论文研究 卷积神经网络自动标签分类推荐算法实现 .pdf

卷积神经网络处理10分类问题，包括数据预处理，贴标签，利用tensorflow创建CNN结构

深度学习在图像检索方面的应用，主要的思想是利用预训练网络，原文是英文，题目是我自己翻译过来的

基于Python的卷积神经网络的图像分类，很适合初学者的学习使用

十分简单的，易于理解的CNN神经网络用于手写数字分类，基于TensorFlow，适合初学者掌握理解。

传统的卷积神经网络(CNN)通常会丢弃负值特征信息, 进而影响着图像分类的效果. 针对 CNN 更好地学习图像特征的问题, 对传统的 CNN 模型进行改进, 提出 Supplement CNN 模型.

卷积神经网络(CNN)具有强大的特征表示能力,为改善遥感影像的场景分类提供了新颖的途径。 尽管我们可以获取大量的卫星图像,但是缺少丰富的标签信息仍然是遥感领域的主要问题。 此外,遥感数据集也有其自身的

本文来自于网络,本文大致分成两大部分,第一部分尝试将本文涉及的分类器统一到神经元类模型中,第二部分阐述卷积神经网络(CNN)的发展简述和目前的相关工作。 本文涉及的分类器(分类方法)有:线性回归 逻辑

深度学习模型和学习资料神经网络学习资源机器学习算法案例人工智能经典算法

针对深度学习在图像识别任务中过分依赖标注数据的问题，提岀一种基于特征交换的卷积神经网络（CNN）图像分类算法。结合CNN的特征提取方式与全卷积神经网络的像素位置预测功能，将CNN卷积层提取出的特征图与

机器学习相关学习资料