clone https://github.com/Chung-I/Variational-Recurrent-Autoencoder-Tensorflow.git 设置conda环境： conda create -n vrae python=3.6 conda activate vrae 安装py

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：3145728
    • 提供者：weixin_42106765
« 12 »