深度学习数值计算之Hessian矩阵与牛顿法

本系列以通俗的方式讲解注意力机制Attention的整体知识，让i你爱上Attention的神奇应用。 资料：

资源包含文件：lunwen文档+任务书+开题报告+文献综述+外文翻译+软件使用说明书+源码及数据集 流程分为两个部分，一是文本检测，二是文本识别。 文字检测的主要功能为：从图像中找到文字区域，并将文字区域从原始图像中分离出来。 文字识别的主要功能为：从分离出来的图像上，进行文字识别。 文字识别流程： 1）预处理：去噪（滤波算法）、图像增强、缩放，其目的是去除背景或者噪点，突出文字部分，并缩放图片为适于处理的大小 2）特征抽取：常用特征：边缘特征、笔画特征、结构特征、纹理特征。 3）识别：分类器，随机森林 、SVM、NN、CNN等神经网络。 本次设计的环境如下 软件环境 操作系统 ubantu 16.04 Tensorflow tensorflow1.3.0-gpu Python python2.7 硬件环境 CPU Intel(R) Xeon(R) CPU E5-2650 v4 @ 2.20GHz GPU TITAN X (Pascal) 详细介绍参考：https://biyezuopin.blog.csdn.net/article/details/125342848

本资源为深度学习课程设计 含课程设计完整过程的数据集以及实验报告 可供参考 由matlab代码编写构建双层CNN卷积神经网络识别Minist的手写体数据，其中将不断改进的代码跟另外使用工具函数编写的另一个CNN程序结果比较，有一个较为直观的运行效果对比。能够很好的看出程序设计的优劣。使用的是双层卷积神经网络，后向传播用的是随机梯度下降及其优化版本。 适用于CNN初学者以及希望更进一步的学习者。 dataset是MNIST。这里层的概念是指convolution+pooling 函数说明： read_label和read_image分别为读取标签和图像数据点的函数 convolve是实现卷积的函数，pool是实现池化的函数 SGD_MSGD是主函数，把minibatch设为1就是SGD，大于1就是MSGD OPTIMAL是优化版的主函数，OPTIMAL_FINALE是最终优化版的主函数，toolbox是用工具箱函数写的CNN，用于对比之前函数的运行效果。 SGD_MSGD，OPTIMAL，OPTIMAL_FINALE，toolbox都可以直接运行得到答案

srgan-tensorflow超分辨率图像重建

最近整理了关于Matlab的学习资料，这是第一个，关于神经网络工具箱，深度学习，以及人工神经网络的内容，包含25中人工神经网络的matlab代码实现，Matlab神经网络用户手册，面前Matlab工具箱的神经网络理论与应用，深度学习CNN+DBN+RBM等资料。

自动加权GCN算法实现反洗钱识别-数据集自动加权GCN算法实现反洗钱识别-数据集自动加权GCN算法实现反洗钱识别-数据集

Extended-SimGNN-master源代码（SimGNN方法代码，精华版，可直接运行）

摘要：人工神经网络作为人工智能的分支，在模式识别、分类预测等方面已成功地解决了许多现代计算机难以解决的实际问题。然而随着人工智能的发展，神经网络的自主性特征学习

d2l_zh 《动手学深度学习》第二版PyTorch版本 运行环境：Google Colab