matlab生成维纳过程代码NEURAL_py：python中的新生儿EEG功能集 复制NEURAL功能集版本的Python代码。 该代码用于从多通道EEG记录生成一组定量特征。 功能包括幅度测量，频谱测量和基本连接性测量（仅在半球范围内）。 同样，对于早产的脑电图（假设胎龄<32周），将从突发注释中生成特征（例如，最大突发间隔）。 爆发注释需要一个单独的程序包，该程序包也可在上获得。 有关方法的完整详细信息，请参见： JM O'Toole and GB Boylan (2017). NEURAL: quantitative features for newborn EEG using Matlab. ArXiv e-prints, arXiv:1704.05694 JM O'Toole and GB Boylan (2017). NEURAL: quantitative features for newborn EEG using Matlab. ArXiv e-prints, arXiv:1704.05694 JM O'Toole and GB Boylan (2017). NEU

Neural.Networks.Tricks.of.the.Trade.PDF【神经网络调参必备手册】

语音带宽扩展的分层递归神经网络 论文代码： Ling Zhen-Hua Ling，Yang Ai，Yu Gu和Dai Li-Rong Dai，“使用分层递归神经网络进行语音带宽扩展的波形建模和生成”，关于音频，语音和语言处理的IEEE / ACM交易，第一卷。 26号5，第883-894页，2018年。 ./HRNN_HF是本文中HRNN系统的代码。 ./CHRNN_HF是本文中的CHRNN系统的代码。

LIIF 该存储库包含以下论文中介绍的LIIF的正式实现： ，，CVPR 2021（口服） 带有视频的项目页面位于 。 引文 如果您发现我们的工作对您的研究有用，请引用： @article{chen2020learning, title={Learning Continuous Image Representation with Local Implicit Image Function}, author={Chen, Yinbo and Liu, Sifei and Wang, Xiaolong}, journal={arXiv preprint arXiv:2012.09161}, year={2020} } 环境 的Python 3 火炬1.6.0 TensorboardX yaml，numpy，tqdm，imageio 快速开始 下载DIV2K预训练模

TSNE-UMAP-嵌入可视化 一种简单易用的可视化嵌入方式！ 这个项目的博客文章在。 这个项目是什么？ 该项目是从派生。 它显示了如何在图像上使用预训练的InceptionV3模型并将其绘制在交互式3d地图中。 更新2020 Google已更新了嵌入项目，以支持新功能，其中包括对UMAP的支持。 为什么在独立投影仪上使用此功能？ 该项目使您可以可视化带有轻视堆栈的向量的任何阵列。 它旨在与任何库分离。 而且，它使用静态文件系统，因此您可以在不需要服务器的情况下发布结果。 例如 。 项目结构 |-- data <-- where to put raw data |-- Feature-extractor.ipynb <-- Demo of Embedding generation in a step by step fashion |-- index.html <-- The GU

Pytorch 的可微神经计算机和家族 包括： 可微神经计算机 (DNC) 稀疏存取存储器 (SAM) 稀疏可微神经计算机 (SDNC) 泛化加法任务 泛化 Argmax 任务 代码结构 一般值得注意的东西 这是差分神经计算机的一种实现，在Graves等人的论文《使用具有动态外部存储器的神经网络的混合计算》中进行了描述。 Sparse DNCs (SDNCs) 和 Sparse Access Memory (SAM) 在Scaling Memory-Augmented Neural Networks with Sparse Reads and Writes 中描述。 安装 pip install dnc 从源头 git clone https://github.com/ixaxaar/pytorch-dnc cd pytorch-dnc pip install -r ./r

火车卷积神经网络-YOLO算法 在这个项目中，我将讨论YoloV3体系结构以及如何在自定义数据集上进行训练，我将逐步解释如何使用Darknet框架来实现它。 介绍 什么是物体检测？ 对象检测如何工作？ YOLO-您只看一次 YOLO v3。 网络架构 特征提取器 功能检测器 完整的网络架构 如何在自定义数据集上训练YOLOv3 资料准备 贴标 准备好文件进行培训 训练模型（Darknet框架） 使用自定义权重进行对象检测 介绍 什么是物体检测？ 对象检测是一种包含对象分类和对象本地化两个任务的技术。 它是经过训练可检测多种类别的对象的存在和位置的模型。 它可以用于静态图像，甚至可以实时用于视频。 来自图片 对象检测如何工作？ 对象检测找到对象并在其周围绘制一个边界框。 这是一种与计算机视觉和图像处理有关的计算机技术，用于自动驾驶汽车，面部识别，行人检测等。...最新的算法

张量流-cnn-finetune 这个仓库是关于使用TensorFlow对一些著名的卷积神经网络进行微调的。 ConvNets： 要求： Python 2.7或3.x Tensorflow 1.x（已通过1.15.1测试） OpenCV2（用于数据扩充） 数据集文件 您需要设置两个数据集文件以进行训练和验证。 格式必须如下所示： /absolute/path/to/image1.jpg class_index /absolute/path/to/image2.jpg class_index ... class_index必须从0开始。 可以在和找到样本数据集文件。 不要忘了通过--num_classes运行时，标志finetune.py脚本。 亚历克斯网 进入alexnet文件夹 cd alexnet 微调 如果您以前没有下载过砝码，请下载。 ./download_we

TF-VAE-GAN-DRAW ，和TensorFlow实现。 跑 VAE / GAN： python main.py --working_directory /tmp/gan --model vae 画： python main-draw.py --working_directory /tmp/gan 深度卷积生成对抗网络在使用默认参数的10个星期后产生了不错的结果。 ＃＃＃去做： 更复杂的数据。 添加 用空间变压器层替换当前的注意力机制

论文阅读ICCV_2019_paper How Do Neural Networks See Depth in Single Images相关ppt