基于卷积神经网络的信号分类！识别率很高，速度很快

基于神经网络深度学习 ，实现人脸识别项目，包括原始数据 ，训练数据 训练模型 测试数据等，包含演示同步ppt文件使用的开发工具是pycharm，基于python3实现，该案例可做为本科毕设的入门包含整个讲解过程，从人脸识别到cnn，卷积

使用pytorch搭建的简单的LSTM多变量多输出时间序列预测的使用例。 生成了多个以sinx、cosx、tanx构成的序列，使用[i:i+50]的数据预测[i+51]的数据。x是步长为0.1的等差数列

cnn源码matlab (Open Set) 用于图像分类任务的域适应 新的！ 动作识别数据集链接： ICCV'17 论文在： -> 在 Matlab 2013b 上测试 - Windows 7 -> 在 Visual Studio 2013 / Matlab 2013b 上编译的 Caffe 二进制文件（请使用您自己的二进制文件或预先计算的功能 -> 应为 Matlab 2015 升级包含的 OPTI 工具箱版本：开始分类任务： main.m（启动程序） Run_DA.m（一次运行多个实验的脚本） 修改参数： 输入参数.m isDA = true，激活域自适应 isOpenset = true，激活开放集协议。 否则，（标准）闭集 “ATI”是我们开发的方法 numSrcClusters 必须包含与类或视点相同的数量，因此“ATI”有效：Saenko = 10, Office = 31, Viewpoints = 8, 16, 24, 36, ... 对于开放集协议，计数共享类 + 1 (未知类） isMidResultsDA = true，用于可视化ATI优化过程中的附加结果 数据

numpy复现cnn算法内含数据集以及教程 适合cnn学习者以及原理理解

numpy复现算法lstm算法内含数据集以及教程

建立了端到端深度网络模型M-B-LSTM，以解决了深度网络学习和预测流量随机性和分布不平衡过程中的不确定性和过拟合问题。

利用CNN_LSTM_ATTENTION模型对寿命的预测

数据对应文章和实现代码链接 https://datayang.blog.csdn.net/article/details/126816417

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