基于卷积神经网络的图像识别，资料包含一些参考文献及matlab仿真程序，仅供参考。

在工业互联网的环境下，自动有效的异常检测方法对工业系统的安全、稳定生产具有重要的意义。传统的异常检测方法存在需要大量标注样本、不适应高维度时序数据等不足，提出一种基于LSTM自动编码机的工业系统异常检测方法。为克服现有方法依赖标注样本的不足，提出采用自动编码机，通过无监督的方式学习大量正常样本的特征和模式，在此基础上通过对样本进行重构和计算重构误差的方式进行异常检测。其次，为克服现有方法不适应高维度时序数据的不足，提出采用双向LSTM作为编码器，进而挖掘多维时序数据的潜在特征。基于一个真实造纸工业的数据集的实验表明，所提方法在各项指标上都对现有无监督异常检测方法有一定的提升，检测的总体精度达到了93.4%。

用Tensorflow搭建CNN卷积神经网络，实现MNIST手写数字识别-附件资源

人工智能深度学习，中文分词代码，准确无误。rnn-tutorial-gru-lstm-master分词

cnn_captcha 使用CNN通过张量流识别验证码。本项目针对字符型图片验证码，使用张量流实现卷积神经网络，进行验证码识别。项目封装了比较通用的校验，训练，验证，识别，API模块，极大地减少了识别字符型验证码花费的时间和能量。 如果您在使用过程中出现了一个错误和做好的改进，欢迎提出问题和PR，作者会尽快回复，希望能和您共同完善项目。 如果您需要识别点选，拖拽类验证码，或者有目标检测需求，也可以参考这个项目 。 时间表 2018.11.12 初版Readme.md 2018.11.21 加入关于验证码识别的一些说明 2018.11.24 优化验证数据集图片的规则 2018.11.26 tr

预测模型调研文档 预测模型调研文档（RNN、CNN、LSTM模型）

快速SRGAN 该存储库的目标是实现实时超分辨率，以对低分辨率视频进行升采样。 目前，该设计遵循架构。 但是代替残差块，采用反向残差块以提高参数效率和快速操作。 这种想法在某种程度上受到。 培训设置如下图所示： 速度基准 通过平均800帧以上的运行时间获得以下运行时间/ fps。 在GTX 1080上测得。 输入图像尺寸 输出尺寸 时间（秒） 第一人称射击 128x128 512x512 0.019 52 256x256 1024x1024 0.034 30 384x384 1536x1536 0.068 15 我们看到有可能以30fps的速度将其上采样到720

包含验证集、测试集、训练集 设置的是0积分下载

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：CNN_matlab 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。 适合人群：新手及有一定经验的开发人员

CNN人脸检测VS2015+Opencv310_人脸识别_OPENCV_C++