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. MachineLearning-master-python.zip

  2. 属于网络下载资源，感谢原作者的贡献。 ##目录介绍 - **DeepLearning Tutorials** 这个文件夹下包含一些深度学习算法的实现代码，以及具体的应用实例，包含： Keras使用进阶。介绍了怎么保存训练好的CNN模型，怎么将CNN用作特征提取，怎么可视化卷积图。 [keras_usage]介绍了一个简单易用的深度学习框架keras，用经典的Mnist分类问题对该框架的使用进行说明，训练一个CNN，总共不超过30行代码。 将卷积神经网络CNN应用于人脸识别的一个demo，人脸数

  3. 所属分类：专业指导

    • 发布日期：2016-07-04
    • 文件大小：1mb
    • 提供者：qq_33042687

  1. WebGL 2.0 FrameBuffer And RenderBuffer

  2. 在学习WebGL过程中，有一种技术叫二次绘制，就是把每一帧画面再次处理渲染，它能做好多高级效果的实现，如边缘检测，高斯模糊，SSAO等。二次绘制中最重要的就是FBO和RBO,接下来，我们来看看什么是FBO和RBO。 FBO就是由颜色附件（COLOR_ATTACHMENT0)，深度附件（DEPTH_ATTACHMENT），模板附件（STENCIL_ATTACHMENT）组成的一个逻辑存储对象。那RBO是什么呢，RBO是一个2D图像缓冲区，可以用于分配和存储颜色值，深度或者模板值，可以作为FBO的

  3. 所属分类：其他

    • 发布日期：2018-05-22
    • 文件大小：403kb
    • 提供者：weixin_37683659

  1. 斯坦福吴恩达教授机器学习课程讲义，作业及解析

  2. 网易公开课斯坦福吴恩达教授机器学习课程讲义，作业及解析，配合视频学习更加高效易懂，含有各种公式的推导步骤： [第1集] 机器学习的动机与应用 [第2集] 监督学习应用.梯度下降 [第3集] 欠拟合与过拟合的概念 [第4集] 牛顿方法 [第5集] 生成学习算法 [第6集] 朴素贝叶斯算法 [第7集] 最优间隔分类器问题 [第8集] 顺序最小优化算法 [第9集] 经验风险最小化 [第10集] 特征选择 [第11集] 贝叶斯统计正则化 [第12集] K-means算法 [第13集] 高斯混合模型 [

  3. 所属分类：机器学习

    • 发布日期：2018-09-24
    • 文件大小：6mb
    • 提供者：ly5201314666

  1. 使用深度模型迁移进行细粒度图像分类的方法.pdf

  2. 针对细粒度图像分类方法中存在模型复杂度较高、难以利用较深模型等问题，提出深度模型迁移（ DMT）分类方法。首先，在粗粒度图像数据集上进行深度模型预训练；然后，使用细粒度图像数据集对预训练模型logits层进行不确切监督学习，使其特征分布向新数据集特征分布方向迁移；最后，将迁移模型导出，在对应的测试集上进行测试。实验结果表明，在STANFORD DOGS、CUB -200 -2011、OXFORD FLOWER-102细粒度图像数据集上，DMT分类方法的分类准确率分别达到72.23%、73. 3

  3. 所属分类：其它

  1. 如何持续深度学习？看这份《DNN2GP：从深度神经网络到高斯过程》

  2. 终身学习是机器学习中的热门研究话题之一。如何实现持续学习？来自东京RIKEN研究中心的Emtiyaz Khan给了关于从深度神经网络到高斯过程的教程《DNN2GP: From Deep Networks to Gaussian Processes》，共有45页ppt，以及撰写了最新的论文，通过提出一种新的函数正则化方法来解决这个问题，该方法利用了一些过去的难忘样例，这些样例对于避免遗忘至关重要。

  3. 所属分类：机器学习

    • 发布日期：2020-05-15
    • 文件大小：16mb
    • 提供者：syp_net

  1. 煤层底板水害三维监测与智能预警系统开发框架

  2. 针对华北型煤田煤层底板突水监测点覆盖不全、智能化水平不高等问题，论文以底板“下三带”理论为基础，提出集多频连续电法充水水源监测、“井-地-孔”联合微震采动底板破坏带监测以及监测大数据智能预警为一体的煤层底板突水三维监测与智能预警技术思路。其中多频连续电法监测系统以伪随机多频序列为人工场源，利用伪随机相关辨识技术提取强噪声背景中的弱信号，采用拟高斯-牛顿法对预处理数据进行三维电阻率反演，实现对煤层底板充水水源变化过程的自动化三维监测；“井-地-孔”联合微震监测系统主要通过研制带推靠的孔中传感器及回

  3. 所属分类：其它

  1. vaesne:VAE-SNE-源码

  2. VAE-SNE：用于降维和聚类的深度生成模型 VAE-SNE是用于降维和聚类的深度生成模型。 VAE-SNE是一种变分自动编码器（VAE），使用随机邻居嵌入（t-SNE / SNE）目标进行了规范化，以改善压缩后的潜在空间中的局部结构保存性。该模型在优化过程中同时学习高斯混合聚类的分布，然后使用稀疏分水岭过程对重叠的混合成分进行合并，因此，无需手动指定聚类的数量-只要高斯混合成分的数量足够大即可。 VAE-SNE产生的嵌入质量与现有的降维方法相似；可以检测到异常值；可扩展至大型核心数据集；并可

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：269kb
    • 提供者：weixin_42128558

  1. ENM531-源码

  2. ENM531：数据驱动的建模和概率科学计算 课程说明 我们将从统计学习的角度重新审视古典科学计算。在这种新的计算范式中，微分方程，守恒定律和数据在预测建模管道中充当补充代理。本课程旨在探索现代机器学习作为一种统一的计算工具的潜力，该工具使人们能够从实验数据中学习模型，推导微分方程的解决方案，融合来自模型层次结构的信息以量化计算中的不确定性，并有效地优化复杂的工程系统。 涉及的特定主题涵盖了有监督和无监督学习的最新发展：使用深度神经网络进行非线性回归/分类，使用高斯过程进行不确定性下的多保真度建模

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：47mb
    • 提供者：weixin_42168555

  1. ML-Projects:深度学习，计算机视觉，NLP项目的仓库-源码

  2. 欢迎来到ML-Projects 目标：构建出色的深度学习，计算机视觉，NLP应用程序/教程，同时保持代码的可读性。 图像处理 ：要模糊，添加/删除噪点，锐化图像。 ：梯度算子，高斯的拉普拉斯算子，Canny边缘检测。 ：Harris，Shi-Tomasi，FAST拐角检测。 ：使用ORB检测关键点和描述符，然后与其他图像匹配。 ：高斯，拉普拉斯金字塔和图像重建。 ：小演示。 ：查找特定对象的流。 ：查找全局运动，过程是跟踪所有像素以估计运动。 ：使BOVW功能可以训练图像分类

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：21mb
    • 提供者：weixin_42169245

  1. sivadasetty-源码

  2. 你好呀 :waving_hand: 我是（PME UChicago）的博士后。 :telescope: 我目前正在研究 在实施增强的采样方法。 探索类似带电介电纳米粒子的组装。 :hammer_and_wrench: 我用 Python C++ Fortran MATLAB R HTML JS 高斯过程回归： 和 。 :large_blue_diamond: 我对感兴趣 数据驱动方法的应用解决了现实世界中的问题。 统计力学和概率。 分子模拟和增强的采样方法。 深度学习。

  3. 所属分类：其它

  1. mfvi-dip-源码

  2. MIDL2021提交代码MFVI深度映像优先 马尔特·托勒（MalteTölle），麦克斯·海因里希·拉夫斯（Max-Heinrich Laves），亚历山大·施莱夫 MIDL2021提交代码，用于医学成像逆问题的深场图像均值变分推理方法 抽象的 对于医学图像处理而言，利用卷积自动编码器网络的深层图像先验特性尤为有趣，因为它通过省略监督学习来避免产生幻觉。 它对较低频率的频谱偏差使其适用于诸如降噪和超分辨率之类的逆图像问题，但是必须应用手动提前停止才能充当低通滤波器。 在本文中，我们提出了一种使

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：15mb
    • 提供者：weixin_42142062

  1. references-源码

  2. 参考 使用SoftPool完善激活下采样 提出一种基于softmax的池化方式，利用softmax函数计算感受野中每个元素的权重，再对感受野内元素进行加权求和，逐步反向传播时同样采用相同权重进行运算。 辍学作为贝叶斯近似：代表深度学习中的模型不确定性 本文通过理论推导证明有包含dropout的任意神经网络近似等价于深度高斯过程，从而推导引入在包含dropout的神经网络框架下计算输出不确定性只需要随机多次前向传播，样本方差即可描述不确定性。 NLNL：噪音标签的负面学习 由于标签通常可能存在

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：19mb
    • 提供者：weixin_42139460

  1. 机器学习笔记：我不断更新的机器学习，概率模型和深度学习笔记和演示（超过2000张幻灯片）我不间断更新的机器学习，概率模型和深度学习的讲义（2000+页）和视频链接-源码

  2. 深度学习中的无限深度深度学习“无限”精彩 神经网络的详细推导为（1）使用中心极限定理的高斯过程（2）神经正切核（NTK）（1）使用中心极限定理详细推导神经网络作为高斯过程（2）神经正切核神经正切核（NTK） 讨论神经ODE，尤其是在参数训练中使用伴随方程讨论神经ODE，尤其是在参数训练中使用伴随方程 Sinovasinovation DeeCamp创新工场DeeCAMP讲义 maxmax的特性，不使用计算分母的情况下估计softmax，概率重新参数化：Gumbel-Max技巧和REBAR算法（

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：83mb
    • 提供者：weixin_42128963

  1. Hyperactive：超参数优化和元学习工具箱，可方便，快速地进行机器深度学习模型的原型制作-源码

  2. 超参数优化和元学习工具箱，可方便，快速地建立机器学习模型的原型。 主人身份： 开发人员状态： 代码质量： 最新版本： Hyperactive主要是一个超参数优化工具包，旨在简化模型选择和调整过程。 您可以使用任何机器学习或深度学习软件包，而无需学习新语法。 Hyperactive具有两个特性，因此在模型优化中具有很高的通用性： 您可以在目标函数中定义任何类型的模型。 它只需要返回一个得分/度量值即可最大化。 搜索空间不仅接受“ int”，“ float”或“ str”作为数据类型，

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：616kb
    • 提供者：weixin_42139042

  1. Midterm-Project:先进应用机器学习中期项目-源码

  2. DATA 410高级应用机器学习中期项目 在此项目中，我们将在分析波士顿房屋价格数据集时执行正则回归，逐步回归，核回归，随机森林，XGBoost算法和深度学习方法。正则回归包括Ridge，LASSO，Elastic Net，SCAD和Square Root LASSO回归。内核回归包括高斯，三次，四次和Epanechnikov内核。在超参数调整过程中，我们将在适用的地方使用粒子群优化。最后，我们将列出预测房价和测试组房价之间的5位数验证平均绝对值，并比较我们在该项目中应用的每种技术的性能。 一般

  3. 所属分类：其它

  1. Diagnoze-源码

  2. 诊断（疾病检测） 检测不同疾病的网站 团队哈希＃ 网站 功能性 使用MRI SCAN检测肿瘤类型 使用X射线检测Covid-19 使用一般健康数据检测心脏病发作的机会 使用一般健康数据检测糖尿病 吸引用户 方便使用的 科技栈 深度学习： 张量流 凯拉斯 机器学习： SK学习 数据预处理： 大熊猫 脾气暴躁的 Matplotlib 泡菜 网页： HTML CSS JAVAscr ipt 自举 烧瓶 介绍 我们的诊断目标是为客户所面临的问题提供快速的结果。我们的webapp的工作原理是获取有关问

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：369mb
    • 提供者：weixin_42135073