随机配置网络(SCN)通过引入不等式约束来限制输入权重和偏置的赋值,随着节点数量增加,网络能够逼近任意的数学函数和数据模型。在构建SCN的过程中,由于网络本身性质以及样本数据的不适定性和病态条件等问题会引起网络的过拟合,故提出一种基于Dropout技术的改进型SCN模型(Dropout-SCN)来自适应地约束输出权重分布和大小,以此来提高网络模型的识别精度。光纤数据验证的结果表明:与传统的SCN和L2范数正则化的SCN模型相比, Dropout-SCN模型具有更低的测试误差,有效地减缓了网络过拟合问题,提高了对光纤预警系统(OFPS)中光纤入侵信号的识别准确率。

基于深度学习的猫狗识别算法,准确率99%

基于深度学习的天气识别算法实现

基于深度学习的人脸表情识别算法研究.pdf

基于改进GRU(添加注意力机制)循环神经网络空中目标意图识别_kereas源码+数据+程序说明.zip 程序设计语言为Python 3.7.6；集成开发环境为Anaconda。循环神经网络模型由Python的keras 2.3.0库实现。 数据集为：SCENARIO_DATA_UTF8.zip getData()函数负责读取xml文件，并处理成数据序列及对应的标签序列。参数data_length决定了所读取序列的长度。 getDocumentList()函数用于辅助getData()函数进行数据读取。 modelAttentionAfterGRU()用于实现在GRU层之后添加Attention层的模型。 modelAttentionBiLSTM()用于实现在双向GRU层之后添加Attention层的模型。 全局变量INPUT_DIM表示输入特征的维度；TIME_STEPS = 500 表示输入到神经网络层序列的长度。 主函数中给出了一个示例：读取数据，划分训练集和测试集，多次训练神经网络模型进行交叉验证，计算加权错误率Weighted Error Rate和训练模型所用时间， 最后将

该程序车牌识别总体分为三步： 车牌定位-->车牌检测-->车牌字符识别

空中三角测量matlab代码概述 我们实现了 ICPR 2016 论文的算法：Building Facade Recognition from Aerial Images using Delaunay Triangulation Induced Feature Perceptual Grouping, Xuebin Qin, Martin Jagersand, Xiucheng Yang, Jun Wang, ICPR 2016。 @inproceedings{DBLP:conf/icpr/QinJYW16, author = {Xuebin Qin and Martin J{"{a}}gersand and Xiucheng Yang and Jun Wang}, title = {使用 Delaunay Triangulation 诱导特征感知分组从航拍图像识别建筑物立面}，书名 = {23rd International Conference on Pattern Recognition，{ICPR} 2016，Canc{'{u}}n，墨西哥，2016 年 12 月 4-8 日}

研究多特征融合的深度网络模型对人脸识别的方法，并通过实验对不同的人脸识别方法进行对比

基于Kinect的手势数据库及动静态手势识别算法，张鑫，钱伟， 基于手势的人机交互以其自然直观性受到了人机交互领域的持续关注，越来越多的手势研究催生了对手势数据库的需求。本文介绍了一��

结合YOLOV3的人体姿势识别算法