跑步类APP传播效果研究——以贵阳市五大高校为例.pdf

纺织新产品的APP营销传播模式构建——以苏锡常地区为例.pdf

浅析APP对文化传播的影响.pdf

人工神经网络 BP算法 c++实现，例子是电力负荷预测。

cncnn-lrp 该存储库包含使用本文解释的原理来解释一维卷积神经网络（1D-CNN）的代码。解释技术在于计算各种n-gram特征的相关性，并确定足够和必要的n-gram。该项目带有一个多通道1D-CNN模型生成器，可用于生成测试模型。 依存关系： - Anaconda (python 3.6) - keras (tested on 2.2.4) - tensorflow (1.13.1) - numpy (1.16) - pandas (0.24) 该项目包含4个主要目录： data / sentiment_analysis该目录包含用于构建一维CNN模型和测试解释方法的培训和测试数据 models：此目录包含用于情感分析和回答问题的预训练的1D-CNN模型。 tokenizers：此目录包含用于各种数据集的已保存的keras标记器。分词器包含用于构建预训练模型的词汇表。 说明：

CNN的可视化，用于通过分层相关性传播进行字符识别 在这里尝试： 描述 该存储库在客户端JavaScript中包含一个预训练的卷积神经网络，该网络检测字符0到9。预测后，将计算逐层相关性传播热图，并将其显示在输入图像旁边。 学分 由AW Harley在ISVC的“卷积神经网络的交互式节点链接可视化”中发布，第867-877页，2015年。 分层相关性传播方法在S Bach，A Binder，G Montavon，F Klauschen，KRMüller，W Samek中进行了介绍： 。 这项工作得到了BMBF ALICE II资助01IB15001B的支持。

Qt的BPNN人脸识别：Q Qt开发的基于BPNN（反向传播神经网络）的人脸识别系统

运行会自动测试mnist手写体库。accuracy rate是正确率。

2021年内衣品牌营销传播方案

利用OPENCV实现简单的角谱传播，能够清晰的还原出原图片