通过TensorFlow搭建卷积神经网络实现猫狗识别代码，训练和测试代码完整，下载之后可以直接运行测试打码，运行环境在Linux下，需要把代码中的路径修改为本机实际路径
2022-10-15 17:06:26
20MB
1
MATLAB实现CNN-GRU卷积门控循环单元多输入时序预测（完整源码和数据）
数据为多变量时间序列数据，多输入单输出
运行环境MATLAB2020b及以上，运行程序即可。
2022-10-15 09:10:45
207KB
MATLAB实现CNN-LSTM时间序列预测（完整源码和数据）
卷积长短期记忆神经网络时间序列预测，数据为单变量时间序列数据，
运行环境MATLAB2020b及以上。
2022-10-15 09:10:44
253KB
FashionMNIST这是一个单通道的十分类图片数据集，初学机器学习时的常用数据集，包括了六万张图片的训练集和一万张图片的测试集
2022-10-14 11:22:31
58.18MB
1
均值漂移聚类matlab代码使用从卷积自动编码器中学到的功能进行无监督图像分割
通过训练深度卷积自动编码器，已经从图像中学到了一些有用的功能。
我们使用PCA进行了特征变换。
最后，采用均值漂移聚类算法以无监督的方式对图像进行分割。
EDISON分割：基于EDISON工具箱的图像分割
均值漂移马替代方案：Weizmann马数据集下均值漂移聚类的替代试验
Training
BSDS500
：BSDS
500数据集下的培训网络代码
训练马：Weizmann马数据集下的训练网络代码
可视化PCA功能：可视化PCA转换后的功能
替补：计算图像分割的BSDS测试分数
EDISON
matlab接口：用于均值漂移聚类的matlab包装器
2022-10-13 22:02:52
1.54MB
1
使用步骤
1.安装labelme，使用 pip install labelme 命令即可。
2.在labelme环境下输入 labelme命令，打开labelme软件，对图片进行标记，具体方法就是用多边形将所有水体部分圈起来命名为water，并保存文件(json格式)。
3.将main.m文件内fname和imagename改为对应的json文件名和image文件名，之后使用matlab运行main.m文件，稍等片刻，即可看到训练过程，训练结束后可以看到ac率和预测后图像和原始图像的对比。
labelme的GitHub地址：
文件中包含两个测试样例，image1和image2，分别是单通道的遥感水体图像，分辨率为79317301和一个从网上下载的RGB水体图像，分辨率为500333.
2022-10-13 21:04:42
32.63MB
1
【预测模型】粒子群算法优化CNN预测【含Matlab源码 362期】.zip
2022-10-13 20:33:02
70KB
1