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. 人工神经网络电子讲稿和课本

  2. 人工神经网络电子讲稿和课本 适合初学者 人工神经网络（Artificial Neural Networks, ANN），一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。人工神经网络具有自学习和自适应的能力，可以通过预先提供的一批相互对应的输入－输出数据，分析掌握两者之间潜在的规律，最终根据这些规律，用新的输入数据来推算输出结果，这种学习分析的过程被称为“训练”。（引自《环球科学》20

  3. 所属分类：网络基础

    • 发布日期：2008-12-07
    • 文件大小：1mb
    • 提供者：iterate

  1. *图片检测神经网络open_nsfw.zip

  2. 使用：网络需要在图像和输出概率（评分0-1）之间过滤不适合工作的图片。评分<0.2表示图像具有较高概率是安全的。评分＞0.8表明极有可能是不适合工作（NSFW）图像。我们建议开发者根据用例和图像类型的不同选择合适的阈值。根据使用情况、定义以及公差的不同会产生误差。理想情况下，开发人员应该创建一个评价集，根据“什么是安全的”对他们的应用程序进行定义，然后适合ROC曲线选择一个合适的阈值。结果可以通过微调你的数据/ uscase /定义NSFW的模型的改进。我们不提供任何结果的准确性保证。使

  3. 所属分类：其它

    • 发布日期：2019-07-19
    • 文件大小：21mb
    • 提供者：weixin_39840914

  1. 提供一个Matlab的BP神经网络的基础资料-附件2.txt

  2. 提供一个Matlab的BP神经网络的基础资料-附件2.txt 第一节内容：包括神经网络的基础知识，BP网络的特点，bp主要应用的场合，使用时应注意的问题。 什么是神经网络？ 神经网络是由很多神经元组成的，首先我们看一下，什么是神经元 3962604722133983950.jpg 上面这个图表示的就是一个神经元，我们不管其它书上说的那些什么树突，轴突的。用个比较粗浅的解释，可能不太全面科学，但对初学者很容易理解： 1、我们把输入信号看成你在matlab中需要输入的数据，输进去神经网络后 2、这

  3. 所属分类：其它

  1. 基于Matlab的BP神经网络环渤海动力煤价格指数预测模型

  2. 环渤海动力煤价格指数(以下简称环指)是反映国内煤炭市场现状的风向标,对环指的分析是煤炭市场研究工作的重要组成部分。影响煤炭价格的因素较多且复杂,各因素又相对独立,而BP神经网络模型,比较适合关联度低的非线性预测模型。因此,本文选取BP神经网络模型对其中一些影响因素进行数值拟合来预测环指,从而预测煤炭价格走势。模型通过Matlab训练后,预测结果用环指历史数值检验,误差较小。预测结果能为企业调整煤炭营销策略,提供一定依据。

  3. 所属分类：其它

  1. nvdla 入门翻译文档.pdf

  2. 翻译的NVDLA 加速引擎的文档，学习交流，一块进步！PU cPU Microcontroller DRAM AVULA NVD_A DODI SFAMI Small NVDLA system Large"NVDLA system 小NDLA模型 小型 NVDLA模型在以前不可行的领域开辟了深度学习技术。此模型非常适合对成本因素 比较敏感的物联网(IoT)类设备、A丨以及面向自动化的系统领域。这些系统具有明确的应 用方向,其成本、面积和功率是主要注意事项。通过N√DLA可配置实现资源节约(在成本

  3. 所属分类：硬件开发

    • 发布日期：2019-08-31
    • 文件大小：499kb
    • 提供者：weixin_42119147

  1. 基于CUDA技术的卷积神经网络识别算法

  2. 基于CUDA技术的卷积神经网络识别算法For idy=l To n Do 浮点运算能力表现平稳,呈线性态势。 使用共享存備器( shared memory)收集数据 Thread[idx*pitch+]i1 FMi[e(idx, idy)]=( shared double) 4039 result: End for x烂 2.0358 (2)算法结束 1.772 43识别分类算法DCL 识别分类算法DCL如下 (1)Fori1 To nxn do(并行地) 在 Device的共享内存内初始化分类

  3. 所属分类：机器学习

    • 发布日期：2019-04-19
    • 文件大小：953kb
    • 提供者：suiyu_eran

  1. UCI数据,适合神经网络模型进行训练

  2. 关于UCI的各种类型数据,有连续的和非连续的

  3. 所属分类：网络基础

    • 发布日期：2010-08-15
    • 文件大小：2mb
    • 提供者：baba8237

  1. traffic-sign-detection:交通标志检测。 论文代码“交通标志检测系统的深度神经网络评估”-源码

  2. 交通标志检测 这是论文的代码 ， ， 本文通过结合多种特征提取器（Resnet V1 50， Resnet V1 101，Inception V2，Inception Resnet V2，Mobilenet V1和Darknet-19）。 我们旨在探索这些对象检测模型的特性，这些对象通过转移学习进行了修改，并特别适合于交通标志检测问题领域。 特别是，在Microsoft COCO数据集上进行了预训练的各种公开可用的对象检测模型在数据集上进行了微调。 这些模型的评估和比较包括关键指标，例如平均

  3. 所属分类：其它

  1. TextClassification:使用不同神经网络的文本分类-源码

  2. 文字分类 使用不同的神经网络进行文本分类。中文文本分类，使用TensorFlow 2.x实现TextCNN，TextRNN，TextRCNN，BiLSTM Attention，HAN等类型的深度学习模型。 数据 数据收集数据只取新闻中的五个类别：汽车，娱乐，军事，体育，科技将五个类别分词后保存到数据文件目录，作为分类模型构造与验证数据。 数据集 数据量 总数据 87747 训练集 65810 测试集 21973 环境 的Python 3.7 TensorFlow 2.0+ 使用说明 进入到相关模

  3. 所属分类：其它

  1. 合成Kong径雷达场景分类的高阶广义无序合并网络

  2. 视觉单词袋（BOVW）模型中的固定编码样式以及卷积神经网络（CNN）特征表示中的强大空间信息，使得特征向量不太适合场景分类。 为了提取SAR场景分类的可学习无序特征，提出了一种通过反向传播训练的高阶广义无序池网络，以学习局部聚集描述符（VLAD）的高阶向量和局部约束仿射子空间编码。 （LASC），与一阶特征编码样式相比，所提出的网络可以通过外部产品自动学习高阶编码特征。 随后，为了使特征表示更加强大，将其梯度通过奇异值分解（SVD）和元素逐项归一化的矩阵归一化（平方根）引入了所提出的网络中。 最

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：256kb
    • 提供者：weixin_38535364

  1. 使用具有多任务学习功能的深度神经网络进行细胞跟踪

  2. 细胞跟踪在生物医学和计算机视觉领域起着至关重要的作用。 由于细胞通常具有频繁的变形活动并且在显微镜图像中尺寸较小，因此在实践中跟踪非刚性和非重要细胞非常困难。 传统的视觉跟踪方法在跟踪刚性和重要视觉对象方面具有良好的性能，但是，它们不适合用于单元跟踪问题。 在本文中，提出了一种使用卷积神经网络（CNN）以及多任务学习（MTL）技术的新型细胞跟踪方法。 CNN可学习可靠的信元功能，而MTL可提高跟踪的泛化性能。 提出的细胞跟踪方法包括粒子过滤器运动模型，多任务学习观察模型和优化的模型更新策略。 在

  3. 所属分类：其它

  1. 基于神经网络的访问控制策略优化模型

  2. 访问控制是网络安全防范和保护的主要核心策略,其主要任务是保证网络资源不被非法使用和访问。将风险概念引入访问控制,分析了基于风险的权限委托以及权限再分配的基本性质;基于MUS集合的计算方法,给出了一种基于神经网络的风险评估方法。针对神经网络适合定量数据,而风险因素的指标值具有很大的不易确定性等问题,采用模糊评价法量化信息安全的风险因素指标,对神经网络的输入进行模糊预处理。仿真结果表明,模糊神经网络经过训练,可以实时地估算风险因素的级别。

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：471kb
    • 提供者：weixin_38653602

  1. 交通-源码

  2. 交通标志识别系统 目标和目的 在自动驾驶汽车时代的今天，特斯拉，奔驰，奥迪，福特，GMC等公司致力于开发提高自动驾驶和自动驾驶汽车准确性的模型，从而能够识别路障和交通标志，从而实现平稳安全的行驶。 因此，我们希望建立一个模型，该模型在检测道路交通标志时具有最高的准确性，并据此做出决策。 在这个项目中，我们将建立一个神经网络模型，该模型能够最大可能地对几类图像进行分类。 最后，我们尝试创建一个界面来上传图像并通过加载训练后的神经网络模型来获得分类结果。 产品特点 我们的数据集来自： :

  3. 所属分类：其它

    • 发布日期：2021-02-11
    • 文件大小：16mb
    • 提供者：weixin_42116604

  1. convolutional_dqn_pacman：用于OpenAI Pacman域的具有双深度Q学习（DQN）代理的集成卷积神经网络（CNN）-源码

  2. convolutional_dqn_pacman 用于OpenAI Pacman域的具有双深度Q学习（DQN）代理的卷积神经网络（CNN）。 实施利用“双重”目标网络在正确的方向上指导学习，并利用随机采样的经验重放来防止状态转换依赖性干扰学习。 状态由三维红绿蓝（RGB）阵列表示，这使卷积神经网络（CNN）非常适合于训练代理的任务。 马尔可夫决策过程（MDP）和整体环境由OpenAI定义/提供。 Tensorboard已集成到该项目中，以进行培训/进度可视化。 笔记： 根据经验，通过多次

  3. 所属分类：其它

  1. 手跟踪：在Tensorflow上使用神经网络（SSD）构建实时手检测器-源码

  2. 在Tensorflow上使用神经网络（SSD）进行实时手检测。 此仓库记录了用于使用Tensorflow（Object Detection API）训练手持探测器的步骤和脚本。 与任何基于DNN的任务一样，过程中最昂贵（也是最危险）的部分与查找或创建正确的（带注释）数据集有关。 我主要对检测桌子上的手感兴趣（以自我为中心的观点）。 我首先用了实验（结果不好）。 然后，我尝试了，该非常适合我的要求。 此回购/发布的目的是演示如何将神经网络应用于跟踪手（以自我为中心的视图和其他视图）的（困难）问

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：217mb
    • 提供者：weixin_42115074

  1. 基于改进深度残差网络的计算断层扫描图像分类算法

  2. 基于改进的深度残差网络(ResNet),提出更加适合肺部组织的计算断层扫描(CT)图像模式分类模型。为克服医学图像分析中可用数据集稀少的困难,采用迁移学习方法来减小神经网络模型对数据量大的需求,以减小过拟合。迁移学习的策略是将肺内大量可用的无标签区域作为预训练的数据,使用深度互信息最大化和先验分布匹配的方法进行无监督表征学习。通过对比实验发现,改进的深度ResNet可以得到更高的分类精度,迁移学习算法可以有效地利用肺内无标签区域的数据,从而提升网络模型的分类表现。

  3. 所属分类：其它

  1. python实现LBP方法提取图像纹理特征实现分类的步骤

  2. 题目描述 这篇博文是数字图像处理的大作业. 题目描述:给定40张不同风格的纹理图片,大小为512*512,要求将每张图片分为大小相同的9块,利用其中的5块作为训练集,剩余的4块作为测试集,构建适当的模型实现图片的分类. 图片如下图所示: 分析:由于数据集太小,所以神经网络模型并不适合此类的图像处理.就需要寻找方法提取图像的纹理信息.本文采用LBP的方法提取图像的纹理信息,然后转化成直方图作为图像的特征,然后使用多分类的方法进行分类. 环境 python2.7,jupyter noteb

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：103kb
    • 提供者：weixin_38686187

  1. 基于遗传算法和RBF 网络的番茄生长模型辨识

  2. 采用神经网络和遗传算法, 对温室栽培番茄生长过程中主要器官——茎的生长过程进行了建模. 温室番茄 的生长过程具有控制变量多、生长过程复杂等特点. 采用基于径向基函数(RBF) 神经网络的辨识方法建立了温室栽 培番茄生长的模型, 以温室中番茄的实测数据为训练和预测样本, 采用遗传算法进行训练. 仿真结果表明, 该方法较 其他方法更适合于温室番茄生长过程的建模.

  3. 所属分类：其它

    • 发布日期：2021-01-15
    • 文件大小：279kb
    • 提供者：weixin_38742656

  1. NLP任务如何选择正确GPU训练-Exxact NLP-Choosing The Right GPU

  2. 我们不再谈论受限的词汇和语法，而是每天从英语到德语的演讲。不仅用于翻译学术论文，而且还可以在游客的手机上实时进行语音识别！ 使之成为可能的是神经网络和深度学习系统的最新发展，尤其是称为变压器的神经网络架构。研究人员表明，变压器网络特别适合在基于GPU的系统上并行化。这些网络优于传统的机器翻译简介模型，并且能够产生高质量的翻译。 问题在于，变压器网络需要大量的GPU内存，远远超出了大多数入门级深度学习平台所能找到的范围。基于消费级GPU的系统（例如常用的NVIDIA GeForce RTX 2

  3. 所属分类：深度学习

    • 发布日期：2021-01-13
    • 文件大小：3mb
    • 提供者：caobei5052

  1. 使用具有多任务学习功能的深度神经网络进行细胞跟踪

  2. 细胞跟踪在生物医学和计算机视觉领域起着至关重要的作用。 由于细胞通常在显微镜图像中具有频繁的变形活动和较小的尺寸，因此在实践中跟踪非刚性和非重要细胞非常困难。 传统的视觉跟踪方法在跟踪刚性和重要视觉对象方面具有良好的性能，但是，它们不适合用于单元跟踪问题。 在本文中，提出了一种使用卷积神经网络（CNN）以及多任务学习（MTL）技术的新型细胞跟踪方法。 CNN可学习可靠的信元功能，而MTL可提高跟踪的泛化性能。 提出的细胞跟踪方法包括粒子过滤器运动模型，多任务学习观察模型和优化的模型更新策略。 在

  3. 所属分类：其它

    • 发布日期：2021-03-30
    • 文件大小：512kb
    • 提供者：weixin_38575421
« 12 »