短时强降水、大风等强对流夭气危害巨大，对其进行自动识别存在相当大的技术困难。提岀一种基于深度神经网络的强对流夭气智能识别模型，以雷达回波图像和表征囯波移动路径的光流图像作为输λ，通过神经网络的自学习，寻求雷达图像与¨是否发生强对流天气”之间的函教映射关系;并运用数据集増强、代价函教优化和模型泛化性能优化等技术，解决了训练样本的不均衡问题，避免了模型训练过程陷λ局部极值的问题。实验结果表眀，该方法对强对流夭气识别的准确率达到96%，误报率低于60%。该方法也适用于对下击暴流等灾害性天气的自动识别。

DBN源代码，有详细注释，运行前先把deeplearn工具箱解压到matlab目录下。

This Report is an expansion of a previous Report on the DARPA XAI Program, which was titled "Literature Review and Integration of Key Ideas for Explainable AI," and was dated February 2018. This new version integrates nearly 200 additional references that have been discovered. This Report includes a new section titled "Review of Human Evaluation of XAI Systems." This section focuses on reports—many of them recent—on projects in which human-machine AI or XAI systems underwent some sort of empirical evaluation. This new section is particularly relevant to the empirical and experimental activities in the DARPA XAI Program

时序预测 | MATLAB实现DBN(深度置信网络)时间序列预测（完整源码和数据） 数据为一维时序列数据,运行环境MATLAB2018b及以上。

pytorch中的深度Q-Learning网络

警告！ 本项目中使用的体系结构不能很好地概括。 您可能要检查 。 这种修补技术可能会给您带来更好的效果。 完全卷积水印去除攻击 深度学习架构可从图像中删除透明的叠加层。 顶部：左侧为水印，中间为重建，右侧为算法预测的遮罩（从未使用文本或此图像训练过神经网络） 下： Pascal数据集图像重建。 当水印区域饱和时，重建趋向于产生灰色。 设计选择 在火车上，我生成了一个面具。 它是带有随机生成的参数（高度，宽度，不透明度，黑白，旋转）的矩形。 将遮罩应用于图片，并训练网络以查找添加的内容。 损失为abs（预测，image_perturbations）** 1/2。 它不是整个图片。 遮罩周围的

安全技术-网络信息-深度神经网络算法在尾矿库安全评价中的应用研究.pdf

基于深度神经网络的多尺度特征提取方法

基于DBN-ELM深度信念网络的在线序贯极限学习机的数据分类仿真，matlab2021a仿真测试

使用深度神经网络自动进行ECG诊断 用于训练和测试用于ECG自动分类的深度神经网络的脚本和模块。 论文“使用深度神经网络自动诊断12导联心电图”的同伴代码。 。 引文： Ribeiro, A.H., Ribeiro, M.H., Paixão, G.M.M. et al. Automatic diagnosis of the 12-lead ECG using a deep neural network. Nat Commun 11, 1760 (2020). https://doi.org/10.1038/s41467-020-15432-4 Bibtex： @article{ribeiro_automatic_2020, title = {Automatic Diagnosis of the 12-Lead {{ECG}} Using a Deep Neural Netwo