1.全方面比较CNN与全连接网络的异同. 2.推导神经网络前向后向传播算法的优化迭代公式。 3.熟练掌握一种深度神经网络的算法与应用，并给出在人脸识别、身份证识别、通用手写体识别等方面的2个以上应用案例与效果（可在腾讯云上做，相关实验素材腾讯那边已准备，把相关东西搬到实验报告上来组织好即可）。 4.参考前人论文，另起一节，设计一个全新的深度神经网络，使其能在至少一个应用场景能PK过经典的 CNN与全连接网络或现有论文中的算法 ；简要内容写在实验报告中，详细的可写成一篇论文提交到“论文提交处”。

1.领域：matlab，RNN深度学习网络算法 2.内容：RNN深度学习网络的训练matlab仿真+操作视频 3.用处：用于RNN深度学习网络算法编程学习 4.指向人群：本硕博等教研学习使用 5.运行注意事项： 使用matlab2021a或者更高版本测试，运行里面的Runme_.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。

1.领域：matlab，LSTM深度学习网络 2.内容：基于LSTM深度学习网络的时间序列预测matlab仿真+操作视频 3.用处：用于LSTM深度学习网络编程学习 4.指向人群：本硕博等教研学习使用 5.运行注意事项： 使用matlab2021a或者更高版本测试，运行里面的Runme_.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。

AI科技大本营公开课-《基于交错组卷积的高效深度神经网络》 共82页.pptx

基于MXNet的物联网数据处理实现，王诗瑶，章洋，深度神经网络近年来得到了快速发展，被广泛应用于各种数据处理、模式识别等问题中。本文针对物联网数据处理的难点，基于优秀的深

纯verilog开发，可以移植到ISE或者Quartusii等平台。 1.领域：FPGA，LSTM深度学习网络 2.内容：基于verilog开发的LSTM深度学习网络设计,vivado2019.2平台开发+代码操作视频 3.用处：用于LSTM编程学习 4.指向人群：本科，硕士，博士等教研使用 5.运行注意事项： 使用vivado2019.2或者更高版本测试，用软件打开FPGA工程，然后参考提供的操作录像视频跟着操作。 工程路径必须是英文，不能中文。

受限波尔茨曼机RBM_DBN深度学习网络训练和测试matlab仿真,数据库为随机数矩阵,可替换为其他数据库+包含程序操作视频 注意事项（仿真图预览可参考博主博客里面"同名文章内容"。）： 使用matlab2022a或者高版本仿真，运行文件夹中的tops.m。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。 具体操作观看提供的程序操作视频跟着操作。

土地覆盖分类应用 该为用户提供了一个工具，可使用 ， 或从可视化，测试和调整像素级土地覆盖分类。 该模型是由（ ， 和合作开发的，是Microsoft 计划的一部分。 这个怎么运作 单击地图上的任意位置以加载9个训练图块候选者，单击训练图块候选者以将其显示在地图上的区域选择面板中，调整透明度，以查看其与自然色高分辨率航空影像的比较。 用户可以上下推动土地覆盖类型的滑块以获取调整后的结果。 单击“教机器”按钮，以提交将用于训练模型的所选训练图块候选。 单击右上角的菜单按钮以打开已提交的训练图块的集合。 可以选择训练图块以将应用程序打开到该当前状态以进行编辑。 先决条件 在开始之前，请确保您已经安装了新版本的 当前的长期支持（LTS）版本是理想的起点。 正在安装 首先，将此存储库克隆到您的计算机： https://github.com/vannizhang/aiforearth-l

Matlab深度置信网络DBN代码解析用于机器学习的神经网络 Geoff Hinton 的 Coursera 课程“机器学习神经网络”的 Matlab 源文件。 Geoff Hinton 于 2019 年从 Coursera 中删除了该课程，因为他觉得现在已经过时了。 然而，这些讲座仍然是对神经网络的很好的介绍，可以在 Geoff Hinton 的网站上找到。 课程大纲如下。 一、简介 为什么我们需要机器学习 什么是神经网络 一些简单的神经元模型 一个简单的学习例子 三种学习方式 2.感知器学习过程 网络架构的主要类型概述 感知器 感知器的几何视图 为什么学习有效 感知器不能做什么 3. 反向传播学习过程 学习线性神经元的权重 线性神经元的误差面 学习逻辑输出神经元的权重 反向传播算法 如何使用反向传播算法计算的导数 4. 学习词的特征向量 学习预测下一个单词 对认知科学的简要介绍 另一个改道_softmax输出函数 神经概率语言模型 处理大量可能输出的方法 5. 使用神经网络进行物体识别 为什么物体识别很困难 实现视点不变性的方法 用于手写数字识别的卷积神经网络 用于物体识别的卷积神

matlab的egde源代码深度可视化 一些使用Caffe和Matlab的有趣的可视化演示。 FaceVis 可视化由人脸识别模型存储的人脸。 FilterVis 可视化CNN模型学习的中级功能。 启蒙主义 可视化CNN模型中的分类器神经元。 神经网络复杂度 展示神经网络可以实现的复杂程度，宽度，深度和结构。 神经艺术 纸张的另一种重新实现 《艺术风格的神经算法》，作者：莱昂·盖蒂斯（Leon Gatys），亚历山大·埃克（Alexander Ecker）和马蒂亚斯·贝特（Matthias Bethge）。 PrototxtGen 一些模块用于为Caffe生成原型。