暂无评论
基于聚类算法的RBF神经网络设计综述，如果对RBF感兴趣的话，该文章还有有一定的参考价值的。
在本文中,我们将自己定位以下语音处理任务:自动语音识别,说话人识别和情感识别。为了解决数据有限的问题,我们首先研究了最先进的自动语音识别系统,因为它代表着最艰巨的任务(由于每种语言的差异性很大)。接下
图卷积神经网络(GCNNs)是深度学习技术在图结构数据问题上的一种强大的扩展。我们对GCNNs的几种池方法进行了实证评估，并将这些图池化方法与三种不同架构(GCN、TAGCN和GraphSAGE)进行
脉冲神经网络是进行复杂时空信息处理的有效工具，但由于其内在的不连续和非线性机制，构建高效的脉冲神经网络监督学习算法非常困难，同时也是该研究领域的重要问题．本文介绍了脉冲神经网络监督学习算法的基本框
知乎转引的此文介绍了来自北京航空航天大学刘祥龙副教授研究团队的最新综述文章**BinaryNeuralNetworks:ASurvey**，合作者包括中国电子科技大学的宋井宽教授和意大利特伦托大学计算
神经网络系统辨识法综述，张国钧，李岚，随着系统辨识技术发展的逐渐成熟，人工神经网络的系统辨识方法也越来越多的应用于各个领域，本文首先将神经网络系统辨识方法与经
很不错的最新介绍深度学习的文献，仅供大家参考，希望更多的深学爱好者上传分享，谢谢！
本文对卷积神经网络的可理解性研究进行了综述。首先介绍了卷积神经网络的基本原理和结构，然后深入探讨了卷积神经网络的可解释性问题，包括黑盒、白盒等不同角度的解释方法和技术。接着，从可解释性应用的角度，具体
本文对2019年10月更新的CNN综述文章A Survey of the Recent Architectures of Deep Convolutional Neural Networks进行了翻译
自编码器是深度学习中的一种非常重要的无监督学习方法，能够从大量无标签的数据中自动学习，得到蕴含在数据中的有效特征。因此，自编码方法近年来受到了广泛的关注，已成功应用于很多领域，例如数据分类、模式识别、
暂无评论