matlab bp神经网络激活函数的代码BP神经网络Matlab 描述 Matlab中的BP神经网络。 教程 该程序用于Matlab的主要应用程序来生成和训练BP神经网络。 我选择Sigmoid作为隐藏层的激活函数，并选择Linear函数作为输出层的激活函数。 在运行程序之前，应将所有文件添加到Matlab路径中。 除非要改进我的代码，否则最好在BPtrain.m中运行该程序。 您只需更改默认值即可在BPtrain.m中更改训练集，隐藏层中的神经元数量，学习率，重复次数和检查间隔。 如果输入大小和输出大小均为1，则可以运行film.m来生成显示训练过程的电影。 可以在和gif180906.gif中看到一个示例。 此外，您可以随时暂停BPtrain.m并使用下面的代码检查您的训练结果。 plot(x, y) 注意：如果上面的代码不起作用，请继续运行BPtrain.m一段时间，然后再次暂停。 可能是因为脚本在另一个工作空间处停止了。 享受BPNN和Matlab的乐趣！ 欢迎提出建议和调整（以及STAR）。 由Bill在北京创建7/9/2018

PyTorch中的受限玻尔兹曼机（RBM） 作者： 概述 该项目使用PyTorch实现了受限玻尔兹曼机（RBM）（请参阅rbm.py ）。 我们的实现包括动量，权重衰减，L2正则化和CD- k对比散度。 我们还提供对CPU和GPU（CUDA）计算的支持。 另外，我们提供了一个示例文件，将我们的模型应用于MNIST数据集（请参阅mnist_dataset.py ）。 该示例训练了RBM，使用训练后的模型从图像中提取特征，最后使用基于SciPy的逻辑回归进行分类。 它达到了92.8％的分类精度（这显然不是前沿模型）。

自述文件 介绍 基于MATLAB神经网络工具箱训练的网络权重和偏差的LSTM simulink模型 如果您知道权重和偏差，也可以使用在其他地方培训的网络。 版本 MATLAB R2018a

Multi-AUV Hunting Algorithm Based on Bio-inspired Neural Network in Unknown

音乐流派分类 特拉维夫大学，深度学习（深度神经网络）和声音处理领域的学术研究。 精选于 。 抽象 本文讨论了对声音样本的音乐流派进行分类的任务。 介绍 当我决定从事声音处理领域时，我认为体裁分类与图像分类是一个平行的问题。 令我惊讶的是，在深度学习中没有发现太多解决这个确切问题的作品。 确实解决了该分类问题的一篇论文是来自伊利诺伊大学的陶峰的论文[1]。 我确实从本文中学到了很多东西，但是老实说，他们给出的论文结果并不令人印象深刻。 所以我不得不看其他相关但不确切的论文。 很有影响力的论文是基于深度内容的音乐推荐[2]。该文章是关于使用深度学习技术的基于内容的音乐推荐。 他们获取数据集的方

GA-optimized-neural-network-main.zip

TensorFlow 2.0中的自动编码器 以下自动编码器的实现； 香草自动编码器（AE） 去噪自动编码器 备用自动编码器（进行中） 压缩式自动编码器（进行中） 可变自动编码器（VAE） 条件变分自动编码器（CVAE） 节拍变奏自编码器（beta-VAE）（进行中） 如何运行： 运行python3 main.py --ae_type AE 我们可以传递的参数： ae_type：自动编码器的类型-AE，DAE，VAE，CVAE，BetaVAE latent_dim：潜在维度的度数-2、3等。 num_epochs：训练纪元数-100等 learning_rate：培训期间的学习率-1e-4 batch_size：批量大小-1000

保守值法matlab代码Matlab神经网络 这是2017年机器学习和应用程序课程的作业。 本示例使用存档，但任何类型的标记数据集都可以解决问题（进行一些小的修改）。 它会通过批处理或联机方法尝试不同的大小，并在验证误差小于训练误差的情况下继续进行训练。 它附带了用于 classic back-propagation gradient-descent rprop 支持的错误函数是： sum-of-squared cross-entropy ..但是代码足够灵活，可以使用您想要使用的任何功能，只要它尊重签名（当然，是有效的权重更新方法或有效的错误功能）。 还有一个pdf文件（仅限意大利语！），它更深入地介绍了NN和实现的细节。 如何使用 下载文件，解压“ immagini.mat” 7zip存档，然后运行main功能。

计算机视觉Github开源论文

适用于Windows和Linux的Yolo v4，v3和v2 （用于物体检测的神经网络） YOLO v4纸： : Paper Scaled ： ： 用于重现结果： 有关媒体的文章中的更多详细信息： 手册： ： 讨论： 关于Darknet框架： : AP50：95-FPS（Tesla V100）论文： ： AP50：95 / AP50-FPS（Tesla V100）论文： ： tkDNN-TensorRT将批处理= 1的YOLOv4加速约2倍，将批处理= 4的YOLOv4加速3倍-4倍。 tkDNN： ： OpenCV： : GeForce RTX 2080 Ti： 网络规模 暗网，FPS（平均） tkDNN TensorRT FP32，FPS tkDNN TensorRT FP16，FPS OpenCV FP16，FPS tkD