大学深度学习论文提交，描述了生成模型G，判别模型D

针对显著性检测中特征选择的主观片面性和预测过程中特征权重的难以协调性问题，提出了一种基于全卷积神经网络和多核学习的监督学习算法。首先通过MSRA10K图像数据库训练出的全卷积神经网络（FCNN），预测待处理图像的初步显著性区域；然后在多尺度上选择置信度高的前景、背景超像素块作为多核支持向量机（SVM）分类器的学习样本集，选择并提取八种典型特征代表对应样本训练SVM；接着通过多核SVM分类器预测各超像素显著值；最后融合初步显著图和多核学习显著图，改善FCNN网络输出图的不足，得到最终的显著性目标。该方法在SOD和DUT-OMRON数据库上有更高的AUC值和F-measure值，综合性能均优于对比方法，验证了该方法在显著性检测中准确性的提高，为目标识别、机器视觉等应用提供更可靠的预处理结果。

【摘要】本文完整地完成了车牌识别的三个流程：定位、分割、识别，实现了较为可靠的车牌识别功能。针对不同的情况，本文综合运用了HSV色彩空间、边缘检测以及Faste

基于BiLSTM实现文本实体关系抽取任务——数据集.zip

本资源内容为人工智能学习者提供一种用excel来模拟神经网络算法的方法，提高学习兴趣或帮助同学更加了解神经网络的工作原理！资源内容详细解读神经网络算法的基本原理（内含图形深度剖析），以及在实现算法上各种公式应用的详解，一步步教大家如何去真正理解什么是神经网络算法的原理。

针对一类非完整移动机器人的轨迹跟踪控制问题，同时考虑移动机器人的运动学和动力学模型，设计运动学控制器和动力学控制器结合的神经网络控制系统．其中动态模型中的不确定性是由神经元控制器进行补偿，由此可保证闭环误差系统最终趋近稳定．采用基于李亚普诺夫(Lyapunov)稳定性理论的判稳方法，证明整个闭环控制系统的稳定性．仿真结果表明，该控制方案具有较强的鲁棒性．

Pytorch实现基于卷积神经网络的面部表情识别数据集（只含数据集）.zipPytorch实现基于卷积神经网络的面部表情识别数据集（只含数据集）.zipPytorch实现基于卷积神经网络的面部表情识别数据集（只含数据集）.zipPytorch实现基于卷积神经网络的面部表情识别数据集（只含数据集）.zipPytorch实现基于卷积神经网络的面部表情识别数据集（只含数据集）.zipPytorch实现基于卷积神经网络的面部表情识别数据集（只含数据集）.zipPytorch实现基于卷积神经网络的面部表情识别数据集（只含数据集）.zipPytorch实现基于卷积神经网络的面部表情识别数据集（只含数据集）.zipPytorch实现基于卷积神经网络的面部表情识别数据集（只含数据集）.zipPytorch实现基于卷积神经网络的面部表情识别数据集（只含数据集）.zipPytorch实现基于卷积神经网络的面部表情识别数据集（只含数据集）.zipPytorch实现基于卷积神经网络的面部表情识别数据集（只含数据集）.zipPytorch实现基于卷积神经网络的面部表情识别数据集（只含数据集）.zipPytorc

【MATLAB教程案例53】CNN卷积神经网络的MATLAB编程学习和实现，以手势识别为例进行仿真分析。博客matlab入门100例中用到的数据库。

pytorch实现变分自编码器

SZ-taxi。该数据集由深圳2015年1月1日至1月31日的出租车轨迹数据组成，本文选取罗湖区156条主要道路作为研究区域。实验数据主要包括两部分。一个是156*156的邻接矩阵，它描述了道路之间的空间关系。每一行表示一条道路，矩阵中的值表示道路之间的连接性。另一个是特征矩阵，它描述了每条道路上的速度随时间的变化。每一行代表一条路，每一列是不同时段道路上的交通速度。每15分钟计算一次每条路上的车速。GNN-LSTM GCN GNN LSTM RNN