博客见：https://blog.csdn.net/qq_37534947/article/details/109726153 主要是卷积网络的手写以及Ptorch实现的代码，包含数据集！
2021-09-18 21:02:40
151.49MB
1
TCN关注
带有关注层的时间卷积网络
模型的概念主要类似于 。 但是在此模型中，注意力层位于卷积层的每个顶层。 并且注意大小与SNAIL不同。
结果
数据集：无需预处理的
关注：0.82
无注意：0.81
我对结果的看法
agnews上的大多数简单模型都显示出0.81的精度。 （在 ，“ 上进行了测试，并使用了基于单词的嵌入）
因此，基于字符的模型具有0.82的准确性似乎是值得的。
2021-09-14 19:21:06
16KB
1
自用就是这个，放在对应目录就行，不能直接传源文件所以传的是压缩文件。文件很大，如果要自己做一个yolo.h5的话还是比较费心的。
2021-09-02 13:43:23
180.53MB
1
行业分类-物理装置-基于多尺度特征与堆叠式全卷积网络的水下建筑物裂缝检测方法.zip
2021-08-04 09:02:44
488KB
针对脉内无意调相实现雷达辐射源个体识别时存在的分类模型性能不佳的问题，提出了一种长短时记忆加全卷积网络的雷达辐射源个体识别方法。首先给出了脉内信号相位的简化观测模型，并对观测相位序列进行去斜处理，提取无意调相的含噪估计；然后利用贝塞尔曲线拟合无意调相，降低噪声的影响，获得无意调相更为精确的描述；最后利用长短时记忆加全卷积网络提取无意调相序列的联合特征，实现雷达辐射源个体自动识别。仿真实验以及实测数据实验均验证了所提算法的可行性与有效性，实验结果表明，所提算法识别正确率高、耗时短。
2021-07-12 13:00:07
1.18MB
1
博客见：https://blog.csdn.net/qq_37534947/article/details/109726153 主要是卷积网络的手写以及torch实现的代码，包含数据集！
2021-07-11 09:41:27
150.96MB
1