速率 网路learning神经
OpenCV3.3深度神经网络DNN模块 实例3：SSD模型实现对象检测
1 #include <opencv2/opencv.hpp> 2 #include <opencv2/dnn.hpp> 3 #include <iostream> 4 5 using namespace cv; 6 using namespace cv::dnn; 7 using namespac ......
OpenCV3.3深度神经网络DNN模块 实例5：FCN模型实现图像分割
1 #include <opencv2/opencv.hpp> 2 #include <opencv2/dnn.hpp> 3 #include <iostream> 4 5 using namespace cv; 6 using namespace cv::dnn; 7 using namespac ......
OpenCV3.3深度神经网络DNN模块 实例4：SSD-MobileNet模型实时对象检测
1 #include <opencv2/opencv.hpp> 2 #include <opencv2/dnn.hpp> 3 #include <iostream> 4 5 using namespace cv; 6 using namespace cv::dnn; 7 using namespac ......
OpenCV3.3深度神经网络DNN模块 实例2：GoogleNet-Caffe模型实现图像分类
1 #include <opencv2/opencv.hpp> 2 #include <opencv2/dnn.hpp> 3 #include <iostream> 4 //使用Googlenet Caffe模型实现图像分类 5 using namespace cv; 6 using namespa ......
OpenCV3.3深度神经网络DNN模块 实例1：读取单张PNG文件（opencv3.3环境测试）
1 #include <opencv2/opencv.hpp> 2 #include <opencv2/dnn.hpp>//dnn模块类 3 #include <iostream> 4 5 using namespace cv; 6 using namespace std; 7 8 int main ......
matlab使用长短期记忆（LSTM）神经网络对序列数据进行分类|附代码数据
全文下载链接：http://tecdat.cn/?p=19751 本示例说明如何使用长短期记忆（LSTM）网络对序列数据进行分类 。 最近我们被客户要求撰写关于LSTM的研究报告，包括一些图形和统计输出。 要训练深度神经网络对序列数据进行分类，可以使用LSTM网络。LSTM网络使您可以将序列数据输入 ......
论文解读（CBL）《CNN-Based Broad Learning for Cross-Domain Emotion Classification》
Note：[ wechat：Y466551 | 付费咨询，非诚勿扰 ] 论文信息 论文标题：CNN-Based Broad Learning for Cross-Domain Emotion Classification论文作者：Rong Zeng, Hongzhan Liu , Sancheng ......
【DSP】关于多速率信号处理以及其信号能量与功率的变化问题
插值（上采样，upsampling）和抽取（下采样，downsampling）是数字前端中经常使用的操作。进行上采样时在信号间插入0，以提高信号的速率，相当于增加了采样率；进行下采样时，每隔一段信号进行抽取，相当于降低了信号的速率，降低了采样率。 上采样和下采样往往发生在数字前端，如DAC前和ADC ......
Learn Git in 30 days——第 03 天：建立仓库
写的非常好的一个Git系列文章，强烈推荐 原文链接：https://github.com/doggy8088/Learn-Git-in-30-days/tree/master/zh-cn 要开始使用 Git 最重要的就是要先有一份 Git 仓库 (Git Repository) 才行，但是，这份仓库 ......
神经网络速查表
转自网络。  –extreme learning machine (ELM)
1. 介绍 论文：(2020)Neural networks for facial age estimation: a survey on recent advances. 地址： http://link.springer.com/article/10.1007/s10462-019-09765-w ......
NEW learning : Regular Expression
STEP 1 : The primary formula in the RE code base : result =re.match(pattern, str) #pattern 为要校验的规则 #str 为要进行校验的字符串 >>> import re >>> print(re.match('w ......
Learn Git in 30 days——第 01 天：认识 Git 版本控制
写的非常好的一个Git系列文章，强烈推荐 原文链接：https://github.com/doggy8088/Learn-Git-in-30-days/tree/master/zh-cn 笔者使用 Subversion (SVN) 已经将近 10 年，从来都不觉得有任何必要换成其他版本控制平台，直到 ......
卷积神经网络
如果一张28*28*1的图像作为输入，那么传统的神经网络输入的是向量，而卷积神经网络输入的是三维矩阵 卷积层作用是特征提取，池化层的作用是压缩特征，注意卷积层的卷积策略是不对图像的最外层的像素进行处理 颜色通道的处理策略 3个颜色通道，每个颜色通道分别做计算，再把每个通道卷积结果相加 卷积的策略 上 ......
机器学习machine learning
机器学习 朴素贝叶斯的优点： 对小规模的数据表现很好，适合多分类任务，适合增量式训练。 缺点： 对输入数据的表达形式很敏感。 决策树的优点： 计算量简单，可解释性强，比较适合处理有缺失属性值的样本，能够处理不相关的特征； 缺点： 容易过拟合（后续出现了随机森林，减小了过拟合现象）； Logistic ......
Learning Transferable Visual Models From Natural Language Supervision
Learning Transferable Visual Models From Natural Language Supervision 作者：Alec Radford *1 Jong Wook Kim *1 Chris Hallacy 1 Aditya Ramesh 1 Gabriel Goh ......
【RL】L7-Temporal-difference learning
## TD learning of state values The data/experience required by the algorithm: - $\left(s_0, r_1, s_1, \ldots, s_t, r_{t+1}, s_{t+1}, \ldots\right)$ or ......
神经网络的基本骨架
# 基本骨架 ## 1.基本介绍 [torch.nn官网](https://pytorch.org/docs/stable/nn.html#) torcn.nn是专门为神经网络设计的模块化接口，可以用来定义和运行神经网络（Container为基本的框架模块）。  神经网络对智能手机传感器时间序列数据进行分类|附代码数据
原文链接：http://tecdat.cn/?p=26318 原文出处：拓端数据部落公众号 最近我们被客户要求撰写关于长短期记忆 (LSTM) 神经网络的研究报告，包括一些图形和统计输出。 此示例说明如何使用长短期记忆 (LSTM) 网络对序列数据的每个时间步长进行分类。 要训练深度神经网络对序 ......
Paper Reading: Multitree Genetic Programming With New Operators for Transfer Learning in Symbolic Regression With Incomplete Data
针对数据集存在缺失值的问题，本文提出了一种基于多树 GP(MTGP) 的迁移学习方法 pMTGPDA，用于将知识从完整的源域转移到不完整的目标域中。首先在源域的数据集上训练多个 SR 模型，通过模型中的训练细节计算源域的特征和实例的权重作为先验知识。然后将提取的权重知识用于基于 MTGP 的转换，构... ......
论文阅读 | Layer-wised Model Aggregation for Personalized Federated Learning
面向个性化联合学习的分层模型聚合 ==在本文中，我们提出了一种新的pFedLA训练框架，该框架能够区分不同客户端的每一层的重要性，从而能够优化具有异构数据的客户端的个性化模型聚合。==具体来说，我们在服务器端为每个客户端使用一个专用的超网络，它被训练来识别层粒度上的相互贡献因素。同时，引入参数化机制 ......
深度神经网络
需要解决的问题： 1、掉入局部最优解的陷阱 2、过拟合（陷入对特定模式的数据进行最优化，无法对未知输入进行正确的预测） 3、梯度消失——使用ReLU作为激励函数 4、学习时间过长 一些解决方案： 1、更换最优化算法 2、批次尺寸最优化 3、对超参数的最优化（神经网络层数、神经元个数、学习系数） 4、 ......
卷积神经网络
卷积神经网络CNN——常用于图像识别 （1）卷积层 · 卷积——通过对图像进行卷积运算，可以对图像的某个特征进行选择性的增强或减弱 · 图像的局部性——各个像素点与其附近的像素点之间具有强关联——卷积层利用此对图像的特征进行检测 · 图像的张数——RGB就是三个，即通道数，单色图像通道数为1 · 通 ......