随着大数据的引入及其在图像采购设备中的惊人进步，将医学数据转换为有价值的知识已成为生物信息学领域的重要挑战。 采购的医学图像需要对图像进行大量分析和诊断，这可以使用人工智能技术（例如机器学习和深度学习）来完成，这些技术可以提供自动诊断解决方案。 深度学习方法可以为医学图像诊断提供优化和精确的解决方案，并且可以作为即将到来的医疗保健应用的重要方法。 本文将讨论一些当代深度学习神经网络及其在各种疾病检测中的应用。

2D-cnn-denoise-Unet-master.zip

DNN-CNN-and-RNN的语音去噪程序

MASR 中文语音识别 MASR是一个基于端到端的深度神经网络的中文普通话语音识别项目，本项目是基于 进行开发的。本项目已暂停维护，推荐使用识别效果更好的企业级模型 。 模型原理 MASR使用的是门控卷积神经网络（Gated Convolutional Network），网络结构类似于Facebook在2016年提出的Wav2letter，只使用卷积神经网络（CNN）实现的语音识别。但是使用的激活函数不是ReLU或者是HardTanh，而是GLU（门控线性单元）。因此称作门控卷积网络。根据实验结显示，使用GLU的收敛速度比HardTanh要快。 以下用字错误率CER来衡量模型的表现，CER = 编辑距离 / 句子长度，越低越好，大致可以理解为 1 - CER 就是识别准确率。 安装环境 执行requirements.txt安装依赖环境，在安装过程中出现Pyaudio安装错误，可以先执行su

卷积神经网络代码Matlab 人工神经网络 使用空间光谱深度残差卷积神经网络（HSID-CNN）的用于高光谱图像降噪的Matlab演示代码，IEEE TGRS，2019。 By Qiang Zhang (whuqzhang@gmail.com) Wuhan University, China. 如果您在工作中使用/适应我们的代码（作为独立工具或任何算法的组成部分），请引用我们的论文。 Q. Yuan，Q. Zhang，J。Li，H。Shen和L. Zhang ，“使用空间光谱深度残差卷积神经网络进行高光谱图像降噪”， IEEE地理科学与遥感学报，第1卷。 57号2，第1205-1218页，2019年。 @ARTICLE{yuan2019, author={Q. {Yuan} and Q. {Zhang} and J. {Li} and H. {Shen} and L. {Zhang}}, journal={IEEE Trans. Geosci. Remote Sens.}, title={Hyperspectral Image Denoising Employing a Spatial

VGG16权重文件vgg16_weights_tf_dim_ordering_tf_kernels.h5的百度网盘下载链接，文件较大从GitHub国内下载速度很慢要两个小时，提供网盘资源需要请下载。

Python语言 DCGAN代码包 完整代码 卷积生成式对抗网络

Android基于卷积神经网络的数字手势识别安卓APP，识别数字手势0-10 Android studio编译，项目有源码和apk，参考链接：https://blog.csdn.net/babyai996/article/details/121196044

共同近邻（CNN）聚类 笔记 该项目目前处于Alpha状态。 将来可能会更改实现。 检查示例和文档以获取最新信息。 集群 所述cnnclustering Python包提供了一个灵活的接口聚类算法使用C ommon-Ñearest-Ñeighbours。 虽然该方法可以应用于任意数据，但此实现是在“分子动力学”模拟的处理轨迹背景之前完成的。 在这种情况下，聚类结果可以作为构建核心集马尔可夫状态（cs-MSM）模型的合适基础，以捕获潜在分子过程的基本动力学。 有关用于cs-MSM估计的工具，请参考此单独的。 该软件包提供了一个主要模块： cnnclustering ：（等级）共同近邻聚类和分析 特征： 灵活：可以对不同输入格式的数据集进行聚类。 易于与外部方法连接。 方便：功能集成，在分子动力学的背景下非常方便。 快速：核心功能使用Cython。 请参考以下论文以获得科学背景（如

bp网络代码 matlab 这是BP和CNN网络的matlab实现。 这些代码用于简单的人工神经网络。