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. caffe网络模型各层详解(中文版).pdf

  2. 对caffe中网络模型的各个层的定义, 作用, 以及使用方法作了详细的介绍, 非常值得一看

  3. 所属分类：深度学习

    • 发布日期：2017-11-20
    • 文件大小：990kb
    • 提供者：ll274119329

  1. 胶囊深度网络（CapsuleNet）

  2. Geoffrey Hinton 及其团队在总结卷积神经网络对物体部件的空间位姿1不敏感的缺点基础上又提出了胶囊神经网络(Capsule Networks，CapsNet)。

  3. 所属分类：深度学习

    • 发布日期：2018-05-16
    • 文件大小：4mb
    • 提供者：m624197265

  1. AI 顶级国际会议 IJCAI 斯坦福大学PH.D Aditya Grover报告深度生成模型Deep Generative Model

  2. 生成模型是图模型与概率编程语言中概率推理的核心范例，最近由于神经网络在参数化方面的改进、以及基于梯度随机优化方面的进展，使得可以对高维数据进行跨模态建模。 本教程的前半部分，将全面介绍深度生成模型，包括生成对抗网络、变分自编码器以及自回归模型。对于每一个模型，我们都将深入探讨各自的概率公式、学习算法、以及与其他模型的关系。后半部分将演示一组具有代表性的推理任务，展示深度生成网络在其中的应用。最后，我们将讨论堂前领域面临的挑战，并展望未来的研究方向。 目录 第一部分： 生成模型的动机，以及与判别

  3. 所属分类：深度学习

    • 发布日期：2018-07-25
    • 文件大小：25mb
    • 提供者：wen_fei

  1. 可用于深度学习模型开发的计算机配置表.xlsx

  2. 文件内为可用于深度神经网络模型开发的计算机推荐配置表，按照计算机性能高低不同，共有四种不同的推荐配置。

  3. 所属分类：其它

    • 发布日期：2020-05-07
    • 文件大小：14kb
    • 提供者：lwn517623

  1. tensorflow与常见的深度学习模型.rar

  2. 1.tensorflow的基本语法教程 2.模型保存于读取 3.常见的深度学习网络模型CNN,RNN,VGG,LSTM等

  3. 所属分类：深度学习

    • 发布日期：2020-04-03
    • 文件大小：26mb
    • 提供者：qq_34014247

  1. 深度学习模型在对撞机中寻找新物理时的可移植性

  2. 在这项工作中，我们评估了深度学习模型的可移植性，以检测超出标准模型的信号。 为此，我们在三种不同的信号模型上训练了深度神经网络：通过改变风味的中性电流产生 t Z ，成对产生类似矢量的 T -夸克通过标准模型胶子聚变和在3个质量点（1、1.2和1.4 TeV）的重胶子衰变中发生夸克。 这些网络使用 t 进行了训练

  3. 所属分类：其它

    • 发布日期：2020-03-20
    • 文件大小：645kb
    • 提供者：weixin_38733245

  1. 基于降噪自编码深度网络的空气质量预测模型

  2. 为了解决现有空气污染物预测模型预测精度低的问题，设计了一种基于长短期记忆（LSTM）网络的去噪自动编码器深度网络（DAEDN）模型。 该模型创建了一个具有LSTM网络的降噪自动编码器，以提取原始监测数据的固有空气质量特征，并对监测数据进行降噪处理，以提高空气质量预测的准确性。 将DAEDN模型中的LSTM网络结构设计为双向LSTM（Bi-LSTM），以解决单向LSTM预测结果中的滞后问题，从而进一步提高预测模型的预测精度。 利用空气污染物时间序列数据，使用北京在过去5年中收集的每小时PM2.5浓

  3. 所属分类：其它

  1. 深度学习原理及应用 多层隐含神经网络模型

  2. 深度学习原理及应用 介绍了卷积神经网络 自动编码器等基础知识的ppt, 深度学习本质上是层次特征提取学习的过程， 它通过构建多层隐含神经网络模型， 利用海量数据训练出模型特征来提取最有利的参数， 将简单的特征组合抽象成高层次的特征， 以实现对数据或实际对象的抽象表达。

  3. 所属分类：教育

    • 发布日期：2020-10-30
    • 文件大小：639kb
    • 提供者：weixin_51043079

  1. 常用深度网络模型.pptx

  2. 常用深度网络模型,深度卷积网络、深度循环网络，生成对抗网络

  3. 所属分类：算法与数据结构

    • 发布日期：2021-01-08
    • 文件大小：11mb
    • 提供者：xj4math

  1. aimet:AIMET是一个为经过训练的神经网络模型提供高级量化和压缩技术的库-源码

  2. AI模型效率工具包（AIMET） 是一个为经过训练的神经网络模型提供高级模型量化和压缩技术的库。它提供的功能已被证明可改善深度学习神经网络模型的运行时性能，同时具有较低的计算和内存需求，并且对任务准确性的影响最小。 AIMET设计用于和模型。 我们还托管-一组针对8位推理进行了优化的流行神经网络模型。我们还为用户提供了使用AIMET量化浮点模型的方法。 目录 为什么选择AIMET？ 支持高级量化技术：使用整数运行时的推理比使用浮点运行时的推理要快得多。例如，模型在Qualcomm Hexag

  3. 所属分类：其它

  1. rewriting:重写深度生成模型，ECCV 2020（口头）。交互式工具，可直接编辑GAN的规则，以将场景与添加，删除或更改的对象进行合成。更改StyleGANv2以制作夸张的眉毛或戴帽子的马-源码

  2. 重写深度生成模型 在本文中，我们询问是否可以通过使用户直接更改权重而不是使用数据集进行训练，来将深层网络重新编程为遵循不同的规则。 直接重写StyleGANv2的权重以重新编程具有帽子的马匹。 什么是模型重写？ 我们提出了模型重写的任务，其目的是添加，删除和更改预训练的深度网络的语义和物理规则。尽管现代图像编辑工具通过操纵单个输入图像来达到用户指定的目标，但我们使用户能够通过编辑生成模型以执行修改后的规则来合成无数新图像。 为什么要重写模型？ 要直接重写深度网络有两个原因： 深入了解深度网络如

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：82mb
    • 提供者：weixin_42098251

  1. 基于图像生成的深度学习模型的可视化

  2. 中国，北京，（论文编号37，EI收录源）本文介绍了基于图像生成的深度学习模型的可视化。 引入了一种方法，以可视化的方式（即通过图像生成的过程）来展示深度学习模型的强大功能。 本文将讨论如何调整深度学习模型的参数，包括隐藏层数和每个隐藏层上的神经元数量，以提高深度学习模型的性能。 实验表明，深度神经网络比浅层神经网络要好得多，即使后者在单个隐藏层中也比前者具有更多的神经元，这肯定了深度学习模型的含义。 预计提出的深度学习模型将为图像识别和图像恢复以及超分辨率任务做出贡献。

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：385kb
    • 提供者：weixin_38720402

  1. Driver-Drowsiness-Detection-System-:睡意检测是一项安全技术，可以防止由于驾驶员在驾驶中入睡而导致的事故。 在此Python项目中，OpenCV用于收集网络摄像头中的图像并将其输入到深度学习模型中，该模型对

  2. Driver-Drowsiness-Detection-System-:睡意检测是一项安全技术，可以防止由于驾驶员在驾驶中入睡而导致的事故。 在此Python项目中，OpenCV用于收集网络摄像头中的图像并将其输入到深度学习模型中，该模型对人的眼睛是“睁开”还是“闭合”进行分类

  3. 所属分类：其它

  1. dnn2gp:近似推理将深度网络转变为高斯过程（dnn2gp）-源码

  2. 从深度神经网络到高斯过程（dnn2gp） 该存储库包含用于重现论文结果的代码近似推理将深度网络转变为高斯过程 计算和可视化线性模型和GP 复制模型选择实验 结果可以在/results目录中轻松获得，并且可以通过运行来复制 python marglik.py --name of_choice 这将同时产生玩具和真实世界的实验，并将相应的测量结果以新的文件名保存到结果目录中。 然后可以通过运行生成图 python marglik_plots.py --name original # use o

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：14mb
    • 提供者：weixin_42160376

  1. Flow-Motion-Depth:这是论文“单眼立体及更深层的流动和深度网络”的项目页面-源码

  2. 流动深度 这是文件的项目页的“流动感和深度网络单眼立体声和超越‘’。RAL 2020及对ICRA 2020年提出的。 该项目页面的内容： 该方法的实现， GTA-SfM工具和生成的数据集。 一旦论文被接受，所有组件将是开源的。 拟议的方法 在这项工作中，我们提出了一种消除单眼立体效果并可以进一步融合来自多个目标图像的深度信息的方法。 下图显示了该方法的输入和输出。 给定一个源图像和一个或多个目标图像，提出的方法估计每个源－目标对之间的光流和相对姿势。 还可以通过融合光流和姿态信息来估算源

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：18mb
    • 提供者：weixin_42179184

  1. 自适应深度卷积神经网络模型构建方法

  2. 自适应深度卷积神经网络模型构建方法

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：928kb
    • 提供者：weixin_38678406

  1. Evaluation-of-Complexity-Measures-for-Deep-Learning-Generalization-in-Medical-Image-Analysis:通过医学图像上的深度学习模型报告复杂性度量与泛化性能之

  2. 医学图像分析中深度学习泛化的复杂性评估方法 此存储库中的代码基于我们的经验研究，该研究调查了针对乳房超声图像的监督深度学习分类器的复杂性度量与泛化能力之间的相关性。 该研究进行了。 用于医学图像分析的深度学习模型的性能通常会因使用不同设备收集的图像而下降，这些设备用于数据采集，设备设置或患者人群。 更好地理解新图像的泛化能力对于临床医生在深度学习中的可信度至关重要。 尽管近来已经进行了大量研究工作以建立泛化界限和复杂性度量，但是，预测的和实际的泛化性能之间通常仍然存在显着差异。 此外，相关的

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：20mb
    • 提供者：weixin_42144199

  1. 具有深度神经网络模型的基于文本的室内位置识别

  2. 具有深度神经网络模型的基于文本的室内位置识别

  3. 所属分类：其它

  1. Face-Mask-Detection:该项目使用的是不戴口罩的不同人的图像数据集。 然后将其用于使用SSD创建深度学习模型并检查准确性和验证分数-源码

  2. 面膜检测 该项目使用的是不戴口罩的不同人的图像数据集。 然后将其用于创建深度学习模型，并检查准确性和验证分数。 什么是SSD？ ！[SSD架构]（ ） SSD代表Single Shot Multibox Detector。 它是一种用于使用单个深度神经网络检测图像中对象的技术。 基本上，它用于图像中的对象检测。 通过使用VGG-16体系结构的基本体系结构，SSD能够在速度和准确性方面胜过YOLO和Faster R-CNN等其他对象检测器。 下图给出了SSD的体系结构。 从头开始训练SSD模

  3. 所属分类：其它

  1. 基于深度网络模型的视频序列中异常行为的检测方法

  2. 针对视频序列中的几种异常行为,构建训练模型,对其进行识别。使用卷积神经网络(CNN)进行特征提取并采用Adam算法(一种基于梯度的优化算法)进行优化。引入自适应池化层,筛选出判别的特征信息,减轻网络的计算量,加快识别视频序列中存在的异常行为。使用Adam算法对模型进行优化后,识别率可以达到87.6%,引入自适应池化层后,识别率可以达到91.9%。该卷积神经网络对视频序列中基本的异常行为的检测效果比改进的轨迹跟踪(iDT)和双流网络更快更准确;相较于时间分割网络(TSN)和时间关系网络(TRN),

  3. 所属分类：其它

« 12 3 4 5 6 7 8 9 10 ... 50 »