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. matlab入门教程简单与详细版本、matlab神经网络源程序工具箱 、turbo码的c语言和matlab仿真程序 加州大学一博士写的基于sift的图像匹配源代码,是用的matlab和VC混合编程sift-01 、使用偏微分方程PDE进行图

  2. matlab入门教程简单与详细版本、matlab神经网络源程序工具箱 、turbo码的c语言和matlab仿真程序 加州大学一博士写的基于sift的图像匹配源代码,是用的matlab和VC混合编程sift-01 、使用偏微分方程PDE进行图像去噪的matlab代码集合 详解Matlab绘图-matlab绘图2 、遗传算法的MATLAB代码,很好的算法

  3. 所属分类：其它

    • 发布日期：2009-08-04
    • 文件大小：10485760
    • 提供者：Green880804

  1. OCR项目，带培训和测试，使用神经网络算法,对图象识别、车牌识别、验证码识别等具有参考价值，已调试通过

  2. 老外用纯C#写的一个OCR项目,带培训和测试,使用神经网络算法,而且没有使用第三方库，对研究验证码识别，图象识别,车牌识别等图象识别很有参考价值,代码完整,已在VS2010调试通过. 基本使用说明: 1、点“Load Training Set”，选择目录"Data\Trainer Sets"下面的Latin Arial.cts，然后点Training的“Start",等训练完成。 2、点Testing的”Start",在Output可以看到识别出来的图象文字。 还有其他功能大家一起研究....

  3. 所属分类：C#

    • 发布日期：2013-02-04
    • 文件大小：1048576
    • 提供者：goodsoft

  1. matlab神经网络代码

  2. 有程序代码和数字样图。自己编的，比较简陋！

  3. 所属分类：网络基础

  1. 自组织竞争神经网络MATLAB代码

  2. 自组织神经网络是通过自动寻找样本中的内在规律和本质属性，自组织、自适应地改变网络参数与结构。多层感知器的学习和分类是已知一定的先验知识为条件的，即网络权值的调整是在监督情况下进行的。而在实际应用中，有时并不能提供所需的先验知识，这就需要网络具有能够自学习的能力。Kohonen提出的自组织特征映射图就是这种具有自学习功能的神经网络。这种网络是基于生理学和脑科学研究成果提出的。

  3. 所属分类：算法与数据结构

    • 发布日期：2020-04-21
    • 文件大小：8192
    • 提供者：qq_42167992

  1. 卷积神经网络的mnist手写数字识别

  2. 手写数字识别的Tensorflow完整代码，### 1. MNIST机器学习入门 **1.1.1 简介** 下载MNIST数据集，并打印一些基本信息： ``` python download.py ``` **1.1.2 实验：将MNIST数据集保存为图片** ``` python save_pic.py ``` **1.1.3 图像标签的独热表示** 打印MNIST数据集中图片的标签： ``` python label.py ``` *

  3. 所属分类：深度学习

    • 发布日期：2020-03-20
    • 文件大小：35840
    • 提供者：baidu_39629638

  1. 图神经网络构建代码

  2. # GPF ## 一、GPF（Graph Processing Flow）：利用图神经网络处理问题的一般化流程 1、图节点预表示：利用NE框架，直接获得全图每个节点的Embedding; 2、正负样本采样：（1）单节点样本；（2）节点对样本； 3、抽取封闭子图：可做类化处理，建立一种通用图数据结构; 4、子图特征融合：预表示、节点特征、全局特征、边特征; 5、网络配置：可以是图输入、图输出的网络；也可以是图输入，分类/聚类结果输出的网络; 6、训练和测试; ## 二、主要文件： 1、gr

  3. 所属分类：深度学习

    • 发布日期：2019-03-04
    • 文件大小：121856
    • 提供者：jinmaodao1990

  1. SNAG:CIKM-CSSA 2020论文SNAG的源代码“图形神经网络的简化神经体系结构搜索”-Search source code

  2. 简化图神经网络的架构搜索 概述 这是我们在CSSA-CIKM 2020中发布的论文《的代码。这是用于图神经网络（GNN）的神经体系结构搜索（NAS）。 为了获得最佳的数据特定的GNN架构，我们提出了SNAG框架，该框架由一个更简单但更具表现力的搜索空间和一个基于RL的搜索算法组成。 该框架是在和的基础上实现的。 与GraphNAS的主要区别是： 1. We provide the implementation of weight sharing strategy. 2. The finetu

  3. 所属分类：其它

    • 发布日期：2021-03-24
    • 文件大小：90112
    • 提供者：weixin_42168230

  1. ggnn.tensorflow:选通图神经网络的Tensorflow实现用于源代码分类-tensorflow source code

  2. 门控图神经网络（GGNN）的Tensorflow实现，用于源代码分类 这是门控图神经网络（GGNN）的Tensorflow实现，如Y. Li，D.Tarlow，M.Brockschmidt和R.Zemel在论文《 ）中所述。 缩短培训时间并加快收敛速度​​的技巧： 存储桶：将具有相似大小的批处理图放在一起，而不是随机混洗和批处理。 对于小图，请使用密集图表示；对于大图，请使用稀疏图表示。 我们根据的论文的详细信息，将文件解析为图形表示形式。 有关为方法名称预测实现的版本，请参阅此存储库

  3. 所属分类：其它

    • 发布日期：2021-03-24
    • 文件大小：96468992
    • 提供者：weixin_42116921

  1. IGNN:“用于图像超分辨率的跨尺度内部图神经网络”的代码回购（NeurIPS'20）-源码

  2. IGNN “用于图像超分辨率的跨尺度内部图神经网络”的代码回购 准备数据集 1从下载训练数据集和测试数据集。 2将训练数据集DIV2K裁剪为子图像。 python ./datasets/prepare_DIV2K_subimages.py 切记在上面的脚本中修改“ input_folder”和“ save_folder”。 依赖关系和安装 去噪代码已通过Python 3.7，PyTorch 1.1.0和Cuda 9.0进行了测试，但可能会与更新版本的PyTorch和Cuda一起运行。 1

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：131072
    • 提供者：weixin_42116713

  1. Awesome-GNN-Recommendation:图神经网络-源码

  2. [目录] 介绍 作为一种强大的图形表示学习方法，图形神经网络已广泛用于各种场景中，例如NLP，CV和推荐系统。 据我所知，图挖掘与推荐系统高度相关。实际上，将一项推荐给一个用户是用户项图上的链接预测。 该存储库主要包括三个部分： 图神经网络 基于GNN的推荐 GNN相关资源材料，纸张和代码 GNN或推荐数据集 我们还有一个微信公众号，提供一些有关GNN和推荐的材料。 欢迎您加入我们，为GNN和Recommendation提供任何贡献！这是供稿者使用的模板： [ID] Authors. **Pa

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：1048576
    • 提供者：weixin_42135773

  1. GraphNormalization:图神经网络的学习图归一化-源码

  2. 图归一化 图神经网络学习图归一化 注意1 ：我们的实现基于 ，感谢他们的出色工作！ 注意2 ：由于某些商业原因，已发布的代码可能与我们的原始代码略有不同。 如果您发现任何问题，请随时与我们联系。 更新 2020年9月28日 添加Softmax联合规范 2020年9月24日 该项目的第一个版本。 1.基准初始化 安装基准测试并设置环境。 下载基准数据集。 来运行代码并复制已发布的结果。 2.图归一化 节点规范化：等效于 逐次规范化： 图图规范化： 逐批标准化：等同于 联合规范化： 3

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：3145728
    • 提供者：weixin_42146086

  1. 高速公路：高速公路的存储库：基于自同构的图神经网络-源码

  2. 概述 该存储库代码用于论文《高速公路：基于自同构的图神经网络》 。 与大多数图神经网络（其中神经元与单个图顶点相关联）相反，高速公路中的神经元对应于子图。 然后，每个神经元都应用与每个子图的同构组等价的卷积，然后是固定的非线性。 确保神经元与局部自同构群是等变的，足以使整个网络与输入的排列是等变的。 在我们的代码中，我们构建了一个高速公路网络，其中神经元对应于每个图中的路径和循环。 产生的神经元反映了我们对化学图的领域知识，并保留了在顺序数据上进行卷积的直观含义。 免费软件：MIT许可证 安

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：108544
    • 提供者：weixin_42129113

  1. 神经池：图神经网络的神经池-源码

  2. 图神经网络的神经池化 这是我的IAS SRFP 2020项目“图形神经网络的神经池”的代码。 Neural-Pooling文件夹包含代码。 Papers文件夹包含一些引用的论文。 Presentations文件夹包含每周的主题演讲。 系统要求 程式语言 Python 3.6 Python包 PyTorch > 1.0.0, tqdm, networkx, numpy 设置 如果您想尝试我们提出的神经池化方法，请复制graphcnn.py文件从以下任一位置进入Neural-Pooling/

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：42991616
    • 提供者：weixin_42131439

  1. MotifGNN：论文的官方代码实现基于Motif的图神经网络对在线约会的相互推荐-源码

  2. MotifGNN 作者 纸的官方代码实现 环境环境 Ubuntu 20.04 python == 3.6 显卡：RTX 2080 CUDA：10.1 数据库：Neo4j Python功能 pytorch==1.6.0 pandas neo4j sklearn numpy gensim tqdm 下载代码 由于隐私问题，我们仅公开ssjy数据集。 您可以在下载数据集并解压缩到“数据”文件夹。 数据预处理 将图加载到neo4j sudo neo4j-admin import --da

  3. 所属分类：其它

    • 发布日期：2021-02-19
    • 文件大小：23552
    • 提供者：weixin_42162216

  1. Repo-2021：图形神经网络，PySpark，神经元细胞自动机，FB先知，Google Cloud和NLP代码-源码

  2. 回购-2021 PyTorch中的卷积图神经网络 神经细胞自动机 Visual Studio代码-Git

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：9437184
    • 提供者：weixin_42131443

  1. SuperGluePretrainedNetwork：SuperGlue：与图神经网络匹配的学习功能（CVPR 2020，口腔）-源码

  2. 研究 Magic Leap（CVPR 2020，口腔） SuperGlue推理和评估演示脚本 介绍 SuperGlue是在Magic Leap完成的2020 CVPR研究项目。 SuperGlue网络是一个图形神经网络，结合了最佳匹配层，该层经过训练可以对两组稀疏图像特征进行匹配。 此存储库包含PyTorch代码和预训练权重，用于在关键点和描述符之上运行SuperGlue匹配网络。 给定一对图像，您可以使用此存储库在整个图像对中提取匹配特征。 SuperGlue充当“中端”，在单个端到端体系结

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：119537664
    • 提供者：weixin_42131276

  1. 双层图神经网络：用于药物相互作用预测的双层图神经网络。 ICML 2020图形表示学习及超越（GRL +）研讨会-源码

  2. 双水平图神经网络 总览 此存储库包含用于药物相互作用预测的双层图神经网络的代码。 有关详细信息，请参阅我们的论文 用于药物相互作用预测的双层图神经网络。 白云生*，顾坚*，孙宜州，王伟。 ICML 2020图形表示学习及超越（GRL +）研讨会 。 模型 我们引入Bi-GNN建模生物链接预测任务，例如药物-药物相互作用（DDI）和蛋白质-蛋白质相互作用（PPI）。 以药物-药物相互作用为例，使用机器学习的现有方法要么仅利用药物之间的链接结构而不使用每个药物分子的图形表示，要么仅利用单个药物化

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：13631488
    • 提供者：weixin_42121412

  1. strong-gnns：图神经网络有多强大？-源码

  2. 图神经网络有多强大？ 该存储库是以下论文中PyTorch的官方实验实现： 徐（Keyulu）*，胡伟华（Huahua Hua）*，朱瑞·莱斯科维茨（Jure Leskovec），史蒂芬妮·耶格尔卡（Stefanie Jegelka） 图神经网络有多强大？ ICLR 2019。 如果您在工作中使用代码/实验或GIN算法，请引用我们的论文（下面的Bibtex）。 inproceedings{ xu2018how, title={How Powerful are Graph Neural Ne

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：32505856
    • 提供者：weixin_42133969

  1. 适用于NLP的GNN：教程：EMNLP 2019和CODS-COMAD 2020上的用于自然语言处理的图形神经网络-源码

  2. 图神经网络用于自然语言处理 该存储库包含和教程的代码示例。 幻灯片可以从下载。 依存关系 与PyTorch 1.x，TensorFlow 1.x和Python 3.x兼容。 可以使用requirements.txt安装依赖项。 TensorFlow示例： tf_gcn.py包含由提出的GCN模型的一阶逼近的简化实现 针对不同问题的相同实现的扩展： 关系提取： 文字嵌入的 ： 文件时间： PyTorch示例： pytorch_gcn.py是pytorch等效tf_gcn.py使

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：5242880
    • 提供者：weixin_42099936

  1. attach-juxtapose-parser：“用图神经网络严格增量选区分析”论文的代码-源码

  2. 图神经网络的强增量选区解析 论文代码： 和神经信息处理系统（NeurIPS）2020 inproceedings{yang2020attachjuxtapose, title={Strongly Incremental Constituency Parsing with Graph Neural Networks}, author={Yang, Kaiyu and Deng, Jia}, booktitle={Neural Information Processing Syst

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：5242880
    • 提供者：weixin_42110469
« 12 3 4 5 6 7 8 9 10 »