|- 數(shù)據(jù)科學(xué)速查表 - 0 B|- 遷移學(xué)習(xí)實(shí)戰(zhàn) - 0 B|- 零起點(diǎn)Python機(jī)器學(xué)習(xí)快速入門 - 0 B|- 《深度學(xué)習(xí)入門：基于Python的理論與實(shí)現(xiàn)》高清中文版PDF+源代碼 - 0 B|- 《Python生物信息學(xué)數(shù)據(jù)管理》中文版PDF+英文版PDF+源代碼 - 0 B|- 《Python深度學(xué)習(xí)》2018中文版pdf+英文版pdf+源代碼 - 0 B|- 《Python編程：從入門到實(shí)踐》中文版+源代碼 - 0 B|- stanford machine learning - 0 B|- Python語言程序設(shè)計(jì)2018版電子教案 - 0 B|- Python網(wǎng)絡(luò)編程第三版 （原版+中文版+源代碼） - 0 B|- Python機(jī)器學(xué)習(xí)實(shí)踐指南（中文版帶書簽）、原書代碼、數(shù)據(jù)集 - 0 B|- python官方文檔 - 0 B|- Python編程(第4版 套裝上下冊(cè)) - 0 B|- PyQt5快速開發(fā)與實(shí)戰(zhàn)（pdf+源碼） - 0 B|- linux - 0 B|- 征服PYTHON-語言基礎(chǔ)與典型應(yīng)用.pdf - 67.40 MB|- 與孩子一起學(xué)編程_中文版_詳細(xì)書簽.pdf - 69.10 MB|- 用Python做科學(xué)計(jì)算.pdf - 6.10 MB|- 用Python寫網(wǎng)絡(luò)爬蟲.pdf - 9.90 MB|- 用Python進(jìn)行自然語言處理(中文翻譯NLTK).pdf - 4.40 MB|- 像計(jì)算機(jī)科學(xué)家那樣思考 Python中文版第二版.pdf - 712.00 kB|- 網(wǎng)絡(luò)爬蟲－Python和數(shù)據(jù)分析.pdf - 6.90 MB|- 圖解機(jī)器學(xué)習(xí).pdf - 59.40 MB|- 凸優(yōu)化.pdf - 5.70 MB|- 數(shù)據(jù)挖掘?qū)д?pdf - 2.50 MB|- 數(shù)據(jù)科學(xué)入門.pdf - 13.30 MB|- 數(shù)據(jù)結(jié)構(gòu)與算法__Python語言描述_裘宗燕編著_北京：機(jī)械工業(yè)出版社_，_2016.01_P346.pdf - 74.30 MB|- 神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí).pdf - 92.60 MB|- 深入Python3...
標(biāo)簽： python
上傳時(shí)間： 2022-06-06
上傳用戶：
上面是一段實(shí)時(shí)目標(biāo)識(shí)別的演示， 計(jì)算機(jī)在視頻流上標(biāo)注出物體的類別， 包括人、汽車、自行車、狗、背包、領(lǐng)帶、椅子等。今天的計(jì)算機(jī)視覺技術(shù)已經(jīng)可以在圖片、視頻中識(shí)別出大量類別的物體， 甚至可以初步理解圖片或者視頻中的內(nèi)容， 在這方面，人工智能已經(jīng)達(dá)到了3 歲兒童的智力水平。這是一個(gè)很了不起的成就， 畢竟人工智能用了幾十年的時(shí)間， 就走完了人類幾十萬年的進(jìn)化之路，并且還在加速發(fā)展。道路總是曲折的， 也是有跡可循的。在嘗試了其它方法之后， 計(jì)算機(jī)視覺在仿生學(xué)里找到了正確的道路（至少目前看是正確的） 。通過研究人類的視覺原理，計(jì)算機(jī)利用深度神經(jīng)網(wǎng)絡(luò)（ Deep Neural Network，NN）實(shí)現(xiàn)了對(duì)圖片的識(shí)別，包括文字識(shí)別、物體分類、圖像理解等。在這個(gè)過程中，神經(jīng)元和神經(jīng)網(wǎng)絡(luò)模型、大數(shù)據(jù)技術(shù)的發(fā)展，以及處理器（尤其是GPU）強(qiáng)大的算力，給人工智能技術(shù)的發(fā)展提供了很大的支持。本文是一篇學(xué)習(xí)筆記， 以深度優(yōu)先的思路， 記錄了對(duì)深度學(xué)習(xí)（Deep Learning）的簡單梳理，主要針對(duì)計(jì)算機(jī)視覺應(yīng)用領(lǐng)域。
標(biāo)簽： 深度神經(jīng)網(wǎng)絡(luò) 目標(biāo)檢測(cè)
上傳時(shí)間： 2022-06-22
上傳用戶：
該書的作者是來自 Y Combinator Research 的研究員 Michael Nielsen，他也是一位量子物理學(xué)家、科學(xué)作家、計(jì)算機(jī)編程研究人員。他的個(gè)人主頁是：Neural networks and deep learningneuralnetworksanddeeplearning.com書籍介紹 這是我個(gè)人以為目前最好的神經(jīng)網(wǎng)絡(luò)與機(jī)器學(xué)習(xí)入門資料之一。內(nèi)容非常淺顯易懂，很多數(shù)學(xué)密集的區(qū)域作者都有提示。全書貫穿的是 MNIST 手寫數(shù)字的識(shí)別問題，每個(gè)模型和改進(jìn)都有詳細(xì)注釋的代碼。非常適合用來入門神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)！ 全書共分為六章，目錄如下： 第一章：使用神經(jīng)網(wǎng)絡(luò)識(shí)別手寫數(shù)字 第二章：反向傳播算法如何工作 第三章：改進(jìn)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法 第四章：神經(jīng)網(wǎng)絡(luò)可以計(jì)算任何函數(shù)的可視化證明 第五章：深度神經(jīng)網(wǎng)絡(luò)為何很難訓(xùn)練 第六章：深度學(xué)習(xí) 《Neural Network and Deep Learning》這本書的目的是幫助讀者掌握神經(jīng)網(wǎng)絡(luò)的核心概念，包括現(xiàn)代技術(shù)的深度學(xué)習(xí)。在完成這本書的學(xué)習(xí)之后，你將使用神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)來解決復(fù)雜模式識(shí)別問題。你將為使用神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)打下基礎(chǔ)，來攻堅(jiān)你自己設(shè)計(jì)中碰到的問題。 本書一個(gè)堅(jiān)定的信念，是讓讀者更好地去深刻理解神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)，如果你很好理解了核心理念，你就可以很快地理解其他新的推論。這就意味著這本書的重點(diǎn)不是作為一個(gè)如何使用一些特定神經(jīng)網(wǎng)絡(luò)庫的教程。僅僅學(xué)會(huì)如何使用庫，雖然這也許能很快解決你的問題，但是，如果你想理解神經(jīng)網(wǎng)絡(luò)中究竟發(fā)生了什么，如果你想要了解今后幾年都不會(huì)過時(shí)的原理，那么只是學(xué)習(xí)些熱?的程序庫是不夠的。你需要領(lǐng)悟讓神經(jīng)網(wǎng)絡(luò)工作的原理。
標(biāo)簽： 深度學(xué)習(xí)
上傳時(shí)間： 2022-07-24
上傳用戶：
2.5 Neural Turing Machine - 2.1 Model - .DS_Store 10KB 2.4 RNN Sequence-to-Sequence Model - 2.8 One Shot Deep Learning - 2.7 Deep Transfer Learning Lifelong Learning especially for RL - 2.2 Optimization - 1.4 Speech Recognition Evolution - 1.2 Deep Belief Network(DBN)(Milestone of Deep Learning Eve) - 1.3 ImageNet Evolution（Deep Learning broke out from here） - 2.3 Unsupervised Learning Deep Generative Model - 2.6 Deep Reinforcement Learning
標(biāo)簽： MoldWizard 使用手冊(cè)
上傳時(shí)間： 2013-05-15
上傳用戶：eeworm
計(jì)算智能.人工神經(jīng)網(wǎng)絡(luò)·模糊系統(tǒng)·進(jìn)化計(jì)_12531.pdf 30.1M 斯坦福大學(xué)-深度學(xué)習(xí)基礎(chǔ)教程.pdf 9.4M [游戲人工智能編程案例精粹].(Programming.Game.AI.by.Example).(美)Mat.Buckland.掃描版.pdf 54.4M 深度學(xué)習(xí)基礎(chǔ)教程.pdf 9.5M [模式識(shí)別與智能計(jì)算：MATLAB技術(shù)實(shí)現(xiàn)(第2版)].楊淑瑩.掃描版.pdf 29.3M 機(jī)器學(xué)習(xí)：實(shí)用案例解析（中文版，帶完整書簽）.pdf 34.7M .DS_Store 6KB python 學(xué)習(xí)資料 .pdf 747KB 深度學(xué)習(xí)的昨天、今天和明天.pdf 976KB 【試讀】《自然計(jì)算：DNA、量子比特和智能機(jī)器的未來》前言+目錄+第1章.pdf 4.6M 百度深度學(xué)習(xí)-CCF-2013Sep.pptx 28.7M 機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘方法和應(yīng)用.pdf 17.6M 深度學(xué)習(xí)(最全的中文版)_2017年新書.pdf 30.3M 機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘方法和應(yīng)用（經(jīng)典）.pdf 12M 模式識(shí)別與智能計(jì)算-matlab技術(shù)實(shí)現(xiàn).pdf 27.9M 歐盟在多領(lǐng)域的物聯(lián)網(wǎng)技術(shù)應(yīng)用需求.rar 1.1M 伯克利大學(xué)機(jī)器學(xué)習(xí)(Practical Machine Learning).rar 35.8M 深度學(xué)習(xí)結(jié)構(gòu)和算法比較分析.pdf 1.7M 機(jī)器學(xué)習(xí)實(shí)戰(zhàn)及配套代碼.rar 39.5M 機(jī)器學(xué)習(xí)實(shí)踐經(jīng)驗(yàn)指導(dǎo).pdf 449KB 余凱_深度學(xué)習(xí)的昨天今天和明天.pdf 913KB 淺談深度學(xué)習(xí)_肖達(dá).pdf 10.2M 人工智能原理與應(yīng)用——專家系統(tǒng)、機(jī)器學(xué)習(xí)、面向?qū)ο蟮姆椒╛10184566.pdf 9.8M 機(jī)器學(xué)習(xí)與概率圖模型_王立威.pdf 1.8M 機(jī)器學(xué)習(xí)十大算法.pdf 4.9M 百度深度學(xué)習(xí)進(jìn)展介紹.ppt 18M 機(jī)器學(xué)習(xí)部分課后習(xí)題答案.zip 651KB 深度學(xué)習(xí)——機(jī)器學(xué)習(xí)領(lǐng)域的新熱點(diǎn).pdf 4.4M 科研立項(xiàng)的極客之道.ppt 11.2M
上傳時(shí)間： 2013-07-02
上傳用戶：eeworm
Matlab_2016a 完整破解版下載 使用增強(qiáng)的設(shè)計(jì)環(huán)境和 UI 組件集開發(fā) MATLAB 應(yīng)用。深度學(xué)習(xí)用于圖像分類問題。訪問模板、最新模型以及精選示例。創(chuàng)建包含事件操作和新模塊的離散事件模型和調(diào)度程序。使用標(biāo)準(zhǔn)座艙儀器顯示飛行條件。在線編輯器，用于：開發(fā)包含結(jié)果和圖形以及相關(guān)代碼的實(shí)時(shí)腳本創(chuàng)建用于分享的交互式描述，包括代碼、結(jié)果和圖形以及格式化文本、超鏈接、圖像及方程式MATLAB應(yīng)用設(shè)計(jì)器，使用增強(qiáng)的設(shè)計(jì)環(huán)境和擴(kuò)展的 UI 組件集構(gòu)建帶有線條圖和散點(diǎn)圖的 MATLAB?應(yīng)用全新多 y-軸圖、極坐標(biāo)圖和等式可視化暫停、調(diào)試和繼續(xù) MATLAB 代碼執(zhí)行Neural Network Toolbox使用 Parallel Computing Toolbox? 中的 GPU 加速深入學(xué)習(xí)圖像分類任務(wù)的卷積神經(jīng)網(wǎng)絡(luò) (CNN)Symbolic Math Toolbox與 MATLAB 在線編輯器集成，以便編輯符號(hào)代碼和可視化結(jié)果，并將 MuPAD? 筆記本轉(zhuǎn)換為實(shí)時(shí)腳本Statistics and Machine Learning ToolboxClassification Learner 應(yīng)用，可以自動(dòng)培訓(xùn)多個(gè)模型，按照級(jí)別標(biāo)簽對(duì)結(jié)果進(jìn)行可視化處理，并執(zhí)行邏輯回歸分類Control System Toolbox新建及重新設(shè)計(jì)的應(yīng)用，用于設(shè)計(jì) SISO 控制器、自動(dòng)整定 MIMO 系統(tǒng)和創(chuàng)建降階模型Image Acquisition Toolbox支持 Kinect? for Windows? v2 和 USB 3 VisionComputer Vision System Toolbox光學(xué)字符識(shí)別 (OCR) 訓(xùn)練程序應(yīng)用、行人偵測(cè)和來自針對(duì) 3-D 視覺的動(dòng)作和光束平差的結(jié)構(gòu)體Trading Toolbox對(duì)交易、靈敏性和交易后執(zhí)行的交易成本分析Simulink 產(chǎn)品系列Simulink通過訪問模板、最近模型和精選示例更快開始或繼續(xù)工作的起始頁自動(dòng)求解器選項(xiàng)可更快速地設(shè)置和仿真模型針對(duì)異構(gòu)設(shè)備的系統(tǒng)模型仿真，例如 Xilinx?和 Altera? SoC 架構(gòu)Simulink? 單位，可在 Simulink、Stateflow? 和 Simscape? 組件的接口指定單位、對(duì)其進(jìn)行可視化處理并檢查變量源和接收器模塊，用于定義變量條件并使用生成代碼中的編譯器指令將其傳播至連接的功能Aerospace Blockset標(biāo)準(zhǔn)座艙儀器，用于顯示飛行條件SimEvents全新離散事件仿真和建模引擎，包括事件響應(yīng)、MATLAB 離散事件系統(tǒng)對(duì)象制作以及 Simulink 和 Stateflow 自動(dòng)域轉(zhuǎn)換Simscape全新方程簡化和仿真技術(shù)，用于生成代碼的快速仿真和運(yùn)行時(shí)參數(shù)調(diào)整Simscape FluidsThermal Liquid 庫，用于對(duì)屬性隨溫度而變化的液體的系統(tǒng)建模Simulink Design Optimization用于實(shí)驗(yàn)設(shè)計(jì)、Monte Carlo 仿真和相關(guān)性分析的靈敏度分析工具Simulink Report Generator三向模型合并，以圖形方式解決 Simulink 項(xiàng)目各修訂版之間的沖突信號(hào)處理和通信Antenna Toolbox電介質(zhì)建模，用于分析天線和有限天線陣列中的基質(zhì)效果RF ToolboxRF Budget Analyzer，用于為級(jí)聯(lián)的射頻組件計(jì)算增益、噪聲系數(shù)和 IP3SimRF自動(dòng)射頻測(cè)試工作臺(tái)生成Audio System Toolbox一款用于設(shè)計(jì)和測(cè)試音頻處理系統(tǒng)的新產(chǎn)品WLAN System Toolbox一款用于對(duì) WLAN 通信系統(tǒng)的物理層進(jìn)行仿真、分析和測(cè)試的新產(chǎn)品代碼生成Embedded Coder編譯器指令生成，將信號(hào)維度作為 #define 進(jìn)行實(shí)施HDL Coder針對(duì) HDL 優(yōu)化的 FFT 和 IFFT，支持每秒 G 字節(jié)采樣 (GSPS) 設(shè)計(jì)的幀輸入HDL VerifierPCIe FPGA 在環(huán)，用于通過 PCI Express? 接口仿真 Xilinx? KC705/VC707 和 Altera?Cyclone? V GT/Stratix V DSP 開發(fā)板上的算法驗(yàn)證和確認(rèn)Polyspace Code Prover支持 long-double 浮點(diǎn)，并且改進(jìn)了對(duì)無窮大和 NaN 的支持Simulink Design Verifier對(duì) C 代碼 S-function 自動(dòng)生成測(cè)試IEC Certification Kit對(duì) Simulink Verification and Validation? 提供 IEC 62304 醫(yī)學(xué)標(biāo)準(zhǔn)支持Simulink Test使用 Simulink Real-Time? 制作和執(zhí)行實(shí)時(shí)測(cè)試
上傳時(shí)間： 2013-07-09
上傳用戶：eeworm
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
