脑模型
BrainModels提供了由模拟器实现的标准和规范的大脑模型（包括各种神经元，突触，网络和直观的纸张示例）。 此外，我们欢迎您的大脑模型实现，并通过我们的主页发布它们。 这样，一旦实现了新模型，便可以轻松地与其他BrainPy用户共享。
目前，我们提供以下模型：
神经元模型
突触模型
学习规则
/
/
安装
使用pip安装BrainModels ：
> pip install brainmodels
安装BrainModels使用conda ：
> conda install brainmodels -c brainpy
从源代码安装：
> pip install git+https://github.com/PKU-NIP-Lab/BrainModels
> # or
> git clone https://github.com/PKU-NIP-Lab/Br
2021-08-31 00:29:47
11.45MB
1
扩展卡尔曼滤波器不仅可以从噪声测量中估计非线性动态系统的状态，还可以用于估计非线性系统的参数。 参数估计的一个直接应用是训练人工神经网络。 这个函数和一个嵌入的例子展示了如何做到这一点。
2021-08-30 20:31:32
2KB
1
Keras混合物密度网络层
使用TensorFlow的发行模块的Keras的混合密度网络（MDN）层。 这使得使用神经网络进行实验变得更加简单，该神经网络预测了多个可能包含多个可能值的实值变量。
该层可以帮助构建类似于 ， ，甚至所使用的MDN- 。 您可以使用MDN做很多很酷的事情！
此实现的一个好处是您可以预测任意数量的实值。 TensorFlow的Mixture ， Categorical和MultivariateNormalDiag分布函数用于生成损失函数（多元正态分布与对角协方差矩阵混合的概率密度函数）。 在以前的工作中，通常会手动指定损失函数，这对于1D或2D预测是合适的，但此后会变得更加烦人。
提供了两个重要的功能用于训练和预测：
get_mixture_loss_func(output_dim, num_mixtures) ：此函数生成具有正确输出尺寸a和混合
2021-08-30 14:08:20
746KB
1
Qt的BPNN人脸识别：Q Qt开发的基于BPNN（反向传播神经网络）的人脸识别系统
2021-08-25 22:32:25
1.47MB
1
适用于Windows和Linux的Yolo v4，v3和v2
（用于物体检测的神经网络）
纸YOLO v4： ：
Paper Scaled ： ： 用于重现结果：
有关媒体的文章中的更多详细信息：
手册： ：
讨论：
关于Darknet框架： :
如何在Linux上编译
如何在Windows上编译
AP50：95-FPS（Tesla V100）论文： ：
AP50：95 / AP50-FPS（Tesla V100）论文： ：
tkDNN-TensorRT将批次1的YOLOv4加速约2倍，将批次4的YOLOv4加速3倍至4倍。
tkDNN： ：
Op
2021-08-24 12:06:47
7.85MB
1
matlab代码输入如何换行符曾经想知道您的智能手机/智能手表如何识别您正在进行的活动。
它知道您何时走路，奔跑或爬楼梯。
在科学界，这就是所谓的HAR（人类活动识别）。
该项目已作为我的数据科学硕士课程中模块任务之一的一部分。
我们将构建一个神经网络，该网络可以使用移动传感器记录的数据来识别我们进行的三项活动。
神经网络的人类活动识别
从收集人类活动数据到构建神经网络对活动进行分类的端到端项目
＃创建神经网络预测模型的步骤：
数据采集
确定手头的问题是应允还是分类问题
数据探索和预处理
将数据分为测试，验证和培训数据集
将每个数据集拆分为输入（X）和输出（y）-将它们转换为numpy数组
开发一个简单的NN顺序模型
调整超参数（使用像GridSearchCV这样的模块）
使用训练和验证数据集编译并拟合曲调模型
用模型预测测试数据
根据问题（回归/分类）计算性能指标
数据采集
借助MATLAB应用程序，可通过智能手机完成数据收集。
在应用程序中有一个称为“传感器”的部分，可以打开智能手机上所有可用的传感器。
选择传感器后，可以按下“记录”按钮，并且可以在所需的分钟数内执行每个活动。
不
2021-08-22 02:38:52
3.74MB
1
ZynqNet:An FPGA-Accelerated Embedded Convolutional Neural Network
基于FPGA加速的卷积神经网络。原版英文论文。使用Xilinx Zynq XC-7Z045
2021-08-21 22:19:01
7.18MB
1
KerasGA：使用遗传算法训练Keras模型
是库的一部分，用于使用遗传算法（GA）训练模型。
项目有一个名为kerasga.py模块，该模块具有一个名为KerasGA的类，用于准备KerasGA模型参数的初始填充。
是一个开放源代码的Python库，用于构建遗传算法和训练机器学习算法。 在查看图书馆的： :
在使用此项目之前，通过pip安装 。
对于Windows：
pip install pygad
对于Linux / Mac：
pip3 install pygad
捐款
您可以通过捐款： 。
要使用PayPal捐款，请使用以下链接： 或电子邮件地址ahmed.f.gad@gmail.com 。
安装
要安装PyGAD ，只需使用pip从PyPI （Python软件包索引）下载并安装该库。 该库位于此页面https://pypi.org/project/p
2021-08-18 12:52:26
3.12MB
1
中文版本名为python神经网络编程。由美亚kindle版本无损转化。
2021-08-18 00:12:04
7.92MB
1