欢迎来到我的Apple图片分类项目 在这个项目中，我探索了如何使用CNN和转移学习来建立图像分类器。 数据集包含从Google Image的“ iPhone”，“ iPad”和“ Macbook”的最高搜索结果中抓取的1500张图像。 完整的数据集可以在这里下载： : 。 目的是尝试创建图像分类器，以区分3种最主流的Apple产品-iPhone，iPad和Macbook。 从表面上看，它们可能会彼此混淆（没有缺口的旧版iPhone设计可能会误认为iPad，而带有键盘的新版iPad可能会误认为Macbook）。 虽然我们可以轻松区分它们，但我们可以教一个深度学习模型来做到这一点吗？ 哪种方法可以使我们获得最高的准确性？ 这些是将在本项目中回答的问题。 档案说明 该存储库中只有4个文件（自述文件和需求文件除外）。 该笔记本是一款Jupyter笔记本，可以在Google Colab（带有

BFV&CNN-python文件

RNN和Temporal-ConvNet进行活动识别 ，（等额缴纳） 论文代码： （在杂志上接受，2019年） 项目： 抽象的 在这项工作中，我们使用ResNet-101演示了一个强大的基线两流ConvNet。 我们使用此基线来彻底检查RNN和Temporal-ConvNets的使用，以提取时空信息。 基于我们的实验结果，然后我们提出并研究了两个不同的网络，以进一步整合时空信息：1）时域RNN和2）初始样式的Temporal-ConvNet。 我们的分析确定了每种方法的特定局限性，这些局限性可能构成未来工作的基础。 我们在UCF101和HMDB51数据集上的实验结果分别达到了94.1％和69.0％的最新性能，而无需大量的时间增强。 我们如何解决活动识别问题？ 演示版 GIF展示了我们的TS-LSTM和“时间-开始”方法的前3个预测结果。 顶部的文本是基本事实，三个文本是每种方法的预

训练CNN分类模型-pokemon 任务： 1.尝试修改模型，加入归-化层，DropOut层 2.尝试可视化每层的输出内容 3.尝试收集新的分类数据集来体验训练过程 4.记得提交docx,或pdf文件

TensorFlow框架下利用用CNN进行MNIST手写字符识别。

MATLAB实现CNN-LSTM卷积长短期记忆神经网络多特征分类预测（完整源码和数据） 数据为多特征分类数据，输入15个特征，分四类,程序乱码是由于版本不一致导致，可以用记事本打开复制到你的文件。 运行环境MATLAB2020b及以上。

MATLAB实现CNN-BiLSTM卷积双向长短期记忆神经网络多特征分类预测（完整源码和数据） 数据为多特征分类数据，输入15个特征，分四类,程序乱码是由于版本不一致导致，可以用记事本打开复制到你的文件。 运行环境MATLAB2020b及以上。

只含一层卷积层的CNN也可以将手写数字识别的正确率达到99%

机器学习课程的作业，1D-CNN网络用于故障识别。

基于tensorflow、CNN、清华数据集THUCNews的新浪新闻文本分类-附件资源