为提升人体姿态估计在移动终端设备上的运行速度与实时性，提出一种改进的人体关键点检测算法。通过将 Mobilenetv2轻量级主干网络与深度可分离卷积模块相结合加速特征提取过程，使用精炼网络进行多尺度人体关键点预测，并利用融合网络整合多个尺度的预测结果得到最终人体关键点检测结果。实验结果表明，与传统CPM算法相比，该算法在网络模型参数量和浮点运算量明显减少的情况下PCKh@05仅下降01个百分点，具有较高的检测精度和较好的实时性。

模型算法，

为了有效改善传感器温度补偿特性，提出了基于傅立叶基函数神经网络算法的温度特性曲线拟合模型。分析厂算法的收敛性，为学习率的选择提供了理论依据。给出了对掺杂苯的Sno2纳米传感器的灵敏度一温度特性曲线进行拟合的实例。结果表明基于傅立叶基函数神经网络算法的传感器温度特性拟合曲线具有高的光滑性和高的拟合精度（10-6），因而是一种有效的温度特性曲线拟合方法。

随着深度学习的发展，卷积神经网络作为其重要算法被广泛应用到计算机视觉、自然语言处理及语音处理等各个领域，并取得了比传统算法更为优秀的成绩。但是，卷积神经网络结构复杂，参数量和计算量巨大，使得很多算法必须在GPU上实现，导致卷积神经网络难以应用在资源不足且实时性要求很高的移动端。为了解决上述问题，文中提出通过同时优化卷积神经网络的结构和参数来对卷积神经网络进行压缩，以使网络模型尺寸变小。首先，根据权重对网络模型结果的影响程度来对权重进行剪枝，保证在去除网络结构冗余信息的冋时保留模型的重要连接;然后通过量化感知（ quanTIκaτion- awareτraining）对卷积神经网络的浮点型权重和激活值进行完全量化，将浮点运算转换成定点运算，在降低网络模型计算量的冋时减少网络模型的尺寸。文中选用 tensorflow深度学习框架，在 Ubuntu16.04操作系统中使用 Spyder编译器对所提算法进行验证实验结果表眀，该算法使结枃简单的 Lenet模型从l.64M压缩至θ.36M，压缩比达到η8%，准确率只下降了了0.016;使轻量级网络 Mobilenet模型从16.9M压缩至3.1M，压缩比达到81%，准确率下降0.03。实验数据说明，在对卷积神经网络权重剪枝与参数量化辶后，该算法可以做到在准确率损失较小的情况下，对模型进行冇α压缩，解决了卷积神经网络模型难以部署到移动端的问题。

对支持向量机和神经网络算法的理论研究，这样可以更好的有助于理解。

机器学习是一类算法的总称，这些算法企图从大量历史数据中挖掘出其中隐含的规律，并用于预测或者分类，更具体的说，机器学习可以看作是寻找一个函数，输入是样本数据，输出是期望的结果，只是这个函数过于复杂，以至于不太方便形式化表达，这份资料包含一些适合初学者学习的神经网络实现机器学习的案例，包括语音特征，图像识别等

Windows系统下配置深度学习Darknet框架使用YOLO神经网络算法实现目标检测(Windows10+VS2015+OpenCV3.4.0+CUDA9.0+cuDNN7.0)-附件资源

2022年精选数学建模算法教程文档合集第11期：神经网络（60份）包含如下文档： 08遗传算法优化BP神经网络权值和阈值的通用MATLAB源码.docx 08遗传算法优化BP神经网络权值和阈值的通用MATLAB源码.pdf 19第十九章 神经网络模型.docx BP_神经网络的设计实例(MATLAB编程).doc BP神经网络matlab实例.doc BP神经网络matlab源程序代码.doc BP神经网络工具箱.doc BP神经网络的Matlab语法介绍.doc BP神经网络的应用.doc BP神经网络算法.doc matlab15.pdf matlab16.pdf matlab1神经网络.pdf Matlab神经网络(九)--粒子群算法（PSO）实现函数极值优化.zip matlab神经网络.pdf Matlab神经网络.txt MATLAB神经网络30个案例分析.pdf matlab神经网络学习总结.doc Matlab神经网络工具箱应用简介.pdf 人工神经网络与神经网络优化算法.ppt 人工神经网络及其应用.pdf 人工神经网络技术及应用.pdf 等等

我们使用 TensorNetwork [1, 2]，这是一种最近开发的 API，用于使用 TensorFlow [3] 等加速后端执行张量网络收缩，以实现多尺度纠缠重归一化 Ansatz (MERA) 的优化算法。 我们使用 MERA 在临界状态下逼近无限一维横向场 Ising 模型的基态波函数，并从优化的 ansatz 中提取保形数据。 比较 CPU 与 GPU 上优化的运行时间，我们报告了在 GPU 上运行时优化算法的速度非常显着，高达 200 倍。我们使用了 TensorNetwork，这是一个带有 TensorFlow 后端的张量收缩 API，来实现 Ref 的尺度不变 MERA 优化算法。 [33, 34]。 作为基准，我们使用该算法在热力学极限下逼近临界横向场 Ising 模型的基态，使用键维数高达 χ = 16 的 MERA。从优化的 MERA 中，我们计算了最低的 12 个 Ising 模型的缩放维度与理论预测值非常吻合。 在 GPU 上运行时，我们观察到与 1 个 CPU 核心相比，速度提高了 200 倍，与 32 个 CPU 相比，速度提高了 6 倍。

煤矿设计和开采受瓦斯涌出量的影响。由于地质条件不同,瓦斯涌出量也各有不同,传统方法预测瓦斯涌出量精确性很低。文章首先对灰色神经网络预测的现状做出介绍,然后分别介绍了灰色系统和神经网络的模型,最后结合灰色神经网络模型对煤矿瓦斯涌出量的应用实例做出分析。研究表明,灰色神经网络算法有很大的应用前景和推广价值。