LipschitzRNN:Lipschitz递归神经网络 源码

神经网络库 神经网络库是一个深度学习框架,旨在用于研究,开发和生产。 我们的目标是使其在任何地方运行:台式机,HPC群集,嵌入式设备和生产服务器。 :的扩展库,允许用户在具有CUDA功能的GPU上加快

可视化神经网络的决策边界 目的 在这里,我将使用Keras实现示例神经网络,并向您展示神经网络如何随着时间学习。 讲解 我写了一篇详尽的博客文章来解释代码,您可以在找到。 所需的Python库 凯拉斯

深度学习 该文件夹包含我的各种AI和机器学习项目的深度学习模型。 长短期记忆(LSTM)卷积神经网络(CNN)ResNet50

递归神经网络对比特币的价格预测 在Python中使用TensorFlow和Keras进行递归神经网络(LSTM)进行BitCoin价格预测 先决条件 Python 3.0+ ML Lib。(numpy

使用卷积递归神经网络和TensorFlow 2.0(tf2-crnn)进行文本识别 卷积递归神经网络(CRNN)的实现,用于基于图像的序列识别任务,例如场景文本识别和OCR。 此实现基于Tensorf

MyTwitterBot:由驱动的Twitter机器人 该存储库是对 对代码的扩展。 完成任务后,我尝试将代码转换为有用的东西(您可以判断我是否以任何形式实现了代码)。 我使用RNN创建并由此创建了T

卷积递归神经网络 该软件实现了卷积递归神经网络(CRNN),它结合了CNN,RNN和CTC损失,可用于基于图像的序列识别任务,例如场景文本识别和OCR。 有关详细信息,请参阅我们的论文 。 更新201

图神经网络的神经池化 这是我的IAS SRFP 2020项目“图形神经网络的神经池”的代码。 Neural-Pooling文件夹包含代码。 Papers文件夹包含一些引用的论文。 Presentati

神经网络:可定制的深度神经网络的简单实现

MATAB灰色神经网络源码及数据分析的预测项目，提供了一种用于预测的灰色神经网络模型。该模型基于灰色系统理论和神经网络算法，能够对数据进行有效分析和预测。源码及数据分析，可以帮助用户深入理解该预测算法