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. 基于AMD-MLP深度学习技术的手写数字识别器

  2. AMD设计了一个利用MLP做手写数字识别的演示程序，包含GPU及CPU版本的识别演示程序，是在Fedora 19下用Gtk3开发的，需要在有Gtk3的Linux下运行，其中CPU版本的程序在AMD或Intel的CPU上都可运行。这个压缩包中的二进制文件mlp_nnet.dat就是以前神经网络学习的输出，其中包含了神经网络的全部参数信息，它就代表了一个手写数字分类器。

  3. 所属分类：C++

    • 发布日期：2015-08-05
    • 文件大小：3mb
    • 提供者：happytofly

  1. 多层感知器、神经网络MLP快速入门

  2. 多层感知器MLP快速入门，结合基于DL4J的分类器分析和手写体识别的3D可视化

  3. 所属分类：讲义

    • 发布日期：2016-12-06
    • 文件大小：3mb
    • 提供者：qq_14969999

  1. keras示例程序

  2. addition_rnn.py 执行序列学习以执行两个数字（作为字符串）的添加。 antirectifier.py 演示如何为Keras编写自定义图层。 babi_memnn.py 在bAbI数据集上训练一个内存网络以进行阅读理解。 babi_rnn.py 在bAbI数据集上训练一个双支循环网络，以便阅读理解。 cifar10_cnn.py 在CIFAR10小图像数据集上训练一个简单的深CNN。 conv_filter_visualization.py 通过输入空间中的渐变上升可视化 VGG1

  3. 所属分类：深度学习

    • 发布日期：2017-10-23
    • 文件大小：10mb
    • 提供者：manoerina0411

  1. 实现6种（2ASK、4ASK、2FSK、4FSK、2PSK、4PSK）调制信号自动调制识别.docx

  2. 实验目的： 实现6种（2ASK、4ASK、2FSK、4FSK、2PSK、4PSK）调制信号自动调制识别。 实验条件：windows 10，MATLAB 2014a 实验内容： 本实验设计了一个分层结构的MLP神经网络分类器。该分类器使用BP算法，自适应改变判决门限，6种调制信号的整体平均识别率为96.94。

  3. 所属分类：软件测试

    • 发布日期：2019-06-19
    • 文件大小：432kb
    • 提供者：weixin_42385032

  1. 基于halcon编程，人工选择特征的mlp分类器。方位验证包.rar

  2. 1.拍四张不同方位的标准照片，falg 0 1 2 3。 2.选择了多层感知机分类器。 4.图片预处理（crop，sobel、emphasize），选取合适点的特征表征（这步比较关键，特征的选取根据图片来分析，分类结果好坏取决决于此） 5.四张照片训练模型得到模型句柄信息。 6.读取模型，映射分类。`

  3. 所属分类：机器学习

  1. Vision-Systems-Lab:MLP，DCNN，深度卷积自动编码器，LSTM，GRU，ResNets，DCGAN-波恩大学的CudaVision实验室（SS19）-源码

  2. 视觉系统实验室：在GPU上学习计算机视觉[自述文件未定期更新] 作者：Saikat Roy， 波恩大学CudaVision实验室（SS19）的存储库（主要）在PyTorch，Python3和Jupyter笔记本电脑上实现。 该项目从神经网络的基础开始，并延伸到更深层次的模型。 以下项目包含在相应的文件夹中： 项目1：Softmax回归（无autograd / Pytorch张量） 涉及使用softmax回归和手动梯度计算对MNIST数据集进行分类。 经过5次简单的迭代运行后，训练和测试集

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：14mb
    • 提供者：weixin_42116921

  1. 在Reddit社交媒体论坛中检测与抑郁相关的帖子

  2. 抑郁症被认为是造成全球残疾的最大原因，也是自杀的主要原因。 它会影响书面文本中反映的语言使用情况。 我们研究的主要目标是检查Reddit用户的帖子，以发现任何可能揭示相关在线用户的抑郁态度的因素。 为此，我们采用自然语言处理（NLP）技术和机器学习方法来训练数据并评估我们提出的方法的效率。 我们确定在沮丧帐户中更常见的术语词典。 结果表明，我们提出的方法可以显着提高性能精度。 最好的单一功能是使用支持向量机（SVM）分类器的双字母组，可以以80％的准确度和0.80 F1的分数检测抑郁症。 多层感

  3. 所属分类：其它

  1. titanic-survivor-prediction:Kaggle泰坦尼克号ML挑战-源码

  2. 泰坦尼克号幸存者的预测 这是机器学习竞赛的第一步。 挑战 :ship: 泰坦尼克号在1912年的首次航行中沉没，造成了一半以上的乘客生命。 给出了两个数据集，即train.csv和test.csv。 这两个数据集都包含每位登上泰坦尼克号飞船的乘客的信息，唯一的区别是train.csv告诉我们哪位乘客可以幸存，而test.csv却没有。 面临的挑战是建立一个预测模型，以预测test.csv中的哪些乘客更有可能幸存。 问题陈述 使泰坦尼克号乘客得以生存的特征（特征）。 预测模型 针对这一挑战，使

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：77kb
    • 提供者：weixin_42140716

  1. python-neural-network:https的分叉-源码

  2. 使用numpy实现的MLP神经网络库 一般的 这是一个功能齐全的前馈神经网络库。 实现的功能有： 损失函数：交叉熵，均方误差 层：线性，S形，ReLU 具有正向和反向传播的网络 一个热编码标签的功能 混淆矩阵可视化器 有两个演示来演示库的功能： 虹膜数据集分类器 手写数字（mnist）分类器 代码中有很多注释来解释细节 需求 python 3.x 麻木 matplotlib 安装 要安装所需的依赖项： make install 。 演示（iris数据集） 要运行演示： python3

  3. 所属分类：其它

    • 发布日期：2021-03-05
    • 文件大小：11mb
    • 提供者：weixin_42118011

  1. MLP分类器-源码

  2. MLP分类器

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：52kb
    • 提供者：weixin_42117032

  1. Deeplearning4j多层感知线性分类器训练Tianic数据

  2. 本文来自于jianshu，文章介绍了神经网络的搭建并训练，构造评估对象，用测试集做评估的相关内容。Deeplearning4j是一个java编写的深度学习商业框架，可以通过他们提供的API快速搭建出神经网络。根据官网的下载的demo中的MLPClassiferLinear(多层感知线性分类器)，训练Titanic数据，求生存分析。MLPClassiferLinearidea中该类所在的位置Titanic数据，数据集来自kaggle训练集：泰坦尼克数据测试集：泰坦尼克数据然后依葫芦画瓢，照着MLP

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：769kb
    • 提供者：weixin_38627213

  1. 网上商店：使用MLP分类器创建了一个预测模型，以预测在线客户是否会购物-源码

  2. 网上商店：使用MLP分类器创建了一个预测模型，以预测在线客户是否会购物

  3. 所属分类：其它

  1. NLP有用的示例：与NLP问题有关的一些有用的示例-源码

  2. NLP有用的例子 一些与NLP问题有关的有用示例。 数据文件夹应被填充。 文件中提供了相关的下载链接。 bow_text_classifier：用于表示的预训练word2vec向量。 比较了来自RandomForest和MLP分类器的结果。 将会被更新..

  3. 所属分类：其它

  1. DeepLearning-project-CYHA：哥伦比亚深度学习课程4040个项目-源码

  2. 神经网络和深度学习课程项目和作业 两个部分：基本概念的重复； 最终项目-“从街景图像重复出现的多位数字识别”。 介绍 该课程由Zoron Kostic教授授课。 该项目旨在回顾深度学习中的所有基本概念，并实施Ian J. Goodfellow等人的论文“从街景图像纸质重复中进行多位数数字识别”。 （2014年） 代码 该存储库包含几个文件。 DeepLearning_concept（homework）：已实现的基本分类器，MLP，减暗（PCA和tSNE），优化器（具有Momentum的SGD，

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：890mb
    • 提供者：weixin_42162216

  1. sonar_binary_classification：使用深度神经网络将物体分类为岩石或矿山（金属）-源码

  2. 声纳二进制分类 使用的图书馆： pandas，numpy，sklearn，tensorflow / keras，matplotlib 多层感知器（MLP）人工神经网络用于区分从金属圆柱体弹回的声纳信号和从大致圆柱体岩石弹回的声纳信号。 最终模型在测试集上的准确度为87.5％。 项目概况 目标： 练习使用tensorflow和keras进行深度学习。 练习分类问题。 数据集信息： 文件“ sonar.mines”包含111种模式，这些模式是通过以各种角度和各种条件从金属圆柱体上弹跳声纳信

  3. 所属分类：其它

  1. 基于MLP的疟疾细胞分类-源码

  2. 基于MLP的疟疾细胞分类 该库提供了四种类型的血细胞分类解决方案：“红血球”，“环”，“裂殖体”和“滋养体”。 这是疟疾感染的类型。 该解决方案基于多层感知器（MLP）。

  3. 所属分类：其它

    • 发布日期：2021-02-10
    • 文件大小：139kb
    • 提供者：weixin_42166626

  1. 带链接器的深度学习教程：使用链接器的深度学习教程-源码

  2. Chainer深度学习教程 博客文章的源代码， 。 它与Chainer v2兼容。 本教程包括以下示例， 用于MNIST分类的多层感知器（MLP） 用于CIFAR-10，CIFAR-100图像分类的卷积神经网络（CNN） 递归神经网络（RNN）用于序列数据预测

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：229mb
    • 提供者：weixin_42131861

  1. bert-sklearn：Google BERT模型的sklearn包装器-源码

  2. scikit-learn包装器对BERT进行微调 一个scikit-learning包装器，可基于端口模型，以执行文本和令牌序列任务。 包括可配置的MLP作为文本和文本对任务的最终分类器/回归器 包括用于NER，PoS和分块任务的令牌序列分类器 包括针对科学和生物医学领域的和训练模型。 在尝试！ 安装 需要python> = 3.5和pytorch> = 0.4.1 git clone -b master https://github.com/charles9n/bert-sk

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：572kb
    • 提供者：weixin_42134240

  1. 基于PLS-DA拉曼光谱特征提取的中性笔油墨MLP模式识别

  2. 中性笔油墨是司法鉴定中同一认定的重要物证。为提高油墨检验的准确性,本文利用拉曼光谱法对油墨样本进行无损检测。首先对预处理后的光谱数据进行降维处理,构建偏最小二乘判别分析模型;然后采用受试者工作特征曲线线下面积对预测效果进行验证,提取出36个变量投影重要性最高的特征变量;接着将特征变量作为数据输入到隐藏层神经元数目为13的多层感知器中,最终的训练正确率为87%且无过拟合现象。将变量投影重要性的特征提取与有监督的多层感知器训练相结合,可以有效压缩数据,缩短分析时间。感知器层间的连接权重可通过自主学习

  3. 所属分类：其它

  1. 关于Pytorch的MLP模块实现方式

  2. MLP分类效果一般好于线性分类器，即将特征输入MLP中再经过softmax来进行分类。 具体实现为将原先线性分类模块： self.classifier = nn.Linear(config.hidden_size, num_labels) 替换为： self.classifier = MLP(config.hidden_size, num_labels) 并且添加MLP模块： class MLP(nn.Module): def __init__(self, input_size

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：42kb
    • 提供者：weixin_38625192
« 12 »