基于DNN深度学习网络的OFDM信号检测算法的仿真，matlab2021a测试运行。 包含训练数据，DNN训练，误码率测试。

%SRCNN im_h = SRCNN(model, im_b); %% remove border im_h = shave(uint8(im_h * 255), [up_scale, up_scale]); im_gnd = shave(uint8(im_gnd * 255), [up_scale, up_scale]); im_b = shave(uint8(im_b * 255), [up_scale, up_scale]); %% compute PSNR psnr_bic = compute_psnr(im_gnd,im_b); psnr_srcnn = compute_psnr(im_gnd,im_h);

在本文中，我们将讨论使用增强数据集训练DNN分类器。

一、源码包中有3300张火灾识别数据集，标准完成。 二、数据集在darknet/VOCdevkit/VOC2007/JPEGImages目录下。 三、标注的xml文件在darknet/VOCdevkit/VOC2007/Annotations目录下。 四、训练自己的数据集步骤： 1、配置darkent 环境（网上教程很多，cpu、gpu均可） 2、对应目录下放置数据集和标注生成的xml文件 3、darknet根目录下执行./gen_files.py 4、darknet根目录下执行./darknet detector train cfg/voc-fire.data cfg/yolov3-voc-fire.cfg darknet53.conv.74 开始训练 （也可执行./darknet detector train cfg/voc-fire.data cfg/yolov3-tiny-fire.cfg 开始训练yolov3-tiny模型） 5、bakup下生成训练好的权重文件

1、内容概要：本资源主要基于Python实现kdd99入侵检测数据集预处理，搭建DNN和CNN神经网络实现kdd99入侵检测分类，适用于初学者学习入侵检测分类使用。 2、入侵检测数据集： 该数据集是从一个模拟的美国空军局域网上采集来的9个星期的网络连接数据,分成具有标识的训练数据和未加标识的测试数据。KDD99数据集总共由500万条记录构成，它还提供一个10%的训练子集kddcup.data_10_percent_corrected和测试子集corrected。 3、源代码Handle_data.py是kdd99数据集预处理源代码，kddcup.data_10_percent_corrected.xls是预处理后的数据集。 4、源代码：Kdd_dnn.py是基于DNN神经网络对入侵检测数据集进行分类；kdd_cnn.py是基于CNN神经网络对入侵检测数据集进行分类。

PyTorch-Kaldi语音识别工具包PyTorch-Kaldi是一个开放源代码存储库，用于开发最新的DNN / HMM语音识别系统。 DNN部分由PyTorch管理，而特征提取，标签合成则由PyTorch-Kaldi语音识别工具包PyTorch-Kaldi是一个开放源代码存储库，用于开发最新的DNN / HMM语音识别系统。 DNN部分由PyTorch管理，而特征提取，标签计算和解码则由Kaldi工具包执行。 该存储库包含PyTorch-Kaldi工具箱的最新版本（PyTorch-Kaldi-v1.0）。 要查看以前的版本（PyTorch-Kaldi-v0.1），请单击此处。 如果您使用此代码或部分代码，请

opencv_contrib 3.2源码编译中需要下载protobuf-cpp-3.1.0，下载该文件，解压后放入路径./opencv_contrib/modules/dnn/.download文件下的相应位置即可。

OpenCV在DNN模块中提供了基于残差SSD网络训练的人脸检测模型，tensorflow版本。

这是基于python的DNN神经网络算法，可以通过机器学习进行分类识别，十分好用。

【预测模型】基于DNN深度神经网络实现minist数据集预测matlab源码.md