暂无评论
本课题主要的研究的工作基于TensorFlow深度学习框架,,并完成一个完整手写体数字识别系统。本课题中对卷积神经网络模型结构,手写MINIST的60000个样本进行学习,对10000个样本的测试对比
SGM算法的手写实现,可以参考论文Stereo processing by semiglobal matching and mutual information
二维离散卷积函数,相当于函数conv2()
基于反卷积实习卷积神经网络的特征可视化,可视化的网络模型为VGG-19,将每一卷积层的特征图可视化,数量可以自己设置。
二维卷积层 卷积神经网络(convolutional neural network)是含有卷积层(convolutional layer)的神经网络。本章中介绍的卷积神经网络均使用最常见的二维卷积层。
卷积操作,反卷积操作,池化操作,带孔卷积的介绍及简单理解
使用pytorch演示卷积,反卷积,池化等运算。。。。。。
动态演示两个序列进行圆周卷积x1(n)⊙x2 (n)的过程,要求动态演示翻转、移位、乘积、求和的过程;圆周卷积默认使用两个序列中的最大长度,但卷积前可以指定卷积长度N用以进行混叠分析;
python实现卷积,通道卷积,包含了基于四维tensor和二维数组的实现过程。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。
支持向量机的相关经典案例,里面包含线性核函数和非线性核函数,另外还有实例:支持向量机手写数字识别;内含测试集训练集、代码源文件及注释,可直接运行(需安装numpy和matplotlib)
暂无评论