Adaboost-BP神经网络第44页

基于MUSIC算法、加权MUSIC算法和ROOT-MUSIC算法方位估计Matlab实现

机器学习之芯·2024-01-10 01:56

【管道泄漏】基于LMD算法和ELMD算法管道泄漏信号处理（含SNR、MAE）对比附Matlab代码

机器学习之芯·2024-01-10 01:56

【天线】基于matlab绘制天线方向图绘制

机器学习之芯·2024-01-10 01:26

基于Matlab实现升余弦滚降滤波器冲激响应的产生、基带脉冲成形以及绘制基带信号眼图

机器学习之芯·2024-01-10 01:25

【滤波器设计】基于汉明窗,汉宁窗,布莱克曼窗矩形窗设计低通FIR滤波器附matlab代码

机器学习之芯·2024-01-10 01:25

【编码译码】基于matlab实现LDPC编码和解码

机器学习之芯·2024-01-10 01:55

基于匹配场处理（MFP）方法管道泄漏检测附Matlab仿真

机器学习之芯·2024-01-10 01:24

Tensorflow的安装和测试

这些都是原来在微博上的文章，满满搬到这里吧最近开始学习自然语言处理，用到一些神经网络模型需要使用tensorflow，于是在小本的win10系统上装了个CPU版本的tensorflow，按照这里的说明一步一步安装

yahal·2024-01-10 00:48

神经网络语言模型（Neural Network Language Model，NNLM）

神经网络语言模型（NeuralNetworkLanguageModel，NNLM）是一种用神经网络建模语言的方法。

天一生水water·2024-01-10 00:07

softmax详解

在神经网络中，Softmax是一个用于多类别分类的激活函数。给定一个包含原始分数（未经处理的模型输出）的向量，Softmax将这些分数转化为表示概率分布的向量。

天一生水water·2024-01-10 00:06

模型创建与nn.Module

一、网络模型创建步骤二、nn.Module下面描述了在PyTorch中常见的一些属性和功能，用于存储和管理神经网络模型的参数、模块、缓冲属性和钩子函数。

-恰饭第一名-·2024-01-10 00:04

SMA-KELM黏菌优化算法优化核极限学习机分类预测 Matlab实现

前程算法matlab屋·2024-01-09 23:35

MPA-BP回归预测 | 海洋捕食者算法优化BP神经网络多变量回归预测（多指标、多图）Matlab实现

前程算法matlab屋·2024-01-09 23:05

MATLAB实现GRNN广义回归神经网络故障诊断

前程算法matlab屋·2024-01-09 23:04

基于matlab实现雷达信号采集数据处理（时频谱图）附Matlab仿真

前程算法matlab屋·2024-01-09 23:02

多模态+SNN个人学习历程和心得

只不过，后来经历了一些波折，导致个人没有往这个方向深挖，这篇博客主要是想记录一些多模态相关的知识基础，还会涉及一些脉冲神经网络（SNN）的知识，同时记录个人参与过的工作，留下一些回忆。

Daniel Muei·2024-01-09 23:30

了解一下InternLM2

这种模型通常采用深度神经网络结构，如Transformer、BERT、GPT（GenerativePre-trainedTransformer）等。

羞儿·2024-01-09 23:51

20240108 大模型应用快讯

关键技术：书面指令转换可执行代码由初创公司Figure提出，研制了一个通过观看视频学会煮咖啡的机器人Figure01，机器人通过神经网络来处理和分析视频数据，然后模仿人类煮咖啡的动作。

yuquanqiushiji·2024-01-09 23:48

10X单细胞（10X空间转录组）数据分析之图神经网络框架

hello，大家好，随着我们认识的深入，分享的内容也越来越“高大上”，这次要分享的内容就是神经网络运用到我们的单细胞或者空间的数据分析。

单细胞空间交响乐·2024-01-09 22:25

循环神经网络语言模型：探索不同的编码器解码器架构

1.背景介绍循环神经网络（RecurrentNeuralNetworks,RNNs）是一种人工神经网络，可以处理时间序列数据。

OpenChat·2024-01-09 21:46

104、Behind the Scenes: Density Fields for Single View Reconstruction

通过直接从可用视图中采样颜色，而不是在密度场中存储颜色，与NeRFs相比，所提出的场景表示变得明显不那么复杂，并且神经网络可以在一次前向传递中预测它，从视频数据中进行自我监督训练预测网络。

C--G·2024-01-09 20:39

竞赛保研基于深度学习的动物识别 - 卷积神经网络机器视觉图像识别

文章目录0前言1背景2算法原理2.1动物识别方法概况2.2常用的网络模型2.2.1B-CNN2.2.2SSD3SSD动物目标检测流程4实现效果5部分相关代码5.1数据预处理5.2构建卷积神经网络5.3tensorflow

iuerfee·2024-01-09 20:08

Transformer论文--Attention Is All You Need

原文链接：AttentionisAllyouNeed文章概述目前主要的序列传导模型基于复杂的循环或卷积神经网络，包括encoderandadecoder。

pepsi_w·2024-01-09 20:37

Attention Is All You Need (Transformer 原文)

Transformer系列经典论文最前面是论文翻译，中间是背景+问题+方法步骤+实验过程，最后是文中的部分专业名词介绍（水平线分开，能力有限，部分翻译可能不太准确）摘要主要的序列转导模型基于复杂的循环或卷积神经网络

Y蓝田大海·2024-01-09 20:36

论文阅读-Attention Is All You Need阅读报告-机器翻译

文中提到，主流的序列转换模型都是基于复杂的循环神经网络（RNN）或卷积神经网络（CNN），且都包含一个encoder和一个decoder。RNN及其衍生网络的缺点就是慢，问题在于前后隐藏状

完美屁桃·2024-01-09 20:05

GraphGPT： Graph Instruction Tuning for Large Language Models

GraphInstructionTuningforLargeLanguageModels基本信息博客贡献人猪八戒作者JiabinTang,YuhaoYang,WeiWei[单位]香港大学数据智能实验室摘要图神经网络

图学习小组·2024-01-09 20:27

haiku定义简单的模型并初始化参数

Haiku是一个基于JAX的深度学习库，旨在提供简洁、灵活且易于使用的API，以构建和训练神经网络模型。

qq_27390023·2024-01-09 20:53

Python中的线性可分性

线性可分性是神经网络中的一个重要概念。如果n维空间中的分离点遵循则它被称为线性可分的。对于二维输入，如果存在一条线（其方程为）将一个类别的所有样本与另一个类别分开。

python收藏家·2024-01-09 19:18

图像分类任务的可视化脚本，生成类别json字典文件

如这篇文章中：CNN卷积神经网络对染色血液细胞分类(blood-cells)在分类任务中，必定经历过图像预处理，缩放啊、随即裁剪啊之类的，可视化效果不太明显本章将从数据角度出发，直接根据数据目录将图像可视化

听风吹等浪起·2024-01-09 19:46

吃瓜学习笔记4-第五章神经网络（感知机、多层前馈网络、误差逆传播算法BP,过拟合）

感知机感知机由两层神经元组成，如图5.3所示，输入层接收外界输入信号后传递给输出层，输出层是M-P神经元，亦称"阈值逻辑单元"其中感知机是用在线性可分的数据集上。感知机的目的就是能得到一个对数据集T中的正负样本完全正确划分的超平面，其中就是超平面方程什么叫线性可分？就是找到一个超平面把数据分开。什么叫超平面？超平面就是能把数据集分开的，比如说在一维可以用点区分，点就是超平面；二维可以用线条区分，线

曼曼668·2024-01-09 17:09

为什么我们对图像使用卷积而不仅仅是FC层？

其次，卷积神经网络(CNNs)具有部分内建的平移不变性，因为每个卷积核充当其自身的滤波器/特征检测器。

城市中迷途小书童·2024-01-09 16:33

图像分类保姆级教程-深度学习入门教程（附代码）

1.算法原理：深度学习图像分类利用卷积神经网络（CNN）作为模型的核心。CNN具有多层卷积和池化层，能够自动发现图像中的特征。

从懒虫到爬虫·2024-01-09 16:39

自动驾驶轨迹预测

目录神经网络轨迹预测综述：比较新的轨迹预测网络Uber：LaneRCNN[5]Google：VectorNet[6]Huawei：HOME[7]Waymo：TNT[8]Aptive：Covernet[9

AI视觉网奇·2024-01-09 15:22

大模型的“幻觉”问题

1.大模型技术介绍"大模型技术"通常指的是在深度学习中使用大型神经网络的技术和方法。这些技术的发展主要受益于计算资源的增加、模型架构的创新以及训练算法的改进。

清汤鸡蛋·2024-01-09 14:12

梯度下降梯度消失梯度爆炸通俗易懂讲解对比

梯度下降、梯度消失和梯度爆炸都是深度学习中的重要概念，它们与神经网络的训练过程密切相关。下面我会尽量用通俗易懂的方式来解释这三个概念，并进行对比。

香至-人生万事须自为，跬步江山即寥廓。·2024-01-09 13:33

经典卷积神经网络简介之【AlexNet】

论文中转：ImageNetClassificationwithDeepConvolutionalNeuralNetworks1AlexNet简介自LeNet-5在1998年提出以后，时隔14年，AlexNet横空问世，在2012年ImageNet竞赛中以冠军的成绩笑傲群雄，也就是从那时起，更多更优秀的网络被相继提出。论文第一作者是来自多伦多大学的AlexKrizhevsky，因此网络称为AlexN

Lurker_0·2024-01-09 13:41

机器学习（三）：神经网络

一、基本原理神经网络(neuralnetworks)模拟生物神经网络的一种机器学习模型。

fromeast·2024-01-09 13:28

基于tensorflow CNN的花卉识别系统

用户可以上传一张花卉图片，系统通过使用卷积神经网络（CNN）模型，自动识别出该花卉的品种。

沐知全栈开发·2024-01-09 12:12

穆_清·2024-01-09 12:59

五、卷积神经网络

特征映射和感受野二、填充和步幅2.1填充2.2步幅三、多输入多输出通道3.1多输入通道3.2多输出通道3.31×1卷积层四、汇聚层/池化层4.1最大汇聚层与平均汇聚层4.2填充和步幅4.3多个通道五、卷积神经网络

穆_清·2024-01-09 12:29

极限学习机原理及Python实现（ELM）

基本原理极限学习机（ExtremeLearningMachine，简称ELM）是一种单隐层神经网络，它的主要特点是隐含层节点的权重和偏置系数可以随机生成，生成之后就不再调整，唯一需要确定的是输出层的权重系数

Mobius8086·2024-01-09 12:56

深度学习：图神经网络——在推荐系统中的应用

PinSage是工业界应用图神经网络完成推荐任务的第一个成功案例，其从用户数据中构造图（graph）的方法和应对大规模图而采取的实现技巧都值得我们学习。

一碗姜汤·2024-01-09 11:35

问题:batchnormal训练单个batch_size就会报错吗

在训练神经网络时，BatchNormalization可以帮助解决内部协变量偏移（InternalCovariateShift）的问题。

zwhdldz·2024-01-09 11:53

NUS提出全新学习范式！不利用数据样本，仅依靠预训练好的分类器来得到生成器...

❓预训练神经网络分类器只能用于分类任务么？❌不。预训练分类器的backbone早已被应用于分割，检测等诸多其他任务。❓那，预训练神经网络分类器可以用于判别以外的任务么？

PaperWeekly·2024-01-09 11:43

【机器学习】循环神经网络（三）

四、序列预测问题循环神经网络实现的序列到序列的映射（RecurrentNeuralNetworkbasedSequence-to-SequenceMapping）是一种使用循环神经网络来将一个序列数据映射到另一个序列数据的方法

十年一梦实验室·2024-01-09 11:10

【机器学习】循环神经网络（四）-应用

五、应用-语音识别5.1语音识别问题详述语音识别的经典方法GMM+HMM框架5.2深度模型详述DNN-HMM结构循环神经网络与CTC技术结构用于语音识别问题六、自然语言处理RNN-LM建模方法6.1中文分词

十年一梦实验室·2024-01-09 11:36

互联网加竞赛基于卷积神经网络的乳腺癌分类深度学习医学图像

5.2.1导入库5.2.2图像加载5.2.3标记5.2.4分组5.2.5构建模型训练6分析指标6.1精度，召回率和F1度量6.2混淆矩阵7结果和结论8最后1前言优质竞赛项目系列，今天要分享的是基于卷积神经网络的乳腺癌分类该项目较为新颖

Mr.D学长·2024-01-09 09:20

用pytorch给深度学习加速：正交与谱归一化技术

torch.nn参数优化parametrizations.orthogonal这个torch.nn.utils.parametrizations.orthogonal模块是PyTorch库中的一个功能，用于对神经网络中的矩阵或一批矩阵应用正交或酉参数化

E寻数据·2024-01-09 09:36

【深入浅出Pytorch-task3】上采样与下采样、神经网络中类的继承，调用父类初始化方法、对网络中间层进行修改

提出问题1.下采样连接与上采样连接是什么?下采样连接和上采样连接也可以叫做池化层以及上采样层1.1下采样（downsampling）在深度学习中，下采样连接也叫下采样层，在视觉领域也称为池化层目的就是用来降低特征的维度并保留有效信息，一定程度上避免过拟合。但是池化的目的不仅仅是这些，还有保持旋转、平移、伸缩不变形等。上采样（upsampling）在深度学习框架中，上采样连接可以简单的理解为任何可以

数据框·2024-01-09 09:33

基于YOLOv6开发构建道路交通场景下CCTSDB2021交通标识检测识别系统

卷积神经网络（CNN）在计算机视觉任务中取得了突破性进展，在交通标志分类方面取得了巨大的成功。

Together_CZ·2024-01-09 09:52

推荐频道

Adaboost-BP神经网络