深度神经网络中的多目标稀疏学习模型，刘嘉，公茂果，深度神经网络是一种具有复杂结构和较深层次的神经网络模型,其强大的数据表示和建模能力使其在各类应用中发挥了巨大的作用.稀疏理�

如何用Python快速测试各种深度学习模型

残差网络resnet50的深度学习模型权重文件，可作为预训练模型，提升学习效率

人工智能 keras构建深度学习模型步骤

Azure Machine Learning（简称“AML”）是微软在其公有云Azure上推出的基于Web使用的一项机器学习服务，机器学习属人工智能的一个分支，它技术借助算法让电脑对大量流动数据集进行识别。这种方式能够通过历史数据来预测未来事件和行为，其实现方式明显优于传统的商业智能形式。微软的目标是简化使用机器学习的过程，以便于开发人员、业务分析师和数据科学家进行广泛、便捷地应用。这款服务的目的在于“将机器学习动力与云计算的简单性相结合”。AML目前在微软的Global Azure云服务平台提供服务，用户可以通过站点：https://studio.azureml.net/ 申请免费试用。

（利用深度时空残差网络预测城市范围的人流量） 深度学习、客流预测、Resnet网络结构

DeepJ：用于生成特定风格音乐的模型 抽象 深度神经网络的最新进展使算法能够创作与人类创作的音乐相当的音乐。 但是，很少有算法允许用户生成具有可调参数的音乐。 调整生成的音乐的属性的能力将为帮助艺术家，电影制片人和作曲家的创作任务带来更多实际好处。 在本文中，我们介绍了DeepJ-端到端生成模型，该模型能够根据特定的作曲家风格组合来创作音乐。 我们的创新包括学习音乐风格和音乐动态的方法。 我们使用我们的模型来演示一种简单的技术来控制生成的音乐的样式，以此作为概念证明。 使用人类评分者对我们的模型进行的评估表明，与双轴LSTM方法相比，我们有了改进。 要求 Python 3.5 克隆Pyth

本文对深度学习中模型复杂性的最新研究进行了系统的综述。深度学习的模型复杂度可分为表达能力和有效模型复杂度。从模型框架、模型规模、优化过程和数据复杂性四个方面回顾了现有的研究成果。我们还讨论了深度学习模型复杂性的应用，包括理解模型泛化能力、模型优化、模型选择和设计。

alpha模型权重库，所有模型都在关键点训练2017图像上进行训练，该图像包含至少一个具有关键点注释的人员（64115个图像）。该评估是在2017年COCO关键点评估（5000张图像）上完成的。默认情况下使用翻转测试。一台TITAN XP用于速度测试，每次迭代中batch_size = 64。离线人体检测结果用于速度测试。FastPose是我们自己的网络设计。纸张即将推出！

使用fMRI数据预测各种机器学习模型和交叉验证方法的自闭症诊断 贡献者：Emily Chen，AndréanneProulx，MikkelSchöttner 该存储库包含在2020年BrainHack学校期间所做的贡献。该项目使用ABIDE数据集中的静止状态fMRI数据来训练机器学习模型，并获得了Creative Commons Zero v1.0 Universal许可。 如果您有任何疑问或意见，请随时与我们联系。 项目定义 个人背景 艾米丽 你好！ 我是麦吉尔大学（即将入学）的四年级本科生，学习计算机科学和城市健康地理，辅修认知科学。 我是Zatorre实验室的Isabelle Ar