您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. Capsule胶囊神经网络github源码

  2. 原地址https://github.com/Sarasra/models/tree/master/research/capsules
  3. 所属分类:深度学习

    • 发布日期:2018-08-11
    • 文件大小:234kb
    • 提供者:qq_18483627
  1. Multi-Lane-Atrous-Feature-Fusion-Capsule-Network-with-CLAHE:具有MRI图像对比的有限自适应直方图均衡化的多车道Atrous特征融合胶囊网络-源码

  2. 具有CLAHE的多车道功能融合胶囊网络 具有MRI图像对比的有限自适应直方图均衡化的多车道Atrous特征融合胶囊网络 原始码 用于此研究的代码是对 engGuo / CapsNet-Keras上的代码的修改。
  3. 所属分类:其它

  1. urchinEngine:游戏引擎库-源码

  2. UrchinEngine 特征 C ++ 17中的游戏引擎库:3D,物理,声音,网络,IA,地图编辑器 视频: : 3D引擎: 骨骼动画3D模型 纹理管理器:TGA和PNG,各向异性,mip贴图,法线贴图 动态阴影(缓存的并行拆分阴影贴图,方差阴影贴图,模糊) 具有延迟阴影的动态照明:全向和定向 地形多层和草 环境光遮挡(SSAO +) 抗锯齿(FXAA) 空间分区(八叉树) UI 2D:按钮,窗口,文本(TTF),文本输入,位图,滑块 天空盒 多雾路段 物理引擎: 支持的形状:球体,盒子
  3. 所属分类:其它

  1. stacked_capsule_autoencoders-源码

  2. 堆叠式胶囊自动编码器 这段代码是从。 这是堆叠式胶囊自动编码器(SCAE)的Tensorflow实现,在以下论文中进行了介绍: , , 和 , 。 作者:牛津大学牛津机器人学院和统计系的亚当·科西雷克(Adam R. Kosiorek) 电子邮件:adamk(at)robots.ox.ac.uk 网页: : 这项工作是在亚当(Adam)在多伦多的Google Brain实习期间完成的。 关于该项目 如果查看包含对象的自然图像,您将很快看到可以从各种视点捕获同一对象。 胶囊网络经
  3. 所属分类:其它

    • 发布日期:2021-03-10
    • 文件大小:113kb
    • 提供者:weixin_42138525
  1. 硕士项目-源码

  2. 深度学习项目 链接数据集 结构目录 主要的 有线电视新闻网 CapsNet.ipynb MLP.ipynb Process_Data.ipynb 资料集 8863 / [0-1] 10300 / [0-1] ... data_batch_train X_train_1.hdf5 ... data_batch_test X_test_1.hdf5 ... data_batch_valid X_valid_1.hdf5 ... 应用的算法 多层感知器 卷积神经网络 胶
  3. 所属分类:其它

  1. 胶囊网络-源码

  2. 胶囊网络 PyTorch实现以下文件: Sara Sabour,Nicholas Frosst和Geoffrey Hinton的 正式执行 Sara Sabour的(TensorFlow) 视觉表现 图片来源: Mike Ross , 运行实验 有关详细信息,请运行python main.py --help 重构图像与原始图像的示例 要求: PyTorch( ) NumPy( ) 显卡 默认的超参数(类似于纸张): 每个GPU batch_size = 128 初始learni
  3. 所属分类:其它

    • 发布日期:2021-02-25
    • 文件大小:38kb
    • 提供者:weixin_42139252
  1. 艺术品分类:根据风格,体裁和艺术家分类绘画-源码

  2. 艺术品的风格,流派和艺术家分类 艺术品数字化的增长说明了根据艺术家,风格和绘画风格对绘画进行分类的重要性。 分类方法的确可以帮助游客和策展人以自己的步调分析和可视化任何博物馆中的画作。 此外,寻找画家是一项艰巨的任务,因为大多数画家的艺术品可能具有独特的绘画风格,而多位画家可以拥有相同的绘画风格。 楷模 我已经尝试了四种模型- 香草卷积神经网络的实现 通过结合视觉词袋技术使用随机森林分类器的基于统计机器学习的方法。 胶囊网络的实现 使用像AlexNet这样的预训练网络进行转移学习 数据集 用
  3. 所属分类:其它

    • 发布日期:2021-02-14
    • 文件大小:616kb
    • 提供者:weixin_42117485
  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. PeeragogyORG:《 Peeragogy手册》的组织模式版本,由Firn呈现-源码

  2. 自述文件 新闻:现在由Pandoc从Markdown转换为Org模式,并由为网络设置。 欢迎来到《 Peeragogy手册》。 关于 Peeragogy项目由Howard Rheingold在2012年召开( )。 如果您有几分钟的时间聆听霍华德讲故事,那么这里有一段视频,他描述了他从在伯克利和斯坦福的班级组织共同教学,到在线开展协作课程,再到召集一群人的过程收集有关如何在没有老师的情况下学习任何学科的实用知识: : 《人类学手册》收集了我们调查的结果。 在胶囊形式中,对等学以共同学习的
  3. 所属分类:其它

    • 发布日期:2021-02-11
    • 文件大小:30mb
    • 提供者:weixin_42134117
  1. CapsLayer:CapsLayer:胶囊理论的高级库-源码

  2. CapsLayer:胶囊理论的高级库 胶囊理论是Geoffrey E. Hinton等人提出的一项潜在研究,他在其中描述了卷积神经网络的缺点以及胶囊如何潜在地规避诸如“像素攻击”之类的问题,并基于胶囊层创建更强大的神经网络体系结构。 。 我们希望该理论一定会为深度学习产业做出贡献,我们对此感到兴奋。 出于同样的原因,我们很自豪地引入CapsLayer (胶囊理论的高级库),它集成了与胶囊相关的技术,提供了相关的分析工具,开发了相关的应用示例,并且可能是最重要的事情:促进了胶囊理论的发展。 该
  3. 所属分类:其它

  1. CapsNet可视化::fireworks:CapsNet层的可视化以更好地了解其工作原理-源码

  2. CapsNet可视化 有关胶囊网络的更多信息,请和查看我的中型文章。 建立 使用pip安装所需的python软件包: pip install -r requirements.txt 运行工具 通过运行以下命令来启动Flask应用程序: python run_visualization.py 将浏览器指向: 测试自己的图像 将您的图像添加到test_images目录。 跑: python render.py [filename]
  3. 所属分类:其它

    • 发布日期:2021-02-06
    • 文件大小:33mb
    • 提供者:weixin_42101384
  1. 胶囊:网络功能开发的框架。 写在Rust中,受NetBricks启发并基于DPDK构建-源码

  2. 胶囊:网络功能开发的框架。 写在Rust中,受NetBricks启发并基于DPDK构建
  3. 所属分类:其它

    • 发布日期:2021-02-06
    • 文件大小:308kb
    • 提供者:weixin_42136365
  1. awesome-capsule-networks:与胶囊网络相关的精选资源精选列表-源码

  2. awesome-capsule-networks:与胶囊网络相关的精选资源精选列表
  3. 所属分类:其它

    • 发布日期:2021-02-05
    • 文件大小:55kb
    • 提供者:weixin_42121412
  1. CapsGNN:“胶囊图神经网络”的PyTorch实施(ICLR 2019)-源码

  2. CapsGNN ⠀ 胶囊图神经网络的PyTorch实施(ICLR 2019)。 抽象 从图神经网络(GNN)学习到的高质量节点嵌入技术已被广泛应用于基于节点的应用程序,其中一些已经达到了最先进的(SOTA)性能。 但是,当应用从GNN学习到的节点嵌入来生成图嵌入时,标量节点表示可能不足以有效地保留节点/图属性,从而导致次优的图嵌入。 受胶囊神经网络(CapsNet)的启发,我们提出了胶囊图形神经网络(CapsGNN),它采用胶囊的概念来解决现有基于GNN的图形嵌入算法中的弱点。 通过提取胶囊
  3. 所属分类:其它

  1. COVID-CAPS:基于胶囊网络的框架,可从胸部X射线图像识别COVID-19病例-源码

  2. 冠状病毒 基于胶囊网络的框架可从胸部X射线图像识别COVID-19病例 新型冠状病毒病2019肺炎(COVID-19)以其相对较高的重症监护病房(ICU)住院率和死亡率而Swift向全世界蔓延。 这种疾病的早期诊断至关重要,因为它使医生能够隔离患者并防止进一步的转变。 当前在COVID-19诊断中使用的金标准需要特定的设备,既耗时又灵敏度较低。 另一方面,计算机断层扫描(CT)扫描和X射线图像显示与该疾病相关的特定表现。 然而,不同细菌和病毒病例之间的重叠,使得以人为中心的诊断困难而具有挑战性。
  3. 所属分类:其它

  1. AuthorIdentification-源码

  2. 作者识别 作者身份归因是一项重要任务,因为它可以从一组可疑作者中识别出书面文本的作者。随着社交媒体使用的增加,已经发现了不同的匿名写作方法。这种匿名的文字导致恶意和可疑活动的增加,而匿名使得难以找到嫌疑人。作者身份归属有助于从一组犯罪嫌疑人中找到犯罪嫌疑人文本的作者。用户定期使用不同的社交媒体平台(例如Twitter,Facebook,Instagram等)分享他们的日常生活。查找可疑文本的作者被认为是最艰巨的任务,因为可疑文本的长度较短。我们在字符n-gram上展示了一个基于胶囊的卷积神经网络
  3. 所属分类:其它