基于粒子群算法优化深度置信网络(PSO-DBN)的数据回归预测,优化参数为隐藏层节点数目,反向迭代次数,反向学习率,利用交叉验证抑制过拟合问题,matlab代码。 评价指标包括:R2、MAE、MSE、RMSE和MAPE等,代码质量极高,方便学习和替换数据。
2024-03-11 19:15:00 42KB 网络 网络
1
基于麻雀算法优化深度置信网络(SSA-DBN)的数据回归预测,优化参数为隐藏层节点数目,反向迭代次数,反向学习率,利用交叉验证抑制过拟合问题,matlab代码。 评价指标包括:R2、MAE、MSE、RMSE和MAPE等,代码质量极高,方便学习和替换数据。
2024-03-11 19:12:59 42KB 网络 网络
1
公路车辆机器学习深度学习样本1500个,包括车头、车尾、侧面的车辆照片,尺寸为128*64
2024-03-11 12:25:35 15.47MB 机器学习 深度学习 车辆样本
1
参考博客: https://blog.csdn.net/Helloorld_1/article/details/130242871?spm=1001.2014.3001.5502
2024-03-09 17:42:46 71KB python
1
资源包含102种花卉的分类图片数据集,共8189张图片,可用于深度学习模型的训练。
2024-03-09 12:26:48 329.24MB 数据集 深度学习
1
原理图编辑、封装、修改元件、复合分层电路图、生产网表、快捷操作等。
2024-03-09 10:36:53 3.75MB OrCAD Capture
1
利用ViT模型实现图像分类,本项目具有强大的泛化能力,可以实现任何图像分类任务,只需要修改数据集和类别数目参数。这里采用的是开源的“猫狗大战”数据集,实现猫狗分类。 本项目适用于Transformer初学者,通过该实践项目可以对于ViT模型的原理和结构有清晰地认识,并且可以学会在具体项目中如何运用ViT模型。本项目代码逻辑结构清晰,通俗易懂,适用于任何基础的学习者,是入门深度学习和了解Transformer注意力机制在计算机视觉中运用的绝佳项目。
1
深度学习图像分类数据集 脑PET图像分析和疾病预测挑战赛%2F脑PET图像分析和疾病预测初赛数据 可以用来训练自己的模型
2024-03-07 19:12:28 18.55MB 深度学习 数据集 图像分类
1
主要语言:TypeScript 项目分类:[AI] 项目标签:[深度学习] [图像工具箱] 推荐理由:一个支持拖拽屏幕截图并将其转换为干净的HTML/Tailwind/JS代码。这个工具可以帮助开发者快速地将设计图转化为可用的前端代码,提高开发效率。
2024-03-07 18:11:18 491KB typescript typescript 人工智能 深度学习
1
水果分类数据集,包括apple、banana、grape、orange、pear五个类别,并含有分类标签
2024-03-07 15:00:22 14.07MB 数据挖掘 人工智能 机器学习