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. 使用c语言写的卷积运算程序

  2. 标准C语言计算卷积的公式，在VC下编译通过

  3. 所属分类：C

    • 发布日期：2010-05-14
    • 文件大小：225kb
    • 提供者：refine19

  1. 卷积公式代码+文档

  2. 数字信号处理中的卷积公式的代码实现

  3. 所属分类：Java

    • 发布日期：2014-04-18
    • 文件大小：40kb
    • 提供者：ouyangrui123

  1. 卷积计算实现

  2. 信号卷积的计算公式为 可通过图形变换的方法来计算两个信号的卷积。 用图解法求解卷积的步骤是：翻转、滑动、相乘、积分。

  3. 所属分类：3G/移动开发

    • 发布日期：2014-10-31
    • 文件大小：295kb
    • 提供者：fan_lan_lan08

  1. 傅里叶与卷积公式

  2. 公式概念

  3. 所属分类：其它

    • 发布日期：2017-03-21
    • 文件大小：988kb
    • 提供者：weixin_37585227

  1. 深度学习各种卷积详解

  2. 详细讲解了深度卷积神经网络中各类卷积的实现方法，有计算公式，有示意图

  3. 所属分类：深度学习

    • 发布日期：2018-02-01
    • 文件大小：1016kb
    • 提供者：llllty7788

  1. java实现卷积算法.zip

  2. java实现卷积的算法，整个实现过程可以清晰的了解卷积算法的实现以及公式。

  3. 所属分类：Java

    • 发布日期：2019-10-31
    • 文件大小：229kb
    • 提供者：qq83900508

  1. 基于时空图的发散卷积循环神经网络的交通流预测方法__公式.pdf

  2. 发明专利说明书。本发明公开了提供基于时空图的发散卷积 循环神经网络的交通流预测方法，基于交通网络 的空间特征构建了路网的有向加权图，接着以该 有向加权图为预测的基本单位

  3. 所属分类：深度学习

    • 发布日期：2020-06-09
    • 文件大小：736kb
    • 提供者：phytle0

  1. 基于约束四边形区域的分段卷积计算方法

  2. 针对卷积计算时积分范围与被积函数不易确定的难题,提出了分段卷积计算的约束四边形方法。把参与卷积运算的两个分段函数中自变量t与积分哑变量τ之间的约束关系表示为τ-t坐标系中的约束四边形区域,通过四边形顶点向t轴作垂线确定关于自变量t的卷积分段与四边形分区,在每个四边形分区的相邻边线间用平行于τ轴的箭头表示该区间上的积分路径、被积函数以及积分限,把该分区所有区间上的卷积积分加起来就得到该分区上的卷积解析式。另外,还给出了约束区域中包含的四边形个数公式以及卷积分段的个数公式。算例结果表明,该方法是一种

  3. 所属分类：其它

    • 发布日期：2020-07-09
    • 文件大小：440kb
    • 提供者：weixin_38691739

  1. GCN图卷积知识点和推导

  2. mindmasterGCN图卷积笔记，内含公式推导以及相关知识，结构清晰，便于学习。

  3. 所属分类：深度学习

  1. 信号线性卷积与圆周卷积处理示例

  2. 通过xls展示了线性卷积和圆周卷积两种计算方式。 请参考单元格中的公式。 线性卷积和圆周卷积各有两个不同的例子供大家参考。

  3. 所属分类：电信

    • 发布日期：2020-11-11
    • 文件大小：14kb
    • 提供者：mimiduck

  1. 真正理解卷积 （附python实现代码）

  2. 如果还不清楚卷积在生活中的意义，可以看看这则转载自疯子朱磊的比喻。 首先看定义和公式 卷积就是以一个函数为输入函数，在输入函数每个点上，以输入函数为系数叠加位移了的响应函数，最终得到的函数。 哇，相当抽象， 这是个啥，这又是个啥？好的先不着急弄清楚这符号是什么。先清楚这个符号代表卷积运算就行。那卷积的运算结果是什么？也就是这个东西最终会等于什么？大家学过积分的认真看这个这个东西是什么？是这个东西关于的积分，他的结果将会是关于n的一个函数，什么意思？就是卷积结果不会是一个固定的值，而是关于n的

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：836kb
    • 提供者：weixin_38678394

  1. pytorch神经网络之卷积层与全连接层参数的设置方法

  2. 当使用pytorch写网络结构的时候，本人发现在卷积层与第一个全连接层的全连接层的input_features不知道该写多少？一开始本人的做法是对着pytorch官网的公式推，但是总是算错。 后来发现，写完卷积层后可以根据模拟神经网络的前向传播得出这个。 全连接层的input_features是多少。首先来看一下这个简单的网络。这个卷积的Sequential本人就不再啰嗦了，现在看nn.Linear(？？？, 4096)这个全连接层的第一个参数该为多少呢？ 请看下文详解。 class Alex

  3. 所属分类：其它

    • 发布日期：2021-01-01
    • 文件大小：43kb
    • 提供者：weixin_38584642

  1. 学习反卷积网络的目标跟踪

  2. 可以通过学习顺序跟踪目标外观的模型来解决对象跟踪问题。 因此，鲁棒的外观表示是视觉跟踪中的关键步骤。 最近，深度卷积网络通过利用强大的高级功能在视觉跟踪方面表现出了非凡的能力。 为了获得这些高级功能，可在深度卷积网络中交替执行卷积和池化操作。 然而，这些操作导致空间分辨率低的特征图，这降低了跟踪中的定位精度。 虽然低层特征具有足够的空间分辨率，但它们的表示能力不足。 为了缓解这个问题，我们在视觉跟踪中利用了反卷积网络。 该反卷积网络用作可学习的上采样层，该层将低分辨率的高级特征图作为输入，并输出

  3. 所属分类：其它

  1. 深度学习与卷积神经网络

  2. 本文来自于个人微博，本文通过几种比较流行的卷积神经网络的结构图，简单的介绍了卷积审计网络的定义。简单来说，卷积(或内积)就是一种先把对应位置相乘然后再把结果相加的运算。(具体含义或者数学公式可以查阅相关资料)如下图就表示卷积的运算过程：（图1）卷积运算一个重要的特点就是，通过卷积运算，可以使原信号特征增强，并且降低噪音.这里以常用的激活函数sigmoid为例：把上述的计算结果269带入此公式，得出f(x)=1如图是一个人工神经元的模型：（图2）对于每一个神经元，都包含以下几部分：x:表示输入w:

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：501kb
    • 提供者：weixin_38570459

  1. 深度学习：Keras入门(二)之卷积神经网络(CNN)

  2. 简单来说，卷积(或内积)就是一种先把对应位置相乘然后再把结果相加的运算。(具体含义或者数学公式可以查阅相关资料)如下图就表示卷积的运算过程：（图1）卷积运算一个重要的特点就是，通过卷积运算，可以使原信号特征增强，并且降低噪音.这里以常用的激活函数sigmoid为例：把上述的计算结果269带入此公式，得出f(x)=1如图是一个人工神经元的模型：（图2）对于每一个神经元，都包含以下几部分：x:表示输入w:表示权重θ:表示偏置∑wx:表示卷积(内积)f:表示激活函数o:表示输出对于一个灰度图片(图3)

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：521kb
    • 提供者：weixin_38732343

  1. 基于多特征卷积神经网络的手写公式符号识别

  2. 提出了基于多特征稠密卷积神经网络的模型框架(DenseNet-SE)。与传统方法相比，DenseNet-SE采用数据驱动的方法，无需手工提取特征。该框架包含了稠密残差块的结构，能够获取深度特征。通过跳跃连接的方式，从浅层获取细粒度特征来辅助深度特征。同时，融合特征有助于网络结构获取更多全局信息，更好地表示公式符号的类别。利用在线手写数学表达式识别的竞赛组织(CROHME)提供的标准数学公式符号库来验证所提算法，结果表明，CROHME2014和CROHME2016的识别率分别达到93.38%和92

  3. 所属分类：其它

  1. 深度学习与卷积神经网络

  2. 本文来自于个人微博，本文通过几种比较流行的卷积神经网络的结构图，简单的介绍了卷积审计网络的定义。简单来说，卷积(或内积)就是一种先把对应位置相乘然后再把结果相加的运算。(具体含义或者数学公式可以查阅相关资料)如下图就表示卷积的运算过程：（图1）卷积运算一个重要的特点就是，通过卷积运算，可以使原信号特征增强，并且降低噪音.这里以常用的激活函数sigmoid为例：把上述的计算结果269带入此公式，得出f(x)=1如图是一个人工神经元的模型：（图2）对于每一个神经元，都包含以下几部分：x:表示输入w:

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：494kb
    • 提供者：weixin_38609002

  1. 深度学习：Keras入门(二)之卷积神经网络(CNN)

  2. 简单来说，卷积(或内积)就是一种先把对应位置相乘然后再把结果相加的运算。(具体含义或者数学公式可以查阅相关资料)

  3. 所属分类：其它

    • 发布日期：2021-01-26
    • 文件大小：530kb
    • 提供者：weixin_38703823

  1. 动手学 task5 卷积神经网络基础；leNet；卷积神经网络进阶

  2. 卷积神经网络基础 二维卷积层 填充和步幅 我们介绍卷积层的两个超参数，即填充和步幅，它们可以对给定形状的输入和卷积核改变输出形状。 填充 公式： 总的计算公式： 总结： 最后一个公式相比前一个公式没有加1的操作，乍一看公式不同（即什么时候加1什么时候不加1）其时，对第二个公式分解一下，即可归纳出什么时候都需要加1的操作。这样便于记忆） 多输入通道和多输出通道¶ 代码： print(X.shape) conv2d = nn.Conv2d(in_channels=2, out_chann

  3. 所属分类：其它

  1. Pytorch中膨胀卷积的用法详解

  2. 卷积和膨胀卷积 在深度学习中，我们会碰到卷积的概念，我们知道卷积简单来理解就是累乘和累加，普通的卷积我们在此不做赘述，大家可以翻看相关书籍很好的理解。 最近在做项目过程中，碰到Pytorch中使用膨胀卷积的情况，想要的输入输出是图像经过四层膨胀卷积后图像的宽高尺寸不发生变化。 开始我的思路是padding=’SAME’结合strides=1来实现输入输出尺寸不变，试列好多次还是有问题，报了张量错误的提示，想了好久也没找到解决方法，上网搜了下，有些人的博客说经过膨胀卷积之后图像的尺寸不发生变化，有

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：157kb
    • 提供者：weixin_38560275
« 12 3 4 5 6 »