1--使用原始 EEG 数据训练 Deep ConvNET 具有手动制作光谱功能的2层感知器 请轻轻引用https://arxiv.org/abs/1907.05674 “使用 ConvNET 进行深度学习通过 EEG 预测图像任务” 使用的数据库EEG 运动/图像数据集https://physionet.org/pn4/eegmmidb/
2022-04-05 15:25:48 6KB matlab
1
在Keras框架中修改图像分割的卷积神经网络“UNET”。Modification of convolutional neural net "UNET" for image segmentation in Keras framework
2022-04-04 16:02:18 303KB Python开发-机器学习
1
基于从一张含有任意人群密度和任意视角的图像中准确地估计出其中的人群数目的目的,采用了全卷积神经网络先从图像中获得其人群密度图,然后对人群密度图上每个位置进行求和操作得到最终的人群数目的方法。所采用的全卷积神经网络不受输入图像的分辨率和视角的影响,同时,通过增加池化层层数,扩大网络的感受野,适应了图像中人头比较大的情况。所提出的算法在UCF_CC_50标准数据集上取得了最好的效果,进而验证了算法的高准确率和有效性。
1
内包含ResNet50网络模型,模型预训练参数(.h5文件,基于tf2),以及一项使用tf2实现的对ResNet50的网络结构和预训练参数的分开调用。
2022-04-01 20:19:54 90.77MB 卷积神经网络 ResNet50 模型预训练参数
1
LeNet网络 Le顾名思义就是指人工智能领域的大牛Lecun。这个网络是深度学习网络的最初原型,因为之前的网络都比较浅,它较深的。LeNet在98年就发明出来了,当时Lecun在AT&T的实验室,他用这一网络进行字母识别,达到了非常好的效果。 怎么构成呢?输入图像是32×32的灰度图,第一层经过了一组卷积和,生成了6个28X28的feature map,然后经过一个池化层,得到得到6个14X14的feature map,然后再经过一个卷积层,生成了16个10X10的卷积层,再经过池化层生成16个5×5的feature map。
2022-03-30 17:05:31 2.27MB CNN
1
Input layer, hidden layer(series), output layer neurons have learnable weights and biases.. each neuron is fully connected to all neurons in the previous layer, neurons in a single layer function completely independently and do not share any connections. The last fully-connected layer is called the
2022-03-29 16:43:20 5.67MB 人工智能 卷积神经网络
1
神经网络很多时候就像是个黑盒子,里面到底是什么样,是什么样的结构,是怎么训练的,可能很难搞清楚。而本代码就是可以把复杂的神经网络训练过程给可视化,可以更好地理解,调试并优化程序。可以看到每层网络的学习结果.
2022-03-29 16:38:32 5.83MB cnn\可视化
1
智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码
2022-03-28 23:16:53 143KB matlab
1
颜色分类leetcode 眼网 用深度学习检测糖尿病视网膜病变 客观的 糖尿病视网膜病变是发达国家工作年龄人口失明的主要原因。 据估计,这种情况会影响超过 9300 万人。 人们早就认识到需要一种全面和自动化的糖尿病视网膜病变筛查方法,并且之前的努力在使用图像分类、模式识别和机器学习方面取得了良好进展。 以眼睛的照片作为输入,这个顶点的目标是创建一个新模型,理想地产生现实的临床潜力。 这个项目的动机有两个: 除了对大规模数据集进行分类之外,图像分类多年来一直是个人兴趣。 在患者进行眼睛扫描(如下所示)、让医生分析他们的图像以及安排后续预约之间,时间会浪费掉。 通过实时处理图像,EyeNet 将允许人们在同一天寻求和安排治疗。 目录 数据 数据来源于 . 然而,是一个非典型的 Kaggle 数据集。 在大多数 Kaggle 比赛中,数据已经被清理干净,数据科学家几乎不需要预处理。 有了这个数据集,情况就不是这样了。 所有图像都是由不同的人、使用不同的相机和不同的尺寸拍摄的。 与该部分有关,此数据非常嘈杂,需要多个预处理步骤才能将所有图像转换为可用的格式来训练模型。 训练数据由 35,12
2022-03-28 11:44:40 17.2MB 系统开源
1
1维CNN demo, 可在本地运行, 初学代码, 写的不是很规范,
2022-03-28 10:56:43 4KB CNN
1