KERNEL PRINCIPAL COMPONENT ANALYSIS RADIAL BASIS FUNCTION NEURAL NETWORKS–BASED

核主元分析KPCA的降维特征提取以及故障检测应用-KernelPrincipalComponentAnalysis.zip本帖最后由iqiukp于2018-11-915:02编辑    核主元分析（K

为了进一步提高亚像元级地物的光谱分析精度,提出了一种基于核部分非负矩阵分解(Kernel Protection Non-negative Matrix Factorization,KPNMF)的非线性

ODENet是一种深度神经网络体系结构，其中ResNet的堆栈结构是通过常微分方程（ODE）求解器实现的。通过选择合适的求解器，它可以减少参数的数量并在精度和性能之间取得平衡。.. 在资源受限的边缘设

基于分块卷积的大图像输入卷积神经网络加速，张抢强，王春露，近年来又掀起了一股机器学习热,深度学习是机器学习的组成部分。卷积神经网络是深度学习的重要方法,但网络训练过程参数量大,且网络

ImprovedRecurrentNeuralNetworksforSession-basedRecommendations

SessionbasedRecommendationswithRecurrentNeuralNetworks

This paper investigates a neural network (NN) state observer-based adaptive control for a class of t

keras训练10种番茄病害图像代码,包含保存模型，可视化，混淆矩阵，最大类激活，显著图等等。 以及H5模型转pb模型

Lag Synchronization Criteria for Memristor-Based Coupled Neural Networks via Parameter Mismatches An

In this paper, we propose a novel palmprint verification approach based on principal lines. In featu