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. CNN处理kdd99数据集（tensorflow实现）

  2. 基于Tensorflow用CNN（卷积神经网络）处理kdd99数据集，代码包括预处理代码和分类代码，准确率99.6%以上，并且快速收敛至最优值。 (Based on Tensorflow (convolutional neural network) processing KDD99 data set based on CNN, the code includes preprocessing code and classification code, the accuracy rate is m

  3. 所属分类：Python

    • 发布日期：2017-10-30
    • 文件大小：17mb
    • 提供者：peterbupt

  1. cnn卷积神经网络

  2. 利用卷积神经网络对mnist数据集进行分类，代码采用python进行编写，并有详细的注释，且文件自带mnist数据集。用户需要搭建好tensorflow环境配合python即可运行。

  3. 所属分类：深度学习

    • 发布日期：2017-12-13
    • 文件大小：21mb
    • 提供者：fayuanzhen2227

  1. tensorflow+cnn神经网络学习模型保存及调用

  2. tensorflow+cnn神经网络学习模型保存及调用，通过五种类型花卉(附在附件中）真实jpg图片，实现数据的分类学习，模型的保存，及调用方法。

  3. 所属分类：深度学习

    • 发布日期：2018-06-06
    • 文件大小：218mb
    • 提供者：yyhjjk

  1. 深度学习卷积神经网络可检测和分类番茄植物叶病

  2. 番茄作物是市场上的重要主食，并且是日常食用的最常见的作物之一。 植物或农作物疾病导致生产质量和数量下降； 因此，对这些疾病的检测和分类非常必要。 感染番茄植物的疾病有很多类型，例如细菌斑，晚疫病，裁缝叶斑，番茄花叶和黄色弯曲。 早期发现植物病害可提高产量并提高其质量。 当前，智能方法已被广泛用于检测和分类这些疾病。 这种方法可以帮助农民识别类型吗？ 感染农作物的疾病 当前工作的主要目的是应用一种现代技术来识别和分类疾病。 智能技术基于使用卷积神经网络（CNN）的技术，而卷积神经网络是机器学习的一

  3. 所属分类：其它

  1. CNN处理kdd99数据集（tensorflow实现）

  2. 基于Tensorflow用CNN（卷积神经网络）处理kdd99数据集，代码包括预处理代码和分类代码，准确率99.6%以上，并且快速收敛至最优值。 (Based on Tensorflow (convolutional neural network) processing KDD99 data set based on CNN, the code includes preprocessing code and classification code, the accuracy rate is mo

  3. 所属分类：Python

    • 发布日期：2020-07-14
    • 文件大小：17mb
    • 提供者：magicnono

  1. 基于卷积神经网络的ADHD的判别分析

  2. 提出了利用卷积神经网络(CNN)对儿童注意缺陷与多动症(ADHD)的功能性核磁共振图像（fMRI）进行特征分析，从而对ADHD患者进行判别分析。针对ADHD-200全球竞赛的三个数据库的fMRI数据，首先利用快速傅里叶变换将数据从时域转换到频域，并利用Fisher线性判别方法选择有效的频率信息，然后利用改进的卷积神经网络对选择频域数据进行特征学习，自动提取出有效的特征并进行分类。实验结果表明，提出的方法有助于ADHD患者的判别，为基于fMRI数据的ADHD研究提供了新的手段。

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：282kb
    • 提供者：weixin_38519082

  1. 深度学习中的卷积神经网络系统设计及硬件实现

  2. 针对目前深度学习中的卷积神经网络（CNN）在CPU平台下训练速度慢、耗时长的问题，采用现场可编程门阵列（FPGA）硬件平台设计并实现了一种深度卷积神经网络系统。该系统采用修正线性单元（ReLU）作为特征输出的激活函数并使用Softmax函数作为输出分类器。利用流水线技术并针对每一层的特征运算进行了并行处理，从而能够在1个系统时钟周期内完成整个CNN中的295次卷积运算。系统最后采用MNIST数据集作为实验样本，实验结果表明，在50 MHz的工作频率下，FPGA的训练用时相较于通用CPU的训练用时

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：414kb
    • 提供者：weixin_38704870

  1. 卷积神经网络在肝包虫病CT图像诊断中的应用

  2. 探讨卷积神经网络(Convonlutional Neural Network，CNN)在肝包虫病CT图像诊断中的应用。选取两种类型的肝包虫病CT图像进行归一化、改进的中值滤波去噪和数据增强等预处理。以LeNet-5模型为基础提出改进的CNN模型CTLeNet，采用正则化策略减少过拟合问题，加入Dropout层减少参数个数，对二分类肝包虫图像进行分类实验，同时通过反卷积实现特征可视化，挖掘疾病潜在特征。结果表明，CTLeNet模型在分类任务中取得了较好的效果，有望通过深度学习方法对肝包虫病提供辅助

  3. 所属分类：其它

    • 发布日期：2020-10-15
    • 文件大小：305kb
    • 提供者：weixin_38634037

  1. CNN神经网络数据分类

  2. 通过CNN网络实现对多特征数据进行分类，我主要是用来分类数据。实现多分类，对新手学习很好，配有中文解释，希望可以帮助大家。完成对CNN网络的学习

  3. 所属分类：深度学习

    • 发布日期：2020-11-29
    • 文件大小：12kb
    • 提供者：hjc2431255532

  1. 【python】TensorFlow框架下CNN神经网络的花卉识别系统

  2. 提前说明一下，本文的CNN神经网络模型是参考网上诸多相关CNN图像分类大牛的博客修改的，在模型的基础上，用python的Flask框架搭载了一个web页面用来可视化展示。 第一步，爬取图片数据集 用python实现了一个非常简单的网络爬虫，对百度图片接口 http://image.baidu.com/search/acjson?tn=resultjson_com&ipn=rj&ct=201326592&is=&fp=result&queryWord=高清动漫&cl=2&lm=-1&ie=utf-

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：218kb
    • 提供者：weixin_38593738

  1. 卷积神经网络的金属表面缺陷自动检测与识别

  2. 自动金属表面缺陷检查在工业产品的质量控制方面已受到越来越多的关注。金属缺陷检测通常是针对复杂的工业场景执行的，这是一个有趣但具有挑战性的问题。传统的方法是基于图像处理或浅层机器学习技术的，但是这些方法只能在特定的检测条件下检测缺陷，例如在一定范围内或在特定的照明条件下，具有明显对比度高的低缺陷轮廓和低噪声的缺陷。本文讨论了一种通过双重过程自动检测金属缺陷的方法，该过程可以准确地定位和分类从实际工业环境中捕获的输入图像中出现的缺陷。设计了一种新颖的级联自动编码器（CASAE）架构，用于分割和定位缺

  3. 所属分类：其它

  1. CNN_vs_RNN_Image_Classification:该程序使用卷积神经网络对图像进行分类-源码

  2. CNN与RNN图像分类 该程序使用卷积神经网络和递归神经网络对来自MNIST手写数字数据集的图像进行分类。 CNN最适合计算机视觉应用，因为可以使用RNN，但并不流行。该项目的目的是证明CNN模型相对于RNN可​​能具有的优势。 设置 需要Python 3.5-3.8才能与所有必需的模块兼容 # Clone this reposititory git clone https://github.com/JohnNooney/CNN_vs_RNN_Image_Classification # Go

  3. 所属分类：其它

  1. ShellHacks2020:ShellHacks 2020上的神经网络研讨会的官方资料库-源码

  2. ShellHacks2020神经网络研讨会 欢迎参加我们在上的神经网络研讨会！ 内容 DeRes脚本 运行脚本以创建解分辨率的人脸数据集（在本研讨会中未使用，但无论如何还是有用的！） Django图像分类器 Django文件夹包含netlify网站实施所需的所有文件 使用的模型：卷积神经网络（CNN） 在localhost：8000中启动Django服务器的步骤 打开Anaconda3命令提示符或常规命令提示符 更改目录到django文件夹所在的位置 cd [file location] 创

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：15mb
    • 提供者：weixin_42099942

  1. 基于分层池的深度卷积神经网络用于人类动作识别

  2. 基于视频的人体动作识别是计算机视觉中一个活跃且具有挑战性的话题。过去几年，深度卷积神经网络（CNN）成为最受欢迎的方法，并在HMDB-51和UCF-101等多个数据集上达到了最先进的性能。 由于每个视频都具有多种帧级功能，因此如何组合这些功能以获得良好的视频级功能成为一项艰巨的任务。 因此，本文提出了一种基于深度卷积神经网络（SP-CNN）的新颖的动作识别方法-分层池化。 该过程主要由五个部分组成：（i）在目标数据集上微调预训练的CNN，（ii）帧级特征提取； （iii）用于减少特征维数的主成分

  3. 所属分类：其它

  1. 深度卷积神经网络对囊性纤维化肺病肺组织的分类

  2. 通过计算机断层扫描（CT）扫描获得的肺组织中疾病区域的定量分类是评估囊性纤维化肺病（CFLD）病变程度的关键步骤之一。 在本文中，我们提出了一个基于深层卷积神经网络（CNN）的框架，用于使用CFLD对肺组织进行自动分类。 该框架的核心是将深层CNN集成到分类工作流程中。 为了训练和验证深层CNN的性能，我们分别构建了灵感CT扫描和呼气CT扫描的数据集。 我们采用转移学习技术来微调深层CNN的参数。 具体来说，我们训练Resnet-18和Resnet-34并验证所构建数据集的性能。 在平均精度和接

  3. 所属分类：其它

  1. 基于卷积神经网络的生物式水质监测方法

  2. 生物式水质监测通常是先通过提取水生物在不同环境下的应激反应特征，再进行特征分类，从而识别水质。针对水质监测问题，提出一种使用卷积神经网 (CNN)的方法。鱼类运动轨迹是当前所有文献使用的多种水质分类特征的综合性表现，是生物式水质分类的重要依据。使用 Mask-ＲCNN 的图像分割方法，取鱼体的质心坐标，并绘制出一定时间段内鱼体的运动轨迹图像，制作正常与异常水质下两种轨迹图像数据集。融合 Inception-v3网络作为数据集的特征预处部分，重新建立卷积神经网络对 Inception-v3 网络提

  3. 所属分类：其它

  1. DSC卷积神经网络代码沿着ONL01-DTSC-PT-052620-源码

  2. 卷积神经网络-Codealong 介绍 在此代码中，我们将重新研究以前的圣诞老人图像分类示例。 为此，我们将审查从嵌套目录结构中加载数据集并构建基线模型。 从那里，我们将构建一个CNN并演示其在图像识别任务上的改进性能。 建议您运行单元格，以便进一步探索变量并调查代码片段本身。 但是，请注意，某些细胞（尤其是稍后训练的细胞）可能需要几分钟才能运行。 （在Macbook pro上，整个笔记本电脑大约需要15分钟才能运行。） 目标 你将能够： 使用图像数据生成器从分层文件结构加载图像 解释为什么训

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：344mb
    • 提供者：weixin_42097533

  1. 暹罗卷积神经网络的遥感场景分类

  2. 卷积神经网络（CNN）具有强大的特征表示能力，为改善遥感影像的场景分类提供了新颖的途径。 尽管我们可以获取大量的卫星图像，但是缺少丰富的标签信息仍然是遥感领域的主要问题。 此外，遥感数据集也有其自身的局限性，例如场景类别的规模小和缺乏图像多样性。 为了缓解现有问题的影响，在此信函中提出了将CNN的识别和验证模型结合在一起的Siamese CNN。 度量学习正则化术语明确地强加于通过CNN学习的功能，这些功能使Siamese网络变得更加健壮。 我们对三个广泛使用的遥感数据集进行了性能评估实验。 实

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：587kb
    • 提供者：weixin_38670420

  1. 地理选择反演：由Mohd-Razak和Jafarpour（2020）发表于“计算地球科学”的“基于卷积神经网络（CNN）的不确定地质情况下基于特征的模型校准”的实现和演示-源码

  2. 地理选择反演 Mohd-Razak和Jafarpour（2020）在计算地球科学中发表的实现和演示。 本文提出了用于动态流响应数据集成的卷积神经网络体系结构，以减少地质场景中的不确定性并校准地下流模型。 geo-selection-inversion │ └─── mnist │ └─── 2d-gaussian │ └─── 2d-fluvial 基于MNIST数据集，2D高斯场数据集和2D河床场数据集（请参阅文件夹结构）的演示都存储在此存储库中。 注意请在派生主存储库（包括

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：12mb
    • 提供者：weixin_42134338

  1. 基于DenseNet进化的卷积神经网络图像分类算法

  2. 卷积神经网络(CNN)的结构与参数决定了其在图像分类中的性能,针对深度网络结构复杂、参数量较大的问题,提出了一种基于稠密连接网络进化的CNN(D-ECNN)图像分类算法。该算法可对网络结构空间进行有效搜索,并基于有限的计算资源对深度网络结构与参数进行自适应优化。在车辆数据集上的分类实验结果表明,本算法的准确率可达到95%,相比视觉几何组(VGG16)算法,提升了约1%,且本算法的模型文件较小、速度更快。

  3. 所属分类：其它

« 12 3 4 5 6 7 8 9 10 »