[深度学习] Deep Learning

说明： Deep learning allows computational models that are composed of multiple processing layers to learn representations of data with multiple levels of abstraction. These methods have dramatically improved the state-of-the-art in speech recognition, visu
<czzc1990> 上传 | 大小：2mb

[深度学习] resnet50_weights_tf_dim_ordering_tf_kernels_notop

说明： resnet50_weights_tf_dim_ordering_tf_kernels_notop Linux下是放在“~/.keras/models/”中 Win下则放在Python的“settings/.keras/models/”中 Windows-weights路径：C:\Users\你的用户名\.keras\models anaconda下依然好用
<ttz_csdn> 上传 | 大小：83mb

[深度学习] 基于卷积神经网络的道路车辆检测方法

说明： 提出了一种基于卷积神经网络的前方车辆检测方法。首先，根据车底阴影特征，运用基于边缘增强的路面检测算法以及车底阴影自适应分割算法来分割并形成车底候选区域，以解决路面灰度分布不均及光照条件变化问题；其次，运用针对道路交通环境的卷积神经网络结 构，建立图像样本库进行网络训练；在此基础上，采用基于卷积神经网络识别的方法以验证并剔除被误检测为车底阴影的候选区域，进而确定真正的车辆目标；最后，修改网络为三分类识别，以验证本文方法的强扩展性的优势。实验结果表明：本文提出的车辆检测方法能够很好地区分车底阴影和
<czzc1990> 上传 | 大小：949kb

[深度学习] 改进的基于卷积神经网络的图像超分辨率算法

说明： 针对现有的基于卷积神经网络的图像超分辨率算法参数较多、计算量较大、训练时间较长、图像纹理模糊等 问题，结合现有的图像分类网络模型和视觉识别算法对其提出了改进。在原有的三层卷积神经网络中，调整卷积 核大小，减少参数；加入池化层，降低维度，减少计算复杂度；提高学习率和输入子块的尺寸，减少训练消耗的时间； 扩大图像训练库，使训练库提供的特征更加广泛和全面。实验结果表明，改进算法生成的网络模型取得了更佳的 超分辨率结果，主观视觉效果和客观评价指标明显改善，图像清晰度和边缘锐度明显提高。
<czzc1990> 上传 | 大小：3mb

[深度学习] COLING 2018 Tutorial 4：Deep Bayesian Learning and Understanding

说明： COLING 2018 Tutorial 4：Deep Bayesian Learning and Understanding
<lyiang001> 上传 | 大小：17mb

[机器学习] PID神经元网络解耦控制算法_多变量系统控制

说明： PID神经元网络解耦控制算法_多变量系统控制，PID神经元是人工神经网络的类型
<weixin_43097416> 上传 | 大小：13kb

[深度学习] resnet50_weights_tf_dim_ordering_tf_kernels.h5

说明： resnet50_weights_tf_dim_ordering_tf_kernels.h5 Linux下是放在“~/.keras/models/”中 Win下则放在Python的“settings/.keras/models/”中 Windows-weights路径：C:\Users\你的用户名\.keras\models anaconda下依然好用
<ttz_csdn> 上传 | 大小：90mb

[深度学习] caffe成功编译的makefile.config文件

说明： makefile.config文件中设置了使用cuDNN, opencv版本3及以上，使用python接口，ubuntu自带的python2.7接口
<cxiazaiyu> 上传 | 大小：5kb

[机器学习] 滑模变结构控制理论及其算法研究与进展

说明： 针对近年来滑模变结构控制的发展状况, 将滑模变结构控制分为18个研究方向, 即滑模控制的消除抖振问题、准滑动模态控制、基于趋近律的滑模控制、离散系统滑模控制、自适应滑模控制、非匹配不确定性系统滑模控 制、时滞系统滑模控制、非线性系统滑模控制、Terminal滑模控制、全鲁棒滑模控制、滑模观测器、神经网络滑模控 制、模糊滑模控制、动态滑模控制、积分滑模控制和随机系统的滑模控制等. 对每个方向的研究状况进行了分析和说明. 最后对滑模控制的未来发展作了几点展望.
<czzc1990> 上传 | 大小：540kb

[深度学习] Deep Learning with Python

说明： Deep Learning with Python，　高清英文原版 A Hands-on Introduction
<u012916657> 上传 | 大小：13mb

[计算广告] GPU Parallel Program Development Using CUDA(2018)

说明： 清晰，有目录。 CUDA 近期出的书不多，这本还算不错，讲解的比较深入浅出，值得一读！
<wingover> 上传 | 大小：14mb

[机器学习] 具有强鲁棒性的滑模变结构控制

说明： 针对一类高阶不确定非线性系统, 基于指数型快速终端滑模的良好特性, 提出了一种新的滑模变结构控制.系统状态变量能以较快的收敛速度在有限时间内到达各级滑模面的邻域, 并最终收敛到平衡点附近很小的区域.使用李亚普诺夫稳定性理论证明了系统的渐近稳定性, 并推导出各级邻域和系统不确定环节的数学关系.Matlab仿真验证了系统的强鲁棒性
<czzc1990> 上传 | 大小：398kb