基于一维卷积神经网络的燃气管道泄漏声发射信号识别.pdf

卷积神经网络在图像处理中的应用.pdf

基于卷积神经网络的手写汉字识别系统与实现，这是关于手写汉字识别的研究，有实现方法和结果，包含设计思路原理，实验结果和分析。

卷积神经网络用到的数据集图片、训练好的权重等参数文件

吴恩达卷积神经网络课后作业数据集。第二周keras资源。用于训练

利用卷积神经网络实时识别手势动作 一共识别5种手势动作 剪刀动作 2.石头动作 3.布动作 4.OK动作 5.good动作 项目文件 项目文件列表如下： data：存放训练集、测试集，实时保存的图像（用于在线检测）。 ges_ico：存放UI窗口使用的各种图标。 log：存放训练的CNN网络的模型参数。 CallFrame.py：界面窗口的逻辑文件，用来调用界面文件并编写信号与槽函数。 Frame.py：界面窗口的界面文件，通过PyQt5的designer工具生成。 GetTestImage.py：利用OpenCV获取图片并标记，用来制作测试集。 GetTrainImage.py：利用OpenCV获取图片并标记，用来制作训练集。 SaveGesture.py：利用OpenCV实时获取图片，并进行预处理，用于在线检测手势。 TestGesture.py：将实时获取的图片送入已训练好的C

用于脑肿瘤检测的 CNN 一个用 Python 开发的卷积神经网络，使用 Keras 和 Tensorflow 进行二进制分类，训练用于检测 MRI 图像中的脑肿瘤。 它达到了 90% 的准确率。

基于keras，后端为theano的卷积神经网络分类，代码是二分类，主要对猫狗进行识别分类

随着新能源的不断发展，大量大容量风电机组并入电网运行，给电网的安全可靠运行以及风力发电的可持续发展都提出了新的挑战。提出一种风功率预测模型，该模型以风电场风功率历史数据以及风速、风向等数值天气预报数据作为输入对风功率进行预测。考虑到风功率预测中输入数据的波动性和不确定性，在传统门控循环单元(GRU)神经网络的基础上融合卷积神经网络(CNN)，以提高模型对原始数据的特征提取和降维能力，并引入dropout技术减少模型中的过拟合现象。工程实例分析表明，所提模型在预测准确度和运算速度方面均优于长短记忆神经网络模型。

颜色分类leetcode 颜色分类-CNN 在 Keras 中实现的颜色识别。 这是 CNN 的 Keras 实现。 该实现支持 TensorFlow 后端。 原始模型的目标是从交通摄像头检测车辆颜色。 在论文中，他们展示了使用 CNN 的车辆颜色识别系统。该模型成功地以非常高的准确率捕获了车辆颜色，达到 94.47%。 要了解有关模型工作原理的更多信息，请参阅（使用卷积神经网络的车辆颜色识别，Reza Fuad Rachmadi 和 I Ketut Eddy Purnama） 模型架构 模型的混淆矩阵