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. NLP-Radiological-Reports:生成特征并预测病理结果-源码

  2. NLP-放射学报告 生成特征并预测病理结果。 （1）使用“ Generate features.py”生成特征； （2）使用“ Predict_train.py”预测病理结果。 模型 这项研究的计划。 BiLSTM，双向长期短期记忆； CNN，卷积神经网络； ANN，人工神经网络。 数据 Radiological_reports.csv显示了一些有关我们数据的示例。 token_vec_100.txt显示了Word2Vec的一些示例。 放射学报告中句子的长度和频率 生成特征的损失和准确性 R

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：390kb
    • 提供者：weixin_42124497

  1. ANN-1:人工神经网络-源码

  2. 概述 Python 3.0中的人工神经网络用于识别数字 该代码基于“神经网络和深度学习”中的解决方案，该解决方案针对Python 3.0进行了略微修改。 MINST手写数据集用于训练网络。

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：16mb
    • 提供者：weixin_42138703

  1. NEAT-Spotify:使用增强拓扑的NeuroEvolution（NEAT）预测歌曲的受欢迎程度。 一种使用进化公式构建神经网络的方法-源码

  2. 整洁的 使用增强拓扑的NeuroEvolution（NEAT）预测歌曲的受欢迎程度。 一种使用进化公式构建神经网络的方法。 描述：一种确定ANN（人工神经网络）最有效的结构/拓扑的策略是使ANN构建自身。 这些方法之一是NEAT（增强拓扑的神经进化（4））。 NEAT使用生物学模型将种群中的个体分配给多个物种。 然后，根据它们在数据集中的表现，这些物种/个体将“竞争”成为最适合的物种。 NEAT不是使用常规的前馈权重优化策略（例如反向传播），而是使用个体之间的变异和交叉。 与其他神经进化方法相

  3. 所属分类：其它

  1. 神经网络-源码

  2. 神经网络 Haskell中的人工神经网络。 具有反向传播的前馈ANN的基本实现。 试试看 Numeric.ANN.XOR模块训练网络以学习XOR运算符。 $ stack ghci ... > import Numeric.ANN.XOR > net runNet [1,0] net 0.969682524723555 执照 根据BSD3许可。

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：12kb
    • 提供者：weixin_42126399

  1. Prova1-ANN：证明书库1 de ann-源码

  2. Prova1-人工神经网络 证明书库1 de ann Lass Pisetta Van Vossen Q1） 比塞桑 任务1 时间间隔：（-5，5）|| 数量：10 Iteração1：0.0Iteração2：2.5Iteração3：1.25Iteração4：1.875Iteração5：1.5625Iteração6：1.71875Iteração7：1.796875Iteração8：1.7578125Iteração9：1.73828125Iteração10：1.7480468

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：927kb
    • 提供者：weixin_42116650

  1. ML-Starter-Pack：从sctrach编写的机器学习算法的集合-源码

  2. ML-入门包 1.人工神经网络（ANN） 它包含一个用Python从头实现的人工神经网络。 2.关联规则学习（先验方法） 关联规则学习是一种基于规则的机器学习方法，用于发现大型数据库中变量之间的有趣关系，旨在使用一些有趣程度来识别在数据库中发现的强大规则。该文件夹包含一个说明该算法的.py文件。 3.决策树分类器 决策树学习使用决策树（作为预测模型）从对项目（在分支中表示）的观察到对项目目标值（在叶子中表示）的结论。 它包含以下实现1.雨量预测决策树2.基本决策树3.虹膜数据集的决策树可视化

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：16mb
    • 提供者：weixin_42131728

  1. Digit-Recognition-ANN：在MNIST数据集上使用反向传播训练人工神经网络-源码

  2. 数字识别 在这个项目中，我们在MNIST数据集上使用反向传播算法在一层隐藏层上训练我们自己的ANN，这以后可以帮助我们的机器识别给定的数字。 有关数据集的更多信息 数据集的信息和文档可在以下网站找到：http: 初始化数据集 数据集由矩阵组成，其中每个图像均以1x784的形式表示 按照文件imageProjection.m中的代码投影/可视化图像 在Theory文件夹中的pdf文件中提供了下载数据集的链接 init（）函数初始化数据集 我们建立一个更大的训练数据集，其中包含每个班级的图像，即，

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：49mb
    • 提供者：weixin_42131443