卷积神经网络CNN识别图像集Cifar10

卷积神经网络CNN识别图像集Cifar10，使用Jupyter Notebook 编写的 Python代码，含建模及测试，代码注释清晰，十分适合新手

CNN卷积神经网络Matlab实现

CNN卷积神经网络实现，Matlab仿真，识别手写数字集。

卷积神经网络的MATLAB实现

卷积神经网络（cnn）的matlab程序，包含了14个m文件。

《图卷积神经网络》中文综述论文

过去几年,卷积神经网络因其强大的建模能力引起广泛关注,在自然语言处理、图像识别等领域成功应用。然而,传统的卷积神经网络只能处理欧氏空间数据,而现实生活中的许多场景,如交通网络、社交网络、引用网络等,都是以图数据的形式存在。

论文研究 - 基于3D卷积神经网络的CT图像肺癌检测

肺结节的早期发现对于成功诊断和治疗肺癌至关重要。 许多研究人员尝试了多种方法，例如阈值化，计算机辅助诊断系统，模式识别技术，反向传播算法等。最近，卷积神经网络（CNN）在许多领域中都有着广阔的应用前景。 在这项研究中，我们调查了3D CNN以使用LUNA 16数据集检测早期肺癌。 首先，我们使用阈值技术对原始图像进行了预处理。 然后，我们使用Vanilla 3D CNN分类器来确定图像是癌变还是非癌变。 实验结果表明，与现有技术相比，该方法的检测精度可达80％左右，性能令人满意。

卷积神经网络研究综述

作为一个十余年来快速发展的崭新领域，深度学习受到了越来越多研究者的关注，它在特征提取和建模上都有着相较于浅层模型显然的优势．深度学习善于从原始输入数据中挖掘越来越抽象的特征表示，而这些表示具有良好的泛化能力．它克服了过去人工智能中被认为难以解决的一些问题．且随着训练数据集数量的显著增长以及芯片处理能力的剧增，它在目标检测和计算机视觉、自然语言处理、语音识别和语义分析等领域成效卓然，因此也促进了人工智能的发展．深度学习是包含多级非线性变换的层级机器学习方法，深层神经网络是目前的主要形式，其神经元间的连接模式受启发于动物视觉皮层组织，而卷积神经网络则是其中一种经典而广泛应用的结构．卷积神经网络的局部连接、权值共享及池化操作等特性使之可以有效地降低网络的复杂度，减少训练参数的数目，使模型对平移、扭曲、缩放具有一定程度的不变性，并具有强鲁棒性和容错能力，且也易于训练和优化．基于这些优越的特性，它在各种信号和信息处理任务中的性能优于标准的全连接神经网络．该文首先概述了卷积神经网络的发展历史，然后分别描述了神经元模型、多层感知器的结构．接着，详细分析了卷积神经网络的结构，包括卷积层、池化层、全连接层，它们发挥着不同的作用．然后，讨论了网中网模型、空间变换网络等改进的卷积神经网络．同时，还分别介绍了卷积神经网络的监督学习、无监督学习训练方法以及一些常用的开源工具．此外，该文以图像分类、人脸识别、音频检索、心电图分类及目标检测等为例，对卷积神经网络的应用作了归纳．卷积神经网络与递归神经 网络的集成是一个途径．为了给读者以尽可能多的借鉴，该文还设计并试验了不同参数及不同深度的卷积神经网络来分析各参数间的相互关系及不同参数设置对结果的影响．最后，给出了卷积神经网络及其应用中待解决的若干问题

卷积神经网络研究综述_周飞燕.pdf

作为一个十余年来快速发展的崭新领域,深度学习受到了越来越多研究者的关注,它在特征提取和建模上都有着相较于浅层模型显然的优势.深度学习善于从原始输入数据中挖掘越来越抽象的特征表示,而这些表示具有良好的泛化能力该文首先概述了卷积神经网络的发展历史,然后分别描述了神经元模型、多层感知器的结构.接着,详细分析了卷积神经网络的结构,包括卷积层、池化层、全连接层,它们发挥着不同的作用.然后,讨论了网中网模型、空间变换网络等改进的卷积神经网络.同时,还分别介绍了卷积神经网络的监督学习、无监督学习训练方法以及一些常用的开源工具.此外,该文以图像分类、人脸识别、音频检索、心电图分类及目标检测等为例,对卷积神经网络的应用作了归纳.卷积神经网络与递归神经网络的集成是一个途径.为了给读者以尽可能多的借鉴,该文还设计并试验了不同参数及不同深度的卷积神经网络来分析各参数间的相互关系及不同参数设置对结果的影响.最后,给出了卷积神经网络及其应用中待解决的若干问题.

论文研究-改进卷积神经网络在分类与推荐中的实例应用.pdf

在网络购物不断发展的背景下，基于服装图片的服装分类识别和搭配推荐具有给予消费者搭配建议并帮助商家促进销售的重要意义。深度学习作为机器学习领域的最新研究成果，建模与表征能力强大，在图像处理领域取得了突破成果；改进卷积神经网络通过加入批量归一化、改进卷积层结构、添加冗余分类器改进了原始GoogleNet卷积神经网络，提高了分类精确度和速度。对搭配库训练集进行图片增广，扩增数据集使其更加丰富全面，并提高精确度；运用改进卷积神经网络对增广后的数据集进行服装精细分类，得到图片的服装类别风格以及功能信息；使用感知哈希算法寻找套装图片库中的相似单品及其搭配，并根据精细分类得到图片性别、风格、功能信息，最终综合给出服装搭配推荐，具有重要的现实研究意义。

数学建模国赛获奖论文分类整理:神经网络

数学建模国赛获奖论文分类整理，使用神经网络算法做的论文集合，可以系统的学习神经网路算法在数学建模中的应用，非常有用。

基于双流卷积神经网络的监控视频中打斗行为识别研究.caj

智能监控系统的主要特点是在可以自动对监控视频中的图像序列进行处理，具体处理包括定位目标、跟踪目标或者识别目标行为。应用计算机视觉相关技术来进行异常行为识别是目前非常热门的研究方向，研究过程包括了图像处理、视频分析、机器学习等领域的相关技术。对运动目标的跟踪、建模以及根据其所处环境对行为进行判断和分类，以及让计算机理解人体各种行为，这些任务都有较大的难度，因此，研究异常行为识别算法有很高理论及实际意义。

论文研究-基于词义消歧的卷积神经网络文本分类模型.pdf

传统文本分类使用word embedding作为文档表示，忽略词在当前上下文的含义，潜在地认为相同词在不同文本中含义相同。针对此问题提出一种词义消歧的卷积神经网络文本分类模型——WSDCNN（word sense disambiguation convolutional neural network）。使用双向长短时记忆网络（BLSTM）建模上下文，得到词义消歧后的文档特征图；利用卷积神经网络（CNN）进一步提取对文本分类最重要的特征。在四个数据集上进行对比实验，结果表明，所提出方法在两个数据集，特别是文档级数据集上优于先前最好的方法，在另外两个数据集上得到与此前最好方法相当的结果。

数字图像处理-数学建模

数字图像处理-数学建模

数学建模大赛论文汇总——神经网络

数模竞赛中，神经网络算法是一类高级的算法，而在实际使用中却不易上手。通过研读与此相关的大赛论文，可以得到一个更好的认识。

labview实现神经网络模型

神经网络的labview实现，更加方便，修改也更加容易。

卷积神经网络在储层预测中的应用研究

人工神经网络作为人工智能的分支，在模式识别、分类预测等方面已成功地解决了许多现代计算机难以解决的实际问题。然而随着人工智能的发展，神经网络的自主性特征学习功能越来越重要，人工神经网络虽然表现出了良好的智能特性，但不能自主地学习特征。近年来，深度学习逐渐崛起，围绕深度神经网络的研究也越来越多，但其在地质储层参数预测领域的研究还很少。提出了一种应用卷积神经网络对地质储层参数进行预测的方法，该方法不仅能对储层参数进行精确预测，而且可以得到储层特征集。实验证明，卷积神经网络可以应用于地质储层参数预测，且预测精度较高，同时卷积神经网络的卷积特征为储层地质建模与测井资料解释提供了重要的支持。

神经网络在数学建模中的应用

主要详细讲了智能算法中的神经网络在数学建模中的应用实例

详解卷积神经网络（CNN）在语音识别中的应用

总结目前语音识别的发展现状，dnn、rnn/lstm和cnn算是语音识别中几个比较主流的方向。2012年，微软邓力和俞栋老师将前馈神经网络FFDNN（FeedForwardDeepNeuralNetwork）引入到声学模型建模中，将FFDNN的输出层概率用于替换之前GMM-HMM中使用GMM计算的输出概率，引领了DNN-HMM混合系统的风潮。长短时记忆网络（LSTM，LongShortTermMemory）可以说是目前语音识别应用最广泛的一种结构，这种网络能够对语音的长时相关性进行建模，从而提高识别正确率。双向LSTM网络可以获得更好的性能，但同时也存在训练复杂度高、解码时延高的问题，尤其在工

小波神经网络用于建模和预测

小波神经网络用于建模和预测.。 里面有源程序。。。