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. RBM-on-Classification RBM在分类上的应用

  2. RBM-on-Classification，用RBM所做的分类，里面包含源码和数据集，独立于任何工具箱，整个就是一个工程，里面有仿真和图像，还有各种有用的数据函数

  3. 所属分类：其它

    • 发布日期：2015-04-27
    • 文件大小：1mb
    • 提供者：yywan1314520

  1. 最先提出深度学习算法hinton的自动编码器matlab代码

  2. 最先提出深度学习算法hinton的自动编码器matlab代码，内容是：利用多层rbm进行自动编码的多层特征训练，然后使用梯度算法进行fine turn。可以进行特征提取，也可以进行分类。

  3. 所属分类：深度学习

    • 发布日期：2017-09-22
    • 文件大小：22mb
    • 提供者：yaoxy

  1. 基于深度学习的图像识别算法研究

  2. 第l章绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．1 1．1研究的目的及意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．1 1．2图像识别概述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一l 1．2．1图像的特征提取⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯2 1．2．2图像识别的方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯3 1．3深度学习的发展和研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．4 1．3．1深度学习的发展⋯⋯

  3. 所属分类：深度学习

    • 发布日期：2018-06-28
    • 文件大小：4mb
    • 提供者：u011582920

  1. 基于多部件RBM模型的部分遮挡车辆检测

  2. 被部分遮挡车辆的检测一直是基于机器视觉的车辆检测技术中的难点。针对该问题，本文提出一种基于多部件RBM模型的车辆检测算法。首先，采用无遮挡车辆部件样本，训练与该部件对应的SVM分类器。随后，将所有SVM分类器的检测得分输入至受限Boltzmann机( RBM：Restrict Boltzmann Machine)中进行训练。最后，由RBM所有隐层神经元的输出综合决策所检区域内是否存在车辆。在KITTI标准测试库中的实验表明，本算法对部分遮挡车辆的检测效果优于已有算法；对无遮挡车辆的检测效果接近已

  3. 所属分类：其它

  1. 锻炼：锻炼nndl-源码

  2. 《神经网络与深度学习》课程练习 书籍信息： 欢迎大家补充练习译文。 环境设定 本次作业需要首先安装anaconda3下载地址 2.0 pytorch> 0.4 锻炼 1.热身练习热身 numpy是Python中对于矩阵处理很实用的工具包，本小节作业主要是熟悉基本的numpy操作。 2.线性回归模型 3.线性模型 支持向量机 Softmax回归Softmax回归 4.前馈神经网络 利用numpy实现全连接神经网络 5.卷积神经网络卷积神经网络（CNN） 利用卷积神经网络，处理MNIST数据集

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：14mb
    • 提供者：weixin_42157556

  1. 基于数据融合的可燃气体燃爆状态监测系统

  2. 可燃气体燃爆过程通常伴随多种气体浓度的变化，因此其燃爆状态的判断较为复杂，文中使用DBN多传感器数据融合模型结合CAN/Zigbee混合网络，建立了一种可燃气体燃爆状态监测系统。DBN由RBM和BP神经网络构成，RBM通过非监督学习方法提取数据的特征值，同时降低特征的维度；BP神经网络接收RBM的输出数据，通过监督学习方法进行气体燃爆状态判断。实测结果表明，该系统具有较高的分类判断准确率。

  3. 所属分类：其它

  1. 基于深度置信网络的多特征融合音乐分类算法

  2. 针对单一形态数据在音乐情感分类方面的局限性，文中提出了基于深度置信网络的多特征融合音乐分类算法。首先对音乐信号从多个角度进行特征向量的提取，形成多特征数据并进行融合。同时针对音乐情感分类，将传统的深度置信网络进行改进，增加微调节点增强模型的可调节性。由融合得到的训练集在改进的深度置信网络中进行训练，通过调整RBM中可见层与隐藏层单元之间的权值来使得模型达到最优性能。测试结果表明，音乐情感分类结果最高为82.23%，可较好的为音乐检索提供辅助。

  3. 所属分类：其它

  1. fth-rbms:Freshhome用户页面的推荐系统-源码

  2. Freshtohome受限玻尔兹曼机 该项目使用TensorFlow实现了受限玻尔兹曼机（RBM）。 我们的实现包括动量，权重衰减，L2正则化和CD-k对比散度。 我们提供对GPU（CUDA）计算的支持。 此外，我们提供了一个示例文件，将我们的模型应用于Movielens数据集（请参见ml_1m）。 该示例训练了RBM，使用训练有素的模型从电影评论中提取特征，最后使用基于Tensorflow的逻辑回归进行体裁分类。 它可以达到91.8％的分类精度（这显然不是前沿模型）。 用 :yellow_

  3. 所属分类：其它

    • 发布日期：2021-03-27
    • 文件大小：11mb
    • 提供者：weixin_42164702