一种基于深度脉冲神经网络的渐进串联学习模式识别方法,它可以在处理高维、复杂数据时实现更高的准确度。通过在神经元之间建立层次性的连接,该系统可以逐步地学习并提取出数据中的最重要特征。这种方法特别适用于处理视觉和语音识别等领域的数据。论文原文请参考《Progressive Tandem Learning for Pattern Recognition With Deep Spiking Neural Networks》。
暂无评论
神经网络与深度学习入门必备书记,分析细致,案例翔实,非常适合初学者入门
Deep neural network
ssd 检测类深度神经网络
基于BP神经网络的点状地图符号模式识别,魏钜杰,朗杨,本文采用三层BP神经网络模型,对点状地图符号自动识别进行了研究,设计了点状地图符号自动识别流程,讨论了BP神经网络的数据获取�
基于BP神经网络的函数拟合与模式识别的matlai代码
由高压电缆不同类型缺陷诱发的局部放电(PD)的识别难度较大,尤其是某些相似度较高的电缆绝缘缺陷类型难以区分。提出了一种基于卷积神经网络(CNN)的高压电缆PD模式识别方法,研究了不同网络层数、不同激活
卷积神经网络基于TensorFlow的深度学习深度增强学习代码NN传统神经网络CNN卷积神经网络RNN递归神经网络LSTM长短期记忆网络GAN生成对抗网络DRL深度增强学习
一种用于模式识别的动态RBF神经网络算法 韩 敏 , 崔丕锁 (大连理工大学电子与信息工程学院,辽宁大连 116024) 摘要:对径向基函数(RBF)神经网络在数据分类中的应用进行了研究.提出一种应用
针对电力系统低频振荡模式识别问题,本文提出了一种用于电力系统低频振荡模式识别的指数阻尼正弦神经网络(EDSNN)方法。在采用快速傅立叶变换进行排序后,通过引入了拓扑结构与低频振荡(LFO)信号的数学表
神经网络用于模式识别及MATLAB源代码matlab
暂无评论