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. minFunc工具箱

  2. SAE工具箱，可用于神经网络和深度网络，提供各种参数优化的方法。

  3. 所属分类：其它

    • 发布日期：2014-12-05
    • 文件大小：71kb
    • 提供者：hlx371240

  1. MATLAB DL工具箱 （deep learning toolbox）

  2. 一直在看Deep Learning，我目前也没能力自己去写一个toolbox。后来发现了一个matlab的Deep Learning的toolbox，发现其代码很简单，感觉比较适合用来学习算法。matlab的实现可以省略掉很多数据结构的代码，使算法思路非常清晰。 有SAE、NN、DBN、CNN、CAE。 有栈式自编码实现、神经网络、深度置信网络、卷积神经网络等。

  3. 所属分类：其它

    • 发布日期：2015-07-25
    • 文件大小：14mb
    • 提供者：u011500720

  1. CNN卷积神经网络MATLAB工具箱中文注释版

  2. 该工具箱包含CNN，NN，CAE，DBN，SAE等神经网络工具箱。其中CNN工具箱具有详细的中文注释，以便于初学者学习

  3. 所属分类：其它

    • 发布日期：2019-03-19
    • 文件大小：14mb
    • 提供者：qq_38490346

  1. 生物信息学.docx

  2. 本资源是一篇英文论文翻译成了中文论文，方便阅读 本文提出了一种语义可解释的分类器在医学领域的应用， 累积模糊类隶属度准则（CFCMC），专门用于组织病理学图像中乳腺癌的检测。 与常用的图像分类方法相比，这种分类方法能够人性化的提供有关其分类结果的附加信息。本文提出了一种在医学领域中表示可能有助于决策的附加语义信息的方法。首先，分类器提供关于测试样本的错误分类的可能性的语义解释。除了语义之外，它还提供了不同类的相似和非相似样本的可视化。将 CFCMC 的分类性能与图像分类、卷积神经网络（CNN）

  3. 所属分类：机器学习

  1. SAE 神经网络相关

  2. SAE的几个网络 自己留个备份minst上试验过 凑一下字数

  3. 所属分类：深度学习

    • 发布日期：2020-08-12
    • 文件大小：22mb
    • 提供者：Eugenia19

  1. 基于深度学习和模糊优化的语音情感识别

  2. 自动语音情感识别（SER）是一项具有挑战性和吸引力的任务，它可以使人机交互更加有效，并且服务机器人可以更深入地了解人类。 为了获得SER的高精度，需要从语音中提取显着特征。 在本文中，我们使用深度卷积神经网络（DCNN）提取特征（DCNNF），然后设计一个堆叠式自动编码器（SAE）模糊滤波器，以通过DCNNF选择显着特征，将其称为SF（显着特征）。 我们在CASIA中国情感语料库上的实验结果表明，与直接使用DCNNs特征的模型相比，该模型具有更好的性能。

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：564kb
    • 提供者：weixin_38691199

  1. 基于栈式自编码的水体提取方法

  2. 为了进一步提高利用遥感图像进行水体提取的准确率和自动化程度，提出一种基于栈式自编码( SAE) 深度神经网络的水体提取方法。通过堆叠稀疏自编码器构建深度网络模型，使用逐层贪婪训练法依次训练每层网络，从像素层面无监督学习特征，避免传统神经网络等方法需进行人工特征分析与选取的问题; 用学习到的特征结合相应的样本标签有监督训练 softmax 分类器; 利用反向传播( BP) 算法微调优化整个模型。采用塔里木河 ETM + 数据进.行实验，基于 SAE 的水体提取方法准确率达到 94． 73% ，比支

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：250kb
    • 提供者：weixin_38622475

  1. 基于高光谱成像技术结合堆栈自动编码器-极限学习机方法的苹果硬度检测

  2. 将堆栈自动编码器(SAE)与极限学习机(ELM)联合,建立了深度神经网络预测模型(SAE-ELM)。利用苹果高光谱图像提取出的光谱数据,对深度神经网络的权值和阈值进行了初始化和微调。与传统ELM模型预测结果相比,SAE-ELM的预测集决定系数和残留预测偏差分别从0.7345和1.968提升至0.7703和2.116,预测集方均根误差从1.6297降至1.2837。研究结果表明:深度学习网络SAE-ELM模型的预测性能优于传统的ELM模型,将其用于预测苹果硬度是可行的。

  3. 所属分类：其它

  1. 无线网络信号传输建模：一种区间二型模糊集成深度学习方法

  2. 针对常用的信号传输模型存在使用场景单一、预测精度不佳的问题，提出一种适用于多场景的数据驱动无线信号传输模型。首先根据先验知识从预处理后的数据构造初始特征，接着进行特征选择，以得到输入特征集合。然后分析建模需求，选择深度置信网络（DBN）、残差网络（ResNet）和堆叠自编码器（SAE）作为区间二型模糊规则的后件（个体深度学习器），经过区间二型模糊推理进行集成。最后采用5G网络信号传输实测数据，并进行实验验证。结果表明，3种个体深度学习器在测试集上的表现均优于Cost231-Hata模型和反向传播

  3. 所属分类：其它

  1. 基于稀疏自动编码器深度神经网络的电能质量扰动分类方法

  2. 针对智能电网日益突出的电能质量扰动问题，提出了一种基于稀疏自动编码器(SAE)深度神经网络的电能质量扰动分类方法。利用SAE对电能质量扰动原始数据进行无监督特征学习，自动提取数据特征的稀疏特征表达；通过堆栈式稀疏自动编码器(SSAE)进行逐层学习，获得电能质量扰动数据的深层次特征；将其连接到softmax分类器进行微调训练，并输出电能质量扰动事件分类结果。利用已添加高斯白噪声的数据对SSAE进行训练，以提高其特征表达的抗噪声能力。仿真结果表明，所提方法能够准确地识别包含2种复合扰动在内的9种电能

  3. 所属分类：其它

  1. 一种新的混合智能极限学习机

  2. 提出一种基于差分进化(DE) 和粒子群优化(PSO) 的混合智能方法—–DEPSO 算法, 并通过对10 个典型函数进行测试, 表明DEPSO 算法具有良好的寻优性能. 针对单隐层前向神经网络(SLFNs) 提出一种改进的学习算法-----DEPSO-ELM 算法, 即应用DEPSO 算法优化SLFNs 的隐层节点参数, 采用极限学习算法(ELM) 求取SLFNs 的输出权值. 将DEPSO-ELM 算法应用于6 个典型真实数据集的回归计算, 并与DE-ELM、SaE-ELM 算法相比, 获得了

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：960kb
    • 提供者：weixin_38562079

  1. 基于改进堆叠自动编码器的循环冷却水系统工艺介质温度预测控制方法

  2. 循环冷却水系统中冷却供给量与工艺介质冷却需求量之间往往存在“大马拉小车”的现象,造成大量的冷却资源浪费.为了匹配冷却需求量与供给量,提高循环冷却水系统能源利用率,给出一种基于多工艺介质温度目标循环冷却水最小压差控制系统,并将深度学习引入工艺介质温度预测研究中,提出一种基于改进堆叠自动编码器(improved stacked auto encoders,ISAE)的工艺介质温度预测方法.首先,对工业现场数据进行清洗;然后,将多个自动编码器堆叠,构建深度学习网络结构,采用“逐层贪婪无监督预训练-参数

  3. 所属分类：其它