在本文中，我们对这些算法进行了全面的概述，主要分为直接进行二值化的本机解决方案，以及使用使量化误差最小化，改善网络损耗函数和减小梯度误差等技术进行优化的解决方案。我们还将研究二进制神经网络的其他实用方面，例如硬件友好的设计和训练技巧。然后，我们对不同的任务进行了评估和讨论，包括图像分类，对象检测和语义分割。最后，展望了未来研究可能面临的挑战。
2021-12-12 14:04:18
849KB
1
DBCNN-Pytorch
使用深双线性卷积神经网络进行盲图像质量评估的实验性PyTorch实现。
目的
考虑到PyTorch在学术界的受欢迎程度，我们希望此回购协议可以帮助IQA的研究人员。 此存储库将用作集成IQA研究的先进技术的活动代码库。
要求
PyTorch 0.4+ Python 3.6
默认设置下的用法
python DBCNN.py
如果要重新训练SCNN，仍然需要Matlab和原始存储库来生成合成失真的图像。
python SCNN.py
引文
@article {zhang2020blind， title = {使用深双线性卷积神经网络进行盲图像质量评估}， 作者= {张维霞和马克德和闫家加邓，德祥和王舟}， journal = {IEEE视频技术电路和系统的交易}， 音量= {30}， 数字= {1}， 页数= {36--47}， 年= {2020} }
致谢
2021-12-11 11:28:44
4.59MB
1
内容为Coursera平台上DeepLearning系列第一课PPT合集，全部已转为PDF格式方便使用，同时也包括部分官方提供的笔记。可以用来方便复习内容和查阅。
2021-12-10 16:10:34
13.54MB
1
人工神经网络
纸质数据和代码
这是AAAI 2019论文： 的代码。 我们已经在Tensorflow和Pytorch中实现了我们的方法。
这是我们在论文中使用的两个数据集。 下载数据集后，您可以将它们放在文件夹datasets/ ：
友情链接： ://2015.recsyschallenge.com/challenge.html
DIGINETICA： ://cikm2016.cs.iupui.edu/cikm-cup或
文件夹datasets/包含一个小的数据集sample ，可用于测试代码的正确性。
我们还写了解释该论文。
用法
您需要先运行文件datasets/preprocess.py来预处理数据。
例如： cd datasets; python preprocess.py --dataset=sample cd datasets; python preproces
2021-12-09 21:29:53
120KB
1
Neural Networks -- A Comprehensive Foundation第二版
神经网络经典书籍，适合初学者
2021-12-08 11:02:24
36.19MB
1
语音情感分析器：神经网络模型能够从音频语音中检测出五种不同的男女情感。 （深度学习，NLP，Python）
2021-12-07 14:25:23
4.9MB
1
Fuzzy Neural Networks for Real Time Control Applications 英文无水印原版pdf
pdf所有页面使用FoxitReader、PDF-XChangeViewer、SumatraPDF和Firefox测试都可以打开
本资源转载自网络，如有侵权，请联系上传者或csdn删除
查看此书详细信息请在美国亚马逊官网搜索此书
2021-12-06 21:17:58
6.45MB
1
猫狗分类
牛津-IIIT宠物数据集。 问题在于对数据集中显示的每种动物进行分类。 第一步是对猫和猫之间的品种进行分类，然后对猫和猫的品种分别进行分类，最后将种族混合在一起进行分类，从而增加了问题的难度。
步骤1
获取数据集：
bash utils / get_dataset.sh
第2步
预处理数据集：
bash rul_all_preprocessing.sh
第三步
培训模型的创建：
bash run_all_models.sh
第四步
要运行TensorBoard，请打开一个新终端并运行以下命令。 然后，在您的Web浏览器中打开 。
脚本/
选择你的型号
张量板--logdir ='。/ logs'--port = 6006
2021-12-06 15:23:53
36KB
1