改进YOLOv5_v7 _ 用于低分辨率图像和小物体的新 CNN 模块SPD-Conv_迪菲赫尔曼的博客-CSDN博客.mhtml
2024-03-25 16:44:16 9.7MB
1
蜂群算法优化CNN 卷积神经网络 Matlab
2024-03-21 12:36:26 1.91MB matlab
1
深度学习热力图绘制代码,例如,CNN、VIT、Swin等模型,能直接使用。CAM又叫类别激活映射图,也被称为类别热力图、显著性图等。是一张和原始图片等同大小图,该图片上每个位置的像素取值范围从0到1,一般用0到255的灰度图表示。可以理解为对预测输出的贡献分布,分数越高的地方表示原始图片对应区域对网络的响应越高、贡献越大。利用可视化的信息引导网络更好的学习,例如可以利用CAM信息通过"擦除"或""裁剪""的方式对数据进行增强;利用CAM作为原始的种子,进行弱监督语义分割或弱监督定位。
2024-03-06 09:56:14 310KB 深度学习
1
MATLAB漂浮物识别(Cnn卷积神经网络,GUI界面框架)Matlab编程
2024-03-04 16:06:09 1.32MB
1
NumpyDL:Numpy深度学习库 内容描述 NumpyDL是: 基于纯Numpy / Python 对于DL教育 特征 其主要特点是: 纯洁的脾气暴躁 原生于Python 基本支持自动区分 提供了常用的模型:MLP,RNN,LSTM和CNN 几个AI任务的示例 对于玩具聊天机器人应用 文献资料 可用的在线文档: 最新文件 开发文档 稳定文档 可用的离线PDF: 最新PDF 安装 使用pip安装NumpyDL: $ > pip install npdl 从源代码安装: $ > python setup.py install 例子 NumpyDL提供了一些AI任务示例: 句子分类 示例/lstm_sentence_classification.py中的LSTM 例子中的CNN / cnn_sentence_classification.py mnist手写识
2024-02-23 17:06:34 16.61MB deep-neural-networks deep-learning
1
基于卷积神经网络-双向长短期记忆网络结合注意力机制(CNN-BILSTM-Attention)回归预测,多变量输入模型。matlab代码,2020版本及以上。 评价指标包括:R2、MAE、MSE、RMSE和MAPE等,代码质量极高,方便学习和替换数据。
2024-02-23 16:18:23 33KB 网络 网络 matlab
1
Maltab实现CNN卷积神经网络故障诊断(代码完整,可直接运行,适合2018及以上) 卷积神经网络(convolutional neural network)是具有局部连接、权重共享等特性的深层前馈神经网络,最早主要是用来处理图像信息。 相比于全连接前馈神经网络,卷积神经网络有三个结构上的特性:局部连接、权重共享以及汇聚,这些特性使得卷积神经网络具有很好的特征提取能力,且参数更少。 利用各种检查和测试方法,发现系统和设备是否存在故障的过程是故障检测;而进一步确定故障所在大致部位的过程是故障定位。故障检测和故障定位同属网络生存性范畴。要求把故障定位到实施修理时可更换的产品层次(可更换单位)的过程称为故障隔离。故障诊断就是指故障检测和故障隔离的过程。
2024-01-22 10:02:02 73KB 神经网络
1
crowd-counting-cnn This implementation is from The author implements MCNN model on Shanghaitech dataset. I just modified some details to create UCSD dataset and UCF_50 dataset and test the MCNN model on these dataset. I am not sure whether it is okay to upload the modified implementation and if it is wrong, please contatct me and I will delete it. . UCF_50 在MCNN上测试UCF_50dataset,根据设置,使用5折交叉验证,所以,数
2023-12-26 19:41:42 327.14MB Python
1
本文来自于云社区,本文章主要介绍了转置卷积层和正卷积层的关系和区别是什么呢,转置卷积层实现过程又是什么样的呢,希望读后会给您带来帮助。在CNN提出之前,我们所提到的人工神经网络应该多数情况下都是前馈神经网络,两者区别主要在于CNN使用了卷积层,而前馈神经网络用的都是全连接层,而这两个layer的区别又在于全连接层认为上一层的所有节点下一层都是需要的,通过与权重矩阵相乘层层传递,而卷积层则认为上一层的有些节点下一层其实是不需要的,所以提出了卷积核矩阵的概念,如果卷积核的大小是n*m,那么意味着该卷积核认为上一层节点每次映射到下一层节点都只有n*m个节点是有意义的,具体的映射方式下一节会讲到。到这
2023-12-17 16:16:20 606KB
1
基于卷积-长短期记忆网络加注意力机制(CNN-LSTM-Attention)的时间序列预测程序,预测精度很高。 可用于做风电功率预测,电力负荷预测等等 标记注释清楚,可直接换数据运行。 代码实现训练与测试精度分析。
2023-12-11 12:30:03 285KB 网络 网络 lstm
1