基于ApacheSpark的深度神经网络超参数选择与自适应调整模型

由Poonam Sharma和Akansha Singh所写：深度学习在各种机器学习和计算机视觉应用中取得了显着的成功。 学习允许多个处理层自己学习功能，与传统的机器学习方法相反，而传统的机器学习方法

神经网络算法学习资源：经典人工智能算法机器学习源码和案例深度学习知识库

这是关于深度学习的书籍，其中包括数学中的线性代数、概率论，机器学习基础，深度学习网络模型也有构建

自动调制识别在认知无线电、智能解调器、电子侦察等各种民用及军事应用中扮演重要角色。自动调制识别属于分类问题,常见的方法有KNN、DT、SVM、CNN。为了提高自动调制识别的准确度,基于GNU Radi

伪装人脸识别在刑侦安防领域有着巨大的应用价值。针对现阶段对伪装人脸识别的研究较少、算法鲁棒性不强等缺点,提出了基于深度神经网络的伪装人脸识别算法。改进了SqueezeNet网络模型,并将其与FaceN

深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。深度学习的概念由Hinto

基于深度学习的卷积神经网络matlab代码,直接利用matlab自带的CNN工具包设计深度学习网络,代码可以直接运行,也便于修改,主代码很短,很容易理解。提供全套训练数据与测试数据,稀有资源

.

基于深度神经网络的语音识别模型研究_张仕良，caj格式，需要用CAJViewer阅读软件打开

由于双向反射分布函数( BRDF)经验模型与半经验模型对材质散射特性描述时存在局限性,导致其拟合结果与实测数据的误差较大。针对此问题,基于深度神经网络(DNN)构建了一种适用于具有不同散射特性空间目标