目录网盘文件永久链接 1.1课程介绍机器学习介绍上.mp4 1.1课程介绍机器学习介绍下.mp4 1.2深度学习介绍.mp4 2基本概念.mp4 3.1决策树算法.mp4 3.2决策树应用.mp4 4.1最邻近规则分类KNN算法.mp4 4.2最邻近规则KNN分类应用.mp4 5.1 支持向量机(SVM)算法（上）.html 5.1 支持向量机(SVM)算法（上）应用.html 5.1支持向量机SVM上.mp4 5.1支持向量机SVM上应用.mp4 6.2神经网络算法应用上.mp4 6.3神经网络算法应用下.mp4 7.1简单线性回归上.mp4 7.2简单线性回归下.mp4 7.3多元线性回归.mp4 7.4多元线性回归应用.mp4 7.5非线性回归 Logistic Regression.mp4 7.6非线性回归应用.mp4 7.7回归中的相关度和决定系数.mp4 7.8回归中的相关性和R平方值应用.mp4 8.1Kmeans算法.mp4 8.2Kmeans应用.mp4 8.3Hierarchical clustering 层次聚类.mp4 8.4Hierarchical......

针对噪声的随机性和突变性,使得传统算法抑制非平稳噪声比抑制平稳噪声难度增大的问题,提出了一种基于深度神经网络的子空间语音增强算法。该算法利用带噪的语音信号数据训练一组深度神经网络语音生成型模型(DNN训练模型);在测试增强阶段根据噪声估计和DNN模型去除非平稳噪声;最后,通过信号子空间在抑制噪声和减少信号失真上做出较为折中的选择重构语音信号。实验结果表明,基于深度神经网络的子空间语音增强算法对非平稳噪声有非常强的抑制能力,通过STOI和PESQ值反映了在低信噪比下,该算法可以提高增强语音的可懂度。

基于ACAM3, bDNN, DNN,LSTM四种深度学习的语音检测VAD处理仿真+含代码操作演示视频 运行注意事项：使用matlab2021a或者更高版本测试，运行里面的main.m文件，不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。具体可观看提供的操作录像视频跟着操作。

MigrationNet：使用PyTorch进行地下管线解释 基于PyTorch中的构建。 用法 注意：使用Python 3 预言 您可以使用我们的数据集轻松测试输出： python predict_mat.py -i path/to/test -o predict.png -m path/to/checkpoint 训练 python train_mat.py -f path/to/checkpoint -e 200 -b 1 -l 0.000005 -s 0.25 -x path/to/train -y path/to/gt

一款基于深度学习的工具，通过使用深度神经网络去除马赛克，让更多遭受审查的艺术作品得以重见天日。 一款基于深度学习的工具，通过使用深度神经网络去除马赛克，让更多遭受审查的艺术作品得以重见天日。 一款基于深度学习的工具，通过使用深度神经网络去除马赛克，让更多遭受审查的艺术作品得以重见天日。 一款基于深度学习的工具，通过使用深度神经网络去除马赛克，让更多遭受审查的艺术作品得以重见天日。 一款基于深度学习的工具，通过使用深度神经网络去除马赛克，让更多遭受审查的艺术作品得以重见天日。 一款基于深度学习的工具，通过使用深度神经网络去除马赛克，让更多遭受审查的艺术作品得以重见天日。 一款基于深度学习的工具，通过使用深度神经网络去除马赛克，让更多遭受审查的艺术作品得以重见天日。 一款基于深度学习的工具，通过使用深度神经网络去除马赛克，让更多遭受审查的艺术作品得以重见天日。 一款基于深度学习的工具，通过使用深度神经网络去除马赛克，让更多遭受审查的艺术作品得以重见天日。 一款基于深度学习的工具，通过使用深度神经网络去

python opencv DNN 人脸检测

matlab余玄函数代码DNN_toolbox Matlab工具箱，用于基于DNN的语音分离 该文件夹包含用于工具箱的Matlab程序，该工具箱用于使用深度神经网络（DNN）进行监督性语音分离。 该工具箱由Chenjitong Chen编写，它基于Wang Yuxuan编写的早期版本。 刘玉洲进一步完善了该工具箱。 有关基于DNN的语音分离的技术详细信息，请参见以下文章： Wang Y.，Naraayanan A.和Wang DL（2014）：关于监督性语音分离的培训目标。 关于音频，语音和语言处理的IEEE / ACM事务，第1卷。 22，第1849-1858页。 该工具箱由OSU感知和神经动力学实验室（PNL）提供。 文件夹和文件的描述 配置/ 用于培训和测试的干净话语清单。 数据/ 混合，特征，蒙版和分离的语音存储在此处。 dnn / DNN培训和测试代码，其中dnn / main /包含DNN培训和测试的关键功能。 dnn / pretraining /包括用于无监督DNN预训练的代码。 gen_mixture / 用于从噪音和干净的语音中创建混合的代码。 get_feat /

DEA 数据包络分析工具箱 用于MATLAB的数据包络分析工具箱

神经网络 基于神经网络的歌声合成库进行研究。 演示版 使用kiritan_singing数据库的基于神经网络的歌声合成演示（日语） 音频样本 Kiritan示例： ：//soundcloud.com/r9y9/sets/dnn-based-singing-voice 安装 Python 3.6或更高版本 ：需要开发版本（master分支） 开发版本。请查看安装的邮局。 火炬> = 1.x 请注意，上面列出的软件包应手动安装。安装它们后，您可以运行： python setup.py develop 安装其余的依赖项。 储存库结构 核心程式库： 命令行程序： 及其配置 食谱： Python docstring样式 菜谱 配方是用于重现实验的一组脚本和配置。用于进行实验的所有步骤均以独立方式提供。如果要构建唱歌语音系统，请查看目录。 背景 截至2020年2月，基于DNN的歌声合成工具在日

1000级别分类网络模型，采用50层的网络层，对大部分物体能检测出来，resnet50_1000_imagenet_classifier.dnn.bz2