brain-amri-age-classifier-master:-深度学习CNN预测大脑年龄-源码
2021-09-06 13:14:24 549KB mri 大脑年龄 医学影像 深度学习
1
用卷积滤波器matlab代码深眼运动(EM)分类器:一维CNN-BLSTM模型 这是“ 1D CNN和BLSTM对注视,扫视和平滑追踪的自动分类”一文中对眼睛运动分类的深度学习方法的实现。 如果您使用此代码,请引用为 @Article{startsev2018cnn, author="Startsev, Mikhail and Agtzidis, Ioannis and Dorr, Michael", title="1D CNN with BLSTM for automated classification of fixations, saccades, and smooth pursuits", journal="Behavior Research Methods", year="2018", month="Nov", day="08", issn="1554-3528", doi="10.3758/s13428-018-1144-2", url="https://doi.org/10.3758/s13428-018-1144-2" } 全文可通过随意访问。 作者: Mikhail
2021-08-28 21:10:33 1.2MB 系统开源
1
利用欧几里得距离和样本投票实现的KNN分类器,输入包括训练数据、测试数据、K距离,输出是测试数据的分类结果。
2021-07-29 02:26:51 1KB a k-NN classifier
1
pytorch-multi-label-classifier 引言 实现的用于多标签分类的分类器。 您可以轻松地train , test多标签分类模型并visualize训练过程。 以下是可视化单标签分类器训练的示例。 如果您有多个属性,则毫无疑问,每个属性的所有损失和准确性曲线将在Web浏览器上有序显示。 失利 准确性 模块 data 数据准备模块,包括读取和转换数据。 所有数据label.txt以某种预定义的格式存储在data.txt和label.txt ,如下所述。 model 脚本来构建多标签分类器模型。 您的模范样板应该放在这里。 options 训练测试和可视化选项在这里定义 util webvisualizer :一个用于可视化的每个属性的损失和准确性基于可视化工具 util :项目中使用的其他功能 html :在webvisualizer中使用。 test mn
1
用于图像分类的卷积神经网络。 随意使用它,尽管复制我的作品对您的学习无济于事。 培训和测试图像不是我要分发的,因此已被排除在外,尽管出于复制目的,可以用您自己的图像替换。 特别感谢惠灵顿维多利亚大学的彭一鸣和薛冰提供了最初的模板。
2021-07-05 12:13:13 303KB Python
1
视频伪造检测:高级视频中基于对象的伪造检测
2021-06-29 14:22:16 29.31MB classifier video matlab detection
1
分类问题:分类模型
2021-06-13 12:49:36 3.59MB classifier data-science machine-learning random
1
matlab建立汽车模型代码Traffic_Light_Classifier 介绍 交通灯分类器使用计算机视觉技术为交通灯图像构建分类器! 给定的交通灯图像数据集,其中三个灯之一亮:红色、黄色或绿色。 分类步骤 在提供的笔记本中,我们将对这些图像进行预处理,提取有助于区分不同类型图像的特征,并使用这些特征将交通灯图像分为三类:红色、黄色或绿色。 任务将分为几个部分: 加载和可视化数据。 任何分类任务的第一步都是熟悉数据; 我们需要加载交通灯的图像并将它们可视化! 预处理。 输入图像和输出标签需要标准化; 即所有的输入应该是相同类型的数据和相同的大小,输出应该是一个数字标签。 这样,我们可以使用相同的程序分析所有输入图像,并且我们知道最终对新图像进行分类时会期望什么输出。 预处理的标准化图像 特征提取。 我将从每张图像中提取一些特征,用于区分和分类这些图像。 特征应该是一维向量,甚至是单个值,提供有关图像的一些信息,可以帮助将其分类为红色、黄色或绿色交通灯。 特征提取步骤示例 分类和可视化错误。 最后,我们将编写一个函数,使用我们的特征对任何交通灯图像进行分类。 此函数将接收图像并输出标
2021-06-08 22:02:52 4.84MB 系统开源
1
本科生论文:带有数据重载的量子图像分类器设计量子卷积和数据重载分类器方案 一个用于完成我的大学论文的资料库,该资料库是带有数据重新上传的量子图像分类器设计,量子卷积和数据重新上传分类器方案。 顾问: 和 抽象的 随着工业和学术界的问题越来越难解决,对计算能力的需求不断增长。 诸如分子等大型量子系统的仿真或求解大型线性系统之类的应用程序的计算成本可能非常昂贵。 这已经成为量子计算发展的原因之一,量子计算是一种利用量子系统的特性和理论进行信息处理的计算方法。 量子计算机向我们保证,这类问题将以指数级的速度提高。 尽管近年来量子计算机的发展Swift发展,但是理论和技术挑战仍然是大规模量子计算机的障碍。 当今存在的量子计算机具有严格的限制,例如由于过程中的噪声而导致量子位有限和门操作受限。 变分量子算法(VQA)已经成为解决这些局限性的有前途的策略之一。 已经提出了采用该策略的各个领域的应用
1
matlab卷积神经网络分类
2021-05-22 12:01:39 3KB 最近邻分类算法
1