分享
VIP会员
作者：CSDN
出版社：CSDN《程序员》
ISBN：1111111111117
VIP会员免费
（仅需0.8元/天）
¥ 40000.0
温馨提示： 价值40000元的1000本电子书，VIP会员随意看哦！
电子书推荐
-
-
深度学习-智能时代的核心驱动力量 PDF 版本 评分:
深度学习：智能时代的核心驱动力量》，中信出版社出版，作者：特伦斯·谢诺夫斯基 (Terrence Sejnowski) (作者), 姜悦兵 (译者)。全球科技巨头纷纷拥抱深度学习，自动驾驶、AI医疗、语音识别、图像识别、智能翻译以及震惊世界的AlphaGo，背后都是深度学习在发挥神奇的作用。深度学习是人工智能从概念到繁荣得以实现的主流技术。经过深度学习训练的计算机，不再被动按照指令运转，而是像自然进化的生命那样，开始自主地从经验中学习。 本书作者特伦斯·谢诺夫斯基是全球人工智能十大科学家之一、深度学习先驱及奠基者，亲历了深度学习在20世纪70年代到90年代的寒冬。但他和一众开拓者，利用大数据和不断增强的计算能力，终于在神经网络算法上取得重大突破，实现了人工 智能井喷式的发展。 作为深度学习领域的通识作品，本书以恢弘的笔触，通过3个部分全景展现了深度学习的发展、演变与应用，首次以亲历者视角回溯了深度学习浪潮在过去60年间的发展脉络与人工智能的螺旋上升，并前瞻性地预测了智能时代的商业图景。
上传时间：2019-03 大小：14.26MB
14.10MB深度学习-智能时代的核心驱动力量_深度学习_美国基金_深度学习-智能时代的核心驱动力量_
2021-10-04深度学习-智能时代的核心驱动力量 书籍特伦斯·谢诺夫斯基（TerrenceSejnowski），世界十大AI科学家之一，美国四大国家学院（国家科学院、国家医学院、国家工程院、国家艺术与科学学院）在世仅3位的“四院院士”之一...
1.94MB20210422-中国信通院-人工智能行业核心技术产业白皮书：深度学习技术驱动下的人工智能时代.pdf
2021-04-2220210422-中国信通院-人工智能行业核心技术产业白皮书：深度学习技术驱动下的人工智能时代.pdf
- 206KB
深度学习应用开发-TensorFlow实践教学大纲.pdf
2022-06-16深度学习应用开发-TensorFlow实践教学大纲.pdf深度学习应用开发-TensorFlow实践教学大纲.pdf深度学习应用开发-TensorFlow实践教学大纲.pdf深度学习应用开发-TensorFlow实践教学大纲.pdf深度学习应用开发-TensorFlow...
9.37MB吴恩达-深度学习-deeplearningai-28张图片总结及PDF
2019-02-22吴恩达-深度学习-deeplearningai-28张图片总结及PDF。非常友好的资源，总结的很好，脉络清晰，简明易懂。
- 2.33MB
人工智能-深度学习-基于深度学习的智能电网负荷优化预测研究.pdf
2022-06-27人工智能-深度学习-基于深度学习的智能电网负荷优化预测研究.pdf
- 1.83MB
行业-人工智能行业核心技术产业白皮书-深度学习技术驱动下的人工智能时代.rar
2021-09-14行业-人工智能行业核心技术产业白皮书-深度学习技术驱动下的人工智能时代.rar
- 6.55MB
人工智能-深度学习-微量注射泵驱动控制系统研究.pdf
2022-04-12人工智能-深度学习
- 6.47MB
人工智能-深度学习-微型电动汽车驱动控制系统研究.pdf
2022-04-12人工智能-深度学习
0B深度报告-20221116-民生证券-万华化学-600309.SH-深度研究-从单轮驱动到构建四梁八柱-30页-3mb.pdf
2022-11-22深度报告-20221116-民生证券-万华化学-600309.SH-深度研究_从单轮驱动到构建四梁八柱_30页_3mb.pdf 深度报告-20221116-民生证券-万华化学-600309.SH-深度研究_从单轮驱动到构建四梁八柱_30页_3mb.pdf 深度报告-...
- 946B
深度学习-TensorRT模型部署实战2022
2022-04-11第四部分tensorRT高级：以项目驱动，学习大量具体的项目案例（分类器、目标检测、姿态检测、场景分割、道路分割、深度估计、车道线检测、huggingface、insightface、mmdetection、onnxruntime、openvino），学习针对...
- 30.4MB
动手学深度学习-pytorch-源代码
2022-04-14动手学深度学习-pytorch-源代码
- 2.87MB
人工智能-深度学习-基于深度学习之股指期货交易.pdf
2022-06-27人工智能-深度学习-基于深度学习之股指期货交易.pdf
- 1.1MB
人工智能-深度学习-基于深度学习的油画分类研究.pdf
2022-06-27人工智能-深度学习-基于深度学习的油画分类研究.pdf
- 1.95MB
人工智能-深度学习-基于深度学习的车辆型号识别.pdf
2022-06-26人工智能-深度学习-基于深度学习的车辆型号识别.pdf
- 2.97MB
人工智能-深度学习-机载跟踪平台驱动与控制系统研究.pdf
2022-04-12人工智能-深度学习
- 1.57MB
人工智能-深度学习-基于深度学习的汉语韵律短语识别.pdf
2022-06-26人工智能-深度学习-基于深度学习的汉语韵律短语识别.pdf
- 9.39MB
人工智能-深度学习-基于深度学习的视频对象分割方法.pdf
2022-06-27人工智能-深度学习-基于深度学习的视频对象分割方法.pdf
- 11.71MB
人工智能-深度学习-基于深度学习的图像超分辨率重构.pdf
2022-06-27人工智能-深度学习-基于深度学习的图像超分辨率重构.pdf
- 1.77MB
人工智能-深度学习-基于深度学习和WebRTC的智能跌倒监控系统研究.pdf
2022-06-27人工智能-深度学习-基于深度学习和WebRTC的智能跌倒监控系统研究.pdf
- 3.11MB
人工智能-深度学习-海上搜救雷达应答器控制系统的设计与实现.pdf
2022-04-12人工智能-深度学习
- 293.88MB
YOLOv8-deepsort 实现智能车辆目标检测+车辆跟踪+车辆计数
2023-10-06本资源纯属免费，不收任何钱和任何积分，纯粹为爱发电，本资源已经为大家整合好了的，看我的博客部署好直接用：https://blog.csdn.net/Little_Carter/article/details/133610076?spm=1001.2014.3001.5501 资源原本项目源码地址：https://github.com/MuhammadMoinFaisal/YOLOv8-DeepSORT-Object-Tracking 本资源提供了基于YOLOv8-deepsort算法的智能车辆目标检测、车辆跟踪和车辆计数的实现方案。首先，利用YOLOv8算法对视频中的车辆目标进行检测，并对检测到的目标进行标记。然后，通过deepsort算法对标记的车辆目标进行跟踪，实现车辆目标的持续跟踪。最后，根据跟踪结果对车辆数量进行统计，实现车辆计数功能。本资源提供了完整的代码实现和详细的使用说明，帮助读者快速掌握基于YOLOv8-deepsort的智能车辆目标检测、车辆跟踪和车辆计数技术。
- 40.38MB
YOLOV5 + 双目相机实现三维测距（新版本）
2024-04-14YOLOV5 + 双目相机实现三维测距（新版本）
- 367.44MB
yolov8(2023年8月版本),已经下好yolov8s.pt和yolov8n.pt
2023-10-09yolov8(2023年8月版本),已经下好yolov8s.pt和yolov8n.pt，需要创建的文件夹都以创建，方便大家不用再去GitHub下载 可以搭配该博客：https://blog.csdn.net/weixin_43366149/article/details/132206526?spm=1001.2014.3001.5501
- 98KB
YOLOv8网络结构图，自制visio文件，yolov8.vsds，需要的自取，在原有的基础上直接改就行了
2024-03-12YOLOv8网络结构图，自制visio文件，yolov8.vsds，需要的自取，在原有的基础上直接改就行了
- 141KB
社交平台上经济类话题的文章热度信息，数据是真实的，但不是真实日期
2023-03-16使用LSTM模型进行时序预测的代码与说明见：https://blog.csdn.net/Q_M_X_D_D_/article/details/109366895
- 123.13MB
Unet眼底血管图像分割数据集+代码+模型+系统界面+教学视频.zip
2024-02-17本资源配套对应的视频教程和图文教程，手把手教你使用Unet做眼底图像分割的训练、测试和界面封装，包含了Unet原理的解析、处理好的训练集和测试集、训练和测试的代码以及训练好的模型，并封装为了图形化界面，只需点击上传按钮上传图像即可完成眼底图像的预测。 随着生活水平的提高，眼科疾病以及心脑血管疾病的发病率呈现逐年增长的趋势。视网膜血管是这类疾病诊断和监测的重要信息来源，其形态和状况的变化可以反映出许多疾病的早期病理变化。然而，由于受眼底图像采集技术的限制以及视网膜血管自身结构的复杂性和多变性，使得视网膜血管的分割变得非常困难。传统方法依靠人工手动分割视网膜血管，不仅工作量巨大，极为耗时，而且受主观因素影响严重。通过眼底血管图像分割可以提高诊断准确性、效率以及推动科学研究和改进治疗方法等方面。 B站主页：https://space.bilibili.com/161240964 C站主页：https://blog.csdn.net/ECHOSON
- 26.50MB
Transformer模型实现长期预测并可视化结果（附代码+数据集+原理介绍）
2023-11-12这篇文章给大家带来是Transformer在时间序列预测上的应用，这种模型最初是为了处理自然语言处理（NLP）任务而设计的，但由于其独特的架构和能力，它也被用于时间序列分析。Transformer应用于时间序列分析中的基本思想是：Transformer 在时间序列分析中的应用核心在于其自注意力机制，这使其能够有效捕捉时间序列数据中的长期依赖关系。通过并行处理能力和位置编码，Transformer 不仅提高了处理效率，而且确保了时间顺序的准确性。其灵活的模型结构允许调整以适应不同复杂度这篇文章给大家带来是Transformer在时间序列预测上的应用，这种模型最初是为了处理自然语言处理（NLP）任务而设计的，但由于其独特的架构和能力，它也被用于时间序列分析。Transformer应用于时间序列分析中的基本思想是：Transformer 在时间序列分析中的应用核心在于其自注意力机制，这使其能够有效捕捉时间序列数据中的长期依赖关系。通过并行处理能力和位置编码，Transformer 不仅提高了处理效率，而且确保了时间顺序的准确性。定制化训练个人数据集进行训练利用python和pytorch实现
- 62.4MB
行人跌倒数据集（VOC格式）
2023-01-30行人跌倒数据集（VOC格式）
- 728KB
全新的SOTA模型YOLOv9
2024-02-22当今的深度学习方法专注于如何设计最合适的目标函数，以使模型的预测结果尽可能接近真实值。同时，还需要设计一个合适的架构，以便获取足够的信息进行预测。现有方法忽略了一个事实：当输入数据经过逐层的特征提取和空间变换时，会丢失大量信息。本文将深入探讨数据在深度网络中传输时数据丢失的重要问题，即信息瓶颈和可逆函数问题。我们提出了可编程梯度信息（PGI）的概念，以应对深度网络实现多个目标所需的各种变化。PGI能够为目标任务提供完整的输入信息，以计算目标函数，从而获得可靠的梯度信息以更新网络权重。此外，我们还设计了一种基于梯度路径规划的新型轻量级网络架构——广义高效层聚合网络（GELAN）。GELAN的架构证明了PGI在轻量级模型上获得了优越的结果。我们在基于MS COCO数据集的目标检测上验证了所提出的GELAN和PGI。结果显示，GELAN仅使用传统的卷积运算符就实现了比基于深度卷积的最新方法更好的参数利用率。PGI可用于从轻量级到大型的各种模型，它可以获取完整信息，使得从零开始训练的模型比使用大型数据集预训练的最新模型获得更好的结果，比较结果如图1所示。
- 850.77MB
YOLOV5口罩检测数据集+代码+模型 2000张标注好的数据+教学视频.zip
2021-12-14YOLOV5口罩检测数据集+代码+模型 2000张标注好的数据+教学视频 代码的下载地址在：https://gitee.com/song-laogou/yolov5-mask-42 大家可以按照这里的视频教程配置环境：https://www.bilibili.com/video/BV1YL4y1J7xz/ 更多数据请看：https://blog.csdn.net/ECHOSON/article/details/121892887 遇到问题请小伙伴通过私信联系作者，感谢大家的支持！
