Neural Networks and DeepLearning - Michael Nielsen 中文 PDF 带书签 Neural Networks and DeepLearning - Michael Nielsen 中文 PDF 带书签 Neural Networks and DeepLearning - Michael Nielsen 中文 PDF 带书签

尼尔森神经网络和深度学习 迈克尔尼尔森（Michael Nielsen）的书-。 在线书的源代码在，而相关的许可证在文件LICENSE.mnielsen 。

金字塔形卷积 这是我们的论文的PyTorch实现。 （请注意，这是ImageNet上图像识别的代码。有关语义图像分割/解析的信息，请参见以下存储库： : ） 在ImageNet上训练的模型可以在找到。 PyConv能够提供比基线更高的识别能力（有关详细信息，请参见）。 ImageNet上的准确性（使用默认培训设置）： 网络 50层 101层 152层 ResNet 76.12％（ ） 78.00％（ ） 78.45％（ ） PyConvHGResNet 78.48 ％（ ） 79.22 ％（ ） 79.36 ％（ ） PyConvResNet 77.88 ％（ ） 79.01 ％（ ） 79.52 ％（ ） 使用更复杂的训练设置（例如，使用附加数据增强（CutMix），将bach大小增加到1024，学习率0.4，余弦调度程序超过300个纪元以及使用混合精度来加

组织病理学检测 创建了一种算法，以识别从较大的数字病理扫描中获取的小图像斑块中的转移癌。 该比赛的数据是对PatchCamelyon（PCam）基准数据集的略微修改版本 动机 乳腺癌的临床诊断最好通过活检来实现。 病理学家通过在显微镜下手动检查组织切片来进行诊断。 但是，传统的诊断系统需要专业知识，只有经验丰富的病理学家才能准确地确定肿瘤组织。 当前，在印度的各个农村地区，人们无法获得良好的医疗保健设施。 另外，农村地区没有新的先进设备，因此甚至有可能无法正确诊断患者。 农村地区医疗状况不佳的主要原因之一是缺乏经验丰富的医生。 数据集 该研究使用的数据集是PatchCamelyon（PCam）[21]，[22]的略微修改版本。由于其概率抽样，原始PCam数据集包含重复图像，但是此版本不包含重复图像。 该数据集是开源的，可以从（ ）下载。 数据集包含超过220K张RGB图像，尺寸为96x

图卷积神经网络及其应用，来自中科院计算所沈华伟博士在ICLR 2019顶会上的演讲稿，欢迎大家下载学习。

压缩文件包括两本最经典的Neural Network Introduction to Neural Networks for Java, 2nd Edition Jeff Heaton Introduction to the Math of Nerural Newtork Jeff Heaton

医学影像中的机器学习--U-Net 是用于生物图像分割的卷积神经网络（CNN）。 为了保留更精细的特征图，使用了跳过连接来补充更深层中的数据。 在这项工作中，将相同的体系结构用于MRI脑部扫描，以预测一种给予另一种的方式。 这是通过将以两种不同方式扫描的原始MRI体数据切成可在网络上进行训练的2D图像来完成的。 该网络是使用 （用于CNN的MATLAB工具箱）实现的。

MIT 学习神经网络经典书籍 Like the first edition, which it replaces, this volume is inspired by two great questions: “How does the brain work?” and “How can we build intelligent machines?” As in the first edition, the heart of the book is a set of close to 300 articles in Part III which cover the whole spectrum of Brain Theory and Neural Networks.

Pytorch-图像分类 使用pytorch进行图像分类的简单演示。 在这里，我们使用包含43956 张图像的自定义数据集，属于11 个类别进行训练（和验证）。 此外，我们比较了三种不同的训练方法。 从头开始培训，微调的convnet和convnet为特征提取，用预训练pytorch模型的帮助。 使用的模型包括： VGG11、Resnet18 和 MobilenetV2 。 依赖关系 Python3，Scikit学习 Pytorch, PIL Torchsummary，Tensorboard pip install torchsummary # keras-summary pip install tensorboard # tensoflow-logging 注意：在训练之前将库更新到最新版本。 怎么跑 下载并提取训练数据集： 运行以下脚本进行训练和/或测试 python t

讽刺检测 讽刺是口头讽刺的一种形式，旨在表达蔑视或嘲笑。 嘲讽依靠说话者和听众之间的共同知识，需要机智才能理解和产生机智。 在日常互动中，我们使用手势和模拟，语调和韵律来暗示讽刺意向。 由于我们无法获得此类副语言提示，因此检测书面文本中的讽刺是一项艰巨的任务。 我研究了多种方法来检测推文中的讽刺，这些方法使用传统的机器学习（离散特征上的SVM和Logistic回归器）和深度学习模型（CNN，LSTM，GRU，双向LSTM和基于注意力的LSTM）进行评估，并在4不同的Twitter数据集（ 详细信息）。 该研究项目的完成是部分满足了曼彻斯特大学计算机科学理学学士学位的要求，并且在我的导师和导