已选条件 :  
img
adaptation instance normalization 自适应的实例正则化

adaptation instance normalization 自适应的实例正则化,

img
AiDitron训练工具使用手册.pdf

.准确率高:在工业检测领域,通过大数据的学习和不断的重复,准确率无限接近100%。 2.解决疑难问题:在传统机器视觉软件调节一个参数另一个参数可能就会有变动,无法完全满足所有缺陷的检测要求。人工智能,只要不断加样本学习即可。 3.短时间可以做出结果:在时间要求很短的项目上,只要有足够多的图片,而且进行标识,原则上一天就可以做出理想的结果。 4.后期维护方便:传统算法现场出现问题,无法检测出想要的结

img
强化学习PPT资源

主要介绍强化学习里面的一些重要概念和基本内容,PPT,总结的还不错,可以参考

img
Python实现基于深度学习的手势识别

Python代码编写,可实现基于深度学习的手势识别,先运行make_data程序,利用电脑摄像头录制手势,再运行train,test程序,对录制的手势进行训练与测试,最后运行live程序,进行静态实时手势预测

img
用Python实现用电脑录制静态手势,可用于深度学习的手势识别

Python代码,实现用电脑录制带有深度信息的手势,可利用该手势进行深度学习手势识别

img
一种前馈神经网络的卡尔曼滤波学习方法

本 文针对前位神经 网络误差反 向传播算法 48 3 算法 7收敛速度慢 且常 常收敛于 局 部 极小值等缺 陷 , 提出 了一种墓 于推广卡尔受撼波估计 的快 速学 习 新方 法 , 与 83 算 法相 比较 , 该方 法不仅学 习收 敛速 度快 , 数 值称定性好 , 所需学 习 次数和隐节点数少 , 而且所佑调 节参数少 , 便于 工程应用 0 非 线性 系统 建模与辨识的仿真计算结果 表明

img
神经网络算法在自适应卡尔曼滤波器中的应用

由于人工神经网络具有较强的学习能力、自适应能力、复杂映射能力等智能处理能力,使得其在各个领域都有较广泛的应用。在各类神经网络模型中,较常用的算法是误差反向传播(BP)算法。但在实际应用中,BP神经网络存在一些不足,主要是收敛速度慢、容易陷入局部最小、数值稳定性差等。本文将自适应卡尔曼滤波应用于神经网络方法中,提高了滤波精度和神经网络的收敛速度。

img
美颜相机发型管家特效DEMO

本人算法实现的美颜相机发型管家效果DEMO,对照本人博客算法介绍,跟大家分享一下!

img
2.1. TensorFlow for Machine Intelligence - Sam Abrahams 2016

2.1. TensorFlow for Machine Intelligence - Sam Abrahams 2016

img
gan对抗网络论文

深度学习gan论文,可以一读,哈哈,深度学习gan论文,可以一读,哈哈