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. Lecun HandWriten digit images

  2. 《Gradient-based Learning Applied to Document Recognition》,Lecun et al,1998论文中使用的手写数字数据，训练数据59998个，测试数据大约10k个。需要注意的是测试数据中有一部分是存在于训练数据中的。

  3. 所属分类：数据库

    • 发布日期：2013-05-20
    • 文件大小：33554432
    • 提供者：delltdk

  1. Yann lecun（杨立昆）2014.7.9在北大关于deep learning的讲座 ppt

  2. 这是Facebook 人工智能实验室主任Yann lecun在2014.7.9在北大的演讲ppt，当然是拍照的，感谢商务部一个师姐的转发给我。

  3. 所属分类：讲义

    • 发布日期：2014-07-11
    • 文件大小：60817408
    • 提供者：zone_programming

  1. 大牛Yann LeCun关于深度学习的综述报告（2013）

  2. Title: Deep Learning Tutorial Reporter: Yann LeCun (Center for Data Science & Courant Institute, NYU) Site: ICML, Atlanta, 2013-06-16

  3. 所属分类：其它

    • 发布日期：2015-01-04
    • 文件大小：11534336
    • 提供者：ivcduzhao

  1. CNN卷积神经网络数字识别代码同pdf论文

  2. LECUN初始源代码，用matlab进行修改基于卷积神经网络（CNN）进行数字识别，基于MNIST数据库。附带一篇烂到渣的论文，基本有个清晰的思路吧！

  3. 所属分类：其它

    • 发布日期：2015-01-04
    • 文件大小：5242880
    • 提供者：u013887867

  1. what

  2. what's wrong with deep learning .yann lecun 写。pdf文档

  3. 所属分类：其它

    • 发布日期：2015-06-15
    • 文件大小：9437184
    • 提供者：qyqyeve

  1. what

  2. 6月7日到12日，世界顶级的计算机视觉会议CVPR在美国波士顿召开，会议邀请了Facebook人工智能实验室主任、NYU数据科学中心创始人、深度学习界的泰斗Yann LeCun做了主题为“What's Wrong with Deep Learning?”的主题报告。

  3. 所属分类：互联网

    • 发布日期：2015-06-25
    • 文件大小：9437184
    • 提供者：hhlw1000

  1. deep learning

  2. y.lecun,y.bengio,g.hinton合作的nature文章《deep learning》

  3. 所属分类：Python

    • 发布日期：2015-06-26
    • 文件大小：1048576
    • 提供者：roll2013

  1. LeCun 2016 深度学习PPT

  3. 所属分类：专业指导

    • 发布日期：2016-03-27
    • 文件大小：17825792
    • 提供者：sdlcjx

  1. Deep learning Yann LeCun, Yoshua Bengio & Geoffrey Hinton 三位大牛综述

  2. 深度学习领域三大牛LeCun、Bengio和Hinton 联合打造史上最权威综述 Deep learning，跟着大牛脚步逐步成为大牛。

  3. 所属分类：深度学习

    • 发布日期：2017-09-25
    • 文件大小：2097152
    • 提供者：u014265347

  1. 深度学习-LeCun、Bengio和Hinton的联合综述外文文献及中文翻译

  2. 深度学习-LeCun、Bengio和Hinton的联合综述外文文献及中文翻译

  3. 所属分类：深度学习

    • 发布日期：2018-05-07
    • 文件大小：2097152
    • 提供者：gt18120588267

  1. NatureDeepReview(Yann LeCun+Yoshua Bengio+Geoffrey Hinton).pdf

  2. NatureDeepReview(Yann LeCun+Yoshua Bengio+Geoffrey Hinton).pdf

  3. 所属分类：机器学习

    • 发布日期：2018-05-18
    • 文件大小：1048576
    • 提供者：qq_41185868

  1. Deep Learning-LeCun、Bengio和Hinton三大牛的综述

  2. Nature为了纪念人工智能提出60周年，专门给了个 AI + 机器人专题 ，有多篇相关论文发表。本文是其中的一片，为深度学习三大牛Yann LeCun、Yoshua Bengio、Geoffrey Hinton的综述文章“Deep Learning”。

  3. 所属分类：讲义

    • 发布日期：2018-11-06
    • 文件大小：1048576
    • 提供者：hanspeed

  1. Lecun基于卷积网络识别细胞组织的论文

  2. Lecun实验室在2005年发表的经典论文。主要讨论了利用卷积网络识别细胞各组元的方法。

  3. 所属分类：机器学习

    • 发布日期：2018-11-18
    • 文件大小：719872
    • 提供者：idonotknowit

  1. Deep Learning-LeCun、Bengio和Hinton三大牛的综述

  2. Nature为了纪念人工智能提出60周年，专门给了个 AI + 机器人专题 ，有多篇相关论文发表。本文是其中的一片，为深度学习三大牛Yann LeCun、Yoshua Bengio、Geoffrey Hinton的综述文章“Deep Learning”。

  3. 所属分类：讲义

    • 发布日期：2019-05-13
    • 文件大小：1048576
    • 提供者：gaoyanlong52

  1. Deep Learning-LeCun、Bengio和Hinton三大牛的综述

  2. Nature为了纪念人工智能提出60周年，专门给了个 AI + 机器人专题 ，有多篇相关论文发表。本文是其中的一片，为深度学习三大牛Yann LeCun、Yoshua Bengio、Geoffrey Hinton的综述文章“Deep Learning”。

  3. 所属分类：讲义

    • 发布日期：2020-02-12
    • 文件大小：1048576
    • 提供者：zhang1987110

  1. Deep Learning-LeCun、Bengio和Hinton三大牛的综述

  2. Nature为了纪念人工智能提出60周年，专门给了个 AI + 机器人专题 ，有多篇相关论文发表。本文是其中的一片，为深度学习三大牛Yann LeCun、Yoshua Bengio、Geoffrey Hinton的综述文章“Deep Learning”。

  3. 所属分类：讲义

    • 发布日期：2020-01-05
    • 文件大小：1048576
    • 提供者：hlj1013

  1. Deep Learning-LeCun、Bengio和Hinton三大牛的综述

  2. Nature为了纪念人工智能提出60周年，专门给了个 AI + 机器人专题 ，有多篇相关论文发表。本文是其中的一片，为深度学习三大牛Yann LeCun、Yoshua Bengio、Geoffrey Hinton的综述文章“Deep Learning”。

  3. 所属分类：讲义

    • 发布日期：2020-06-04
    • 文件大小：1048576
    • 提供者：wq3681

  1. MNIST数据集重生！测试图片增加到6万张，LeCun点赞

  2. 晓查 发自 凹非寺量子位 出品 | 公众号 QbitAI MNIST数据集是图像分类领域的基准测试之一，用于0~9手写数字图像分类任务，包含6万张训练图像和1万张测试图像。它已经有20多年的历史了。 但是官方测试集因为测试集样本太少，MNIST通常被认为不能提供有意义的置信区间。 现在，来自纽约大学两位研究人员给MNIST测试集再增加5万张图片，叫做QMNIST，获得校友、也是MNIST发起者LeCun转发。 LeCun给予了这个数据集很高的评价，认为它“重生、恢复、扩展”了MNIST。 数

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：435200
    • 提供者：weixin_38723527

  1. LeCun点赞，那个小巧的 MNIST 数据集长大了！

  2. 晓查 发自 凹非寺量子位 出品 | 公众号 QbitAI MNIST数据集是图像分类领域的基准测试之一，用于0~9手写数字图像分类任务，包含6万张训练图像和1万张测试图像。它已经有20多年的历史了。但是官方测试集因为测试集样本太少，MNIST通常被认为不能提供有意义的置信区间。 现在，来自纽约大学两位研究人员给MNIST测试集再增加5万张图片，叫做QMNIST，获得校友、也是MNIST发起者LeCun转发。 LeCun给予了这个数据集很高的评价，认为它“重生、恢复、扩展”了MNIST。 数据

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：372736
    • 提供者：weixin_38537941

  1. Adversarial_Video_Generation：Mathieu，Couprie和LeCun的“超越均方误差的深度多尺度视频预测”的TensorFlow实现-源码

  2. 对抗视频生成 该项目实施了一个生成对抗网络，以预测视频的未来帧，如Mathieu，Couprie和LeCun的。 他们的官方代码（使用Torch）可在找到。 对抗生成使用两个网络（生成器和鉴别器）来提高生成图像的清晰度。 给定视频的过去四帧，生成器将学习为下一帧生成准确的预测。 给定生成的图像或真实世界的图像，鉴别器将学习正确地对生成的图像和真实图像进行分类。 这两个网络“竞争”，生成器试图欺骗鉴别器将其输出分类为真实。 这迫使生成器创建与域中实际帧看起来非常相似的帧。 结果与比较 我在Pac

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：9437184
    • 提供者：weixin_42122838
« 12 3 4 5 6 7 »