面向助老行为识别的三维卷积神经网络设计.pdf

截尾卷积码matlab程序译码实现，非常简单实用，可以进行软判决，也可以适当修改变成硬判决。

截尾卷积码matlab程序编码实现，非常实用而且简单，使用matlab程序编程实现。

深度学习训练神经网络模型时使用的MNIST数据集，来自美国国家标准与技术研究所, National Institute of Standards and Technology (NIST). 训练集 (training set) 由来自 250 个不同人手写的数字构成, 其中 50% 是高中学生, 50% 来自人口普查局 (the Census Bureau) 的工作人员. 测试集(test set) 也是同样比例的手写数字数据

ICCV2015 tutorial convolutional feature maps Kaiming He ICCV 2015 CNN 卷积神经网络 目标检测 教程 何凯明

安全技术-网络信息-深度卷积神经网络在车牌和人脸检测领域的应用研究.pdf

离散函数的循环卷积matlab代码。。。。。。

CNNsite：使用具有序列特征的卷积神经网络预测蛋白质中的DNA结合残基

FCN网络个人理解版，欢迎提出宝贵意见

TED（现称为BayesPrism） 使用统计边际化（BayesPrism）推断贝叶斯细胞比例重建：肿瘤微环境组成和基因表达的完全贝叶斯推断。 BayesPrism由反卷积模块和嵌入学习模块组成。去卷积模块利用来自scRNA-seq的细胞类型特异性表达谱，并实施完全贝叶斯推断，以根据肿瘤样品的大量RNA-seq表达共同估算细胞类型组成和细胞类型特异性基因表达的后验分布。嵌入学习模块使用期望最大化（EM）来使用肿瘤途径的线性组合来近似肿瘤表达，同时以反卷积模块估算的非肿瘤细胞的表达和分数为条件。 v1.1：添加了新功能，允许使用从scRNA-seq数据（例如，通过更精细的聚类）获得的细胞亚型/细胞状态信息，从而产生更细粒度的细胞类型，以更好地代表异质群体。它可以用来定义例如肿瘤微环境中的髓样或淋巴细胞群。 BayesPrism将计算这些子类型/状态的后验和。 v1.2：增加了功能cle