【深度学习】CNN卷积神经网络-识别阿喵阿汪源代码

集合了卷积神经网络从神经网络分类Alnex,GoogleNet v1-v4,VGG,Resnet,Network in Network论文，图像检测R-CNN,FAST-RCNN,Faster-rcnn，Mask-rcnn，SSPN-net，SSD,YOLO，YOLO_v2,YOLO_v3

运用有效积温法则预测草地贪夜蛾在广西的发生世代数.pdf

卷积神经网络是近年发展起来，并引起广泛重视的一种高效识别方法。20世纪60年代，Hubel和Wiesel在研究猫脑皮层中用于局部敏感和方向选择的神经元时发现其独特的网络结构可以有效地降低反馈神经网络的复杂性，继而提出了卷积神经网络。

资源内容为卷积神经网络实例（手写字母识别）--PyTorch。 如果没有积分或者打不开的朋友可以联系邮箱：1454196320@qq.com

机器学习–利用卷积神经网络进行鸟类识别 具体解析请看链接： https://blog.csdn.net/weixin_44602933/article/details/116547300?spm=1001.2014.3001.5502

[深度卷积神经网络原理与实践][周浦城 等][程序源代码]

matlab填充图像算法代码CNN_频谱图_算法 一种使用卷积神经网络 (CNN) 从原始 EEG 数据中对频谱图进行分类的方法 SpectrogramClassificationAlgorithm.ipynb：使用来自训练和有效文件夹的数据训练模型，对来自测试文件夹的数据进行测试 Use_pretrained_model.ipynb：使用来自训练模型的模型权重，测试来自测试文件夹的新测试数据 fastai 文件夹中的代码来自 Jeremy Howard 的 fastai 0.7 版： 数据结构 要运行任一笔记本，您必须具有以下结构的数据文件夹： 数据/ ├──火车/ ├── Yes ├── No ├── 有效/ ├── Yes ├── No ├──测试/ 对于 SpectrogramClassificationAlgorithm.ipynb：Yes 和 No 子文件夹包含我们训练模型的正面和负面案例图像。 测试文件夹包含我们测试模型的未分类图像。 对于 Use_pretrained_model.ipynb：测试文件夹包含要由我们的预训练模型 (saved_model.pkl) 评估的

卷积码是一种性能优良的差错控制编码。本文在阐述卷积码编解码器基本工作原理的基础上, 提出了在MAX+ P lusÊ 开发平台上基于VHDL 语言设计(2, 1, 6) 卷积码编解码器的方法。

基于VHDL的卷积码编码器的设计 含源码