人工智能-非侵入性检查预测良性前列腺增生患者膀胱出口梗阻——基于人工神经网络模
2022-06-24 09:09:26
970KB
人工智能-带有时滞的分数阶Hopfield神经网络模型的稳定性分析.pdf
2022-06-23 22:08:06
820KB
建立一个网络结构可变的BP神经网络通用代码：
在训练时各个参数的意义： hidden_floors_num：隐藏层的个数 every_hidden_floor_num：每层隐藏层的神经元个数 learning_rate：学习速率 activation：激活函数 regularization：正则化方式 regularization_rate：正则化比率 total_step：总的训练次数 train_data_path：训练数据路径 model_save_path：模型保存路径
利用训练好的模型对验证集进行验证时各个参数的意义： model_save_path：模型保存路径 validate_data_path：验证集路径 precision：精度
利用训练好的模型进行预测时各个参数的意义： model_save_path：模型的保存路径 predict_data_path：预测数据路径 predict_result_save_path：预测结果保存路径
2022-06-19 17:05:17
113KB
基于Tensorflow框架实现神经网络模型对手写数字的识别 基于Tensorflow框架实现神经网络模型对手写数字的识别 基于Tensorflow框架实现神经网络模型对手写数字的识别 基于Tensorflow框架实现神经网络模型对手写数字的识别
2022-06-14 20:47:29
103KB
1
人工神经网络模型及其在优化问题中的应用，孙阳，孙文生，Hopfield人工神经网络为解决NP问题提供了一种有效的途径，本文探讨了Hopfield神经网络模型的稳定性和有效性问题，并以求解TSP为例，给出
2022-06-10 23:04:12
261KB
1
pytorch基于神经网络模型与树莓派的智能垃圾桶项目源代码。利用训练好的神经网络模型迁移到树莓派上。再结合舵机和设计的垃圾桶结构，就可以完成垃圾的智能识别与智能分类工作。
pytorch基于神经网络模型与树莓派的智能垃圾桶项目源代码。利用训练好的神经网络模型迁移到树莓派上。再结合舵机和设计的垃圾桶结构，就可以完成垃圾的智能识别与智能分类工作。
pytorch基于神经网络模型与树莓派的智能垃圾桶项目源代码。利用训练好的神经网络模型迁移到树莓派上。再结合舵机和设计的垃圾桶结构，就可以完成垃圾的智能识别与智能分类工作。
pytorch基于神经网络模型与树莓派的智能垃圾桶项目源代码。利用训练好的神经网络模型迁移到树莓派上。再结合舵机和设计的垃圾桶结构，就可以完成垃圾的智能识别与智能分类工作。pytorch基于神经网络模型与树莓派的智能垃圾桶项目源代码。利用训练好的神经网络模型迁移到树莓派上。再结合舵机和设计的垃圾桶结构，就可以完成垃圾的智能识别与智能分类工作。pytorch基于神经网络模型与树莓派的智能垃圾桶项目源代码。利用训练好的神经网络模型迁移到树莓派上。再结合舵机和设计的垃圾桶结构
2022-06-10 14:06:39
157.67MB