Keras深度学习实战（10）——迁移学习
迁移学习 (Transfer Learning) 是机器学习中的一个重要研究方向，指将一个预训练的模型重新用于另一个任务中，和从零开始训练卷积神经网络相比，利用迁移学习，只需要少量样本即可训练得到性能较好的模型。本文我们将使用预训练的 VGG16 模型利用迁移学习进行性别分类任务实战。...
使用神经网络模型创建一个龙与地下城怪物生成器
龙与地下城（DND）于1974年发行第一版，现在所有RPG游戏都有它的影子，在本文中我们将使用神经网络构建一个能够生成平衡数据的怪物生成器
5篇关于特征嵌入的研究论文推荐
5篇最新的论文推荐
《MATLAB 神经网络43个案例分析》：第1章 BP神经网络的数据分类——语音特征信号分类
《MATLAB 神经网络43个案例分析》是MATLAB技术论坛（www.matlabsky.com）策划，由王小川老师主导，2013年北京航空航天大学出版社出版的关于MATLAB为工具的一本MATLAB实例教学书籍，是在《MATLAB神经网络30个案例分析》的基础上修改、补充而成的，秉承着“理论讲解
猫狗图像识别（卷积神经网络算法，TensorFlow安装）-运行篇
一、tensorflow库安装（1）TensorFlow的历史版本与对应Python版本（2）Python版本查询win+R或者在搜索框搜索cmd打开Windows的终端，在终端输入python --version（3）找到上面的版本框进行对应的TensorFlow下载当时安装时并没有想到版本问题会
神经网络常见评价指标超详细介绍（ROC曲线、AUC指标、AUROC）
ROC曲线：接受者操作特征曲线（receiver operating characteristic curve）。ROC空间将伪阳性率（FPR）定义为 X 轴，真阳性率（TPR）定义为 Y 轴。从 (0, 0) 到 (1,1) 的对角线将ROC空间划分为左上／右下两个区域，在这条线的以上的点代表了一
如何计算LSTM层中的参数数量
长短期记忆网络（通常称为“ LSTM”）是一种特殊的RNN，经过精心设计LSTM能够学习长期的依赖
卷积神经网络中的傅里叶变换：1024x1024 的傅里叶卷积
本文介绍了卷积和DFT背后的数学理论，通过观察不同的光谱获得了一些想发，并且通过TensorFlow进行了实现，并验证了结果的正确性。
机器学习——从0开始构建自己的GAN网络
机器学习——从0开始构建自己的GAN网络
论文推荐：TResNet改进ResNet 实现高性能 GPU 专用架构并且效果优于 EfficientNet
论文首先讨论了面向 FLOP 的优化引起的瓶颈。然后建议更好地利用 GPU 结构的设计。最后引入了一个新的 GPU 专用模型，称其为 TResNet。
使用 Numpy 创建自己的深度学习框架
本文并不是为了造轮子，只是通过手动实现来介绍建基本深度学习框架所需组件和步骤
PyTorch----实现手写数字的识别
加载手写数字的数据组成训练集和测试集，这里已经下载好了，所以download为Falseimport torchvision# 是否支持gpu运算# device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')# prin
项目实战解析：基于深度学习搭建卷积神经网络模型算法，实现图像识别分类
项目交流群(源码获取，问题解答)：617172764文章目录前言一、基础知识介绍二、数据集收集三.模型训练四.图像识别分类总结前言随着人工智能的不断发展，深度学习这门技术也越来越重要，很多人都开启了学习机器学习，本文将通过项目开发实例，带领大家从零开始设计实现一款基于深度学习的图像识别算法。学习本章
基于神经网络集成学习的研究论文推荐
集成 的概念在机器学习中很常见。集成可以被认为是一种学习技术，可以将许多模型连接起来解决一个问题
PyTorch 全连接层权值共享的手势识别网络
机器人学实验课的考核是，利用机械臂做一下拓展应用，所以花了很多时间来设计了这个神经网络因为这个神经网络的思路比较新颖，而且尝试了一些防止过拟合、性能优化的手段，所以决定记录一下模型性能time FPS FLOTs Params (float16) 4.195 ms 238 9,
微调大型语言模型示例：使用T5将自然语言转换成SQL语句
在本文中，我们将使用谷歌的文本到文本生成模型T5和我们的自定义数据进行迁移学习，这样它就可以将基本问题转换为SQL查询。
深度对抗神经网络(DANN)笔记
一 总体介绍DANN是一种迁移学习方法，是对抗迁移学习方法的代表方法。基本结构由特征提取层f,分类器部分c和对抗部分d组成，其中f和c其实就是一个标准的分类模型，通过GAN（生成对抗网络）得到迁移对抗模型的灵感。但此时生成的不是假样本，而是假特征，一个足以让目标域和源域区分不开的假特征。而领域判别器
吴恩达机器学习——第五周学习笔记
神经网络代价函数（Cost Function）正则化逻辑回归的代价函数：神经网络的代价函数：L：是神经网络架构的层数Sl：l层的单元个数K：输出单元的个数sigmoid函数：def sigmoid(z): return 1 / (1 + np.exp(-z))前向传播函数：#前向传播函数def
使用动图深入解释微软的Swin Transformer
本文旨在使用插图和动画为Swin Transformers提供全面的指南，以帮助您更好地理解这些概念。
