neural

R-CNN

Richfeaturehierarchiesforaccurateobjectdetectionandsemanticsegmentation》，http://https://arxiv.org/abs/1311.2524这篇论文的算法思想被称为R-CNN(RegionswithConvolutionalNeuralNetworkFeatures
圆圆栗子君·2024-01-28 04:45

关于正版Adobe Photoshop 2021 版本的Neural Filters 功能安装。

问题：正版AdobePhotoshop2021打开后，下载NeuralFilters时转一圈就不下载了。
fuxiaoland·2024-01-28 02:55

Asynchronous Bidirectional Decoding for Neural Machine Translatio

用于神经机器翻译的异步双向解码Abstract主导神经机器翻译（NMT）模型应用统一注意力编码器-解码器神经网络进行翻译。传统上，NMT解码器采用递归神经网络（RNN）以从左到右的方式执行转换，使得在翻译期间从右到左生成的目标侧上下文未被开发。在本文中，我们为传统的注意力编码器-解码器NMT框架配备了一个后向解码器，以探索NMT的双向解码。根据编码器产生的隐藏状态序列，我们的后向解码器首先学习从右
糖爰·2024-01-28 02:26

基于脑电图的注意力稀疏图卷积神经网络的帕金森病识别

基于脑电图的注意力稀疏图卷积神经网络的帕金森病识别EEG-BasedParkinson’sDiseaseRecognitionviaAttention-BasedSparseGraphConvolutionalNeuralNetwork
有人学习不瞌睡吗·2024-01-27 22:59

一种基于VR和肌电实时反馈的脑卒中后运动想象训练系统

AVR-BasedMotorImageryTrainingSystemWithEMG-BasedReal-TimeFeedbackforPost-StrokeRehabilitation一种基于VR和肌电实时反馈的脑卒中后运动想象训练系统来源期刊：IEEETRANSACTIONSONNEURALSYSTEMSANDREHABILITATIONENGINEERING
有人学习不瞌睡吗·2024-01-27 22:29

脑电整合器：用于脑电解码和可视化的卷积转换器

用于脑电解码和可视化的卷积转换器EEGConformer:ConvolutionalTransformerforEEGDecodingandVisualization来源期刊：IEEETRANSACTIONSONNEURALSYSTEMSANDREHABILITATIONENGINEERING
有人学习不瞌睡吗·2024-01-27 22:29

运动想象脑电分类的脑通道-时间-频谱-注意相关

EEG-Channel-Temporal-Spectral-AttentionCorrelationforMotorImageryEEGClassification来源期刊：IEEETRANSACTIONSONNEURALSYSTEMSANDREHABILITATIONENGINEERING
有人学习不瞌睡吗·2024-01-27 22:29

三分钟学会使用系列（YOLOv5）|ECA轻量注意力机制，涨点神器！

原文链接：[《ECA-Net:EfficientChannelAttentionforDeepConvolutionalNeuralNetworks》]([1910.03151]ECA-Net:EfficientChannelAttentionforDeepConvolutional
今天炼丹了吗·2024-01-27 21:26

音频语音每日论文速递[08.19]

2篇[cs.SD]：【1】Sub-SpectrogramSegmentationforEnvironmentalSoundClassificationviaConvolutionalRecurrentNeuralNetworkandScoreLevelFusion
arXiv每日论文速递·2024-01-27 19:11

Neural Networks 期刊投稿指南

一简介这是国际神经网络学会、欧洲神经网络学会和日本神经网络学会的官方期刊。论文类型文章：原创的、全文长度的文章将被考虑，前提是它们除了摘要形式外尚未发表，并且没有同时在其他地方进行审查。作者可以自愿但不是必须建议一位编辑委员会成员作为审查过程的负责编辑。作者需要明确指定五个部分中的一个：认知科学、神经科学、学习系统、数学和计算分析、工程与应用。信函：信函（最多2500字）应包含具有重要新研究结果的
LeapMay·2024-01-27 15:00

大语言模型-大模型基础文献

AttentionIsAllYouNeedhttps://arxiv.org/abs/1706.03762attentionisallyouneed2、SequencetoSequenceLearningwithNeuralNetworkshttps
Travis_del·2024-01-27 14:19

NeRF：神经辐射场复杂场景的新视图合成技术

快速开始更多数据集预训练模型方法与实现结语服务NeRF：神经辐射场复杂场景的新视图合成技术在计算机视觉领域，神经辐射场（NeuralRadianceFields，简称NeRF）方法以其合成复杂场景的新视图的能力取得了最先进的成果
OverlordDuke·2024-01-27 09:19

VALLE：Neural Codec Language Models areZero-Shot Text to Speech Synthesizers---TTS论文阅读

笔记地址：https://flowus.cn/share/a94730c1-6ae8-4955-82fb-812aff78f638【FlowUs息流】VALLE论文地址：NeuralCodecLanguageModelsareZero-ShotTexttoSpeechSynthesizersAbstract
pied_piperG·2024-01-27 09:42

CVPR 2023: DBARF: Deep Bundle-Adjusting Generalizable Neural Radiance Fields

我们使用以下6个分类标准来解释本文的研究主题：1.神经表示:隐式:这种表示使用神经网络直接将空间中的3D点映射到其颜色和密度。网络充当“黑盒”函数，其内部工作原理无法直接解释。示例包括NeRF、MPR-NeRF和Plenoxels。显式:这种表示将每个体素或顶点的颜色和密度信息存储在3D网格或网格中。这使场景几何更加明确易懂，但也需要大量内存，并且渲染起来可能很耗费计算资源。示例包括SDF-NeR
结构化文摘·2024-01-27 09:08

[C++]yolov8的onnx模型加密方法保护自己模型和版权

它使用ONNX（OpenNeuralNetworkExchange）格式，使得模型在不同的深度学习框架之间具有更好的互操作性。
FL1623863129·2024-01-27 07:54

AI应用快速上手：基于文本的情感分析

本文主要介绍一个基于高通SnapdragonNeuralProcessingEngineSDK和ACL2020MobileBERTTransformer模型的文本情绪分析Android应用程序，该应用的所有源代码都可以在
csdnsqst0050·2024-01-27 03:42

高通AI应用快速上手：基于Transformers的智能问答

本文主要介绍一个基于高通SnapdragonNeuralProcessingEngineSDK和ICLR2020ElectraTransformer模型的智能问答Android应用程序，该应用的所有源代码都可以在
csdnsqst0050·2024-01-27 03:10

计算CNN卷积层和全连接层的参数量

计算CNN卷积层和全连接层的参数量先前阅读CNNExplainerAComprehensiveGuidetoConvolutionalNeuralNetworks—theELI5way本文主旨意在搞明白
FMsunyh·2024-01-26 19:28

《动手学深度学习(PyTorch版)》笔记3.3

Chapter3LinearNeuralNetworks3.3ConciseImplementationsofLinearRegressionimportnumpyasnpimpor
南七澄江·2024-01-26 18:34

Convolutional neural networks for crowd behaviour analysis: a survey

1本综述内容：•分析CNN技术为何渗透到人群行为分析领域;•识别CNN在人群行为分析任务中最先进的表现所面临的各种挑战;•讨论各种基于cnn的人群行为分析方法。•概述用于基于cnn的人群分析的各种软件和硬件组件。•识别用于基于cnn的人群分析的各种公开可用数据集。•概述人群分析，为什么它是计算机视觉领域的一个重要研究领域?2CNN介绍3人群分析的动机和重要性人群分析的几个应用，如人员跟踪、异常检测
枸杞红枣养生茶·2024-01-26 13:59

推荐几款AI绘图软件且提供psd源文件

Photoshop源文件格式）的软件：AdobePhotoshopAdobePhotoshop是专业级图像编辑和图形设计软件，虽然它不是专为AI绘图设计的，但随着版本更新，已引入了多种AI辅助功能，如NeuralFilters
古猫先生·2024-01-26 13:32

Tensorflow高阶内容（五）- Deep Learning

高阶内容5.1Classification分类学习5.2什么是过拟合（Overfitting）5.3Dropout解决Overfitting5.4什么是卷积神经网络CNN(ConvolutionalNeuralNetwork
BingshengTian_Mamba·2024-01-26 10:15

《动手学深度学习(PyTorch版)》笔记3.6

Chapter3LinearNeuralNetworks3.6ImplementationsofSoftmaxRegressionfromScratchimporttorchimpo
南七澄江·2024-01-26 09:52

《动手学深度学习(PyTorch版)》笔记3.5

Chapter3LinearNeuralNetworks3.5ImageClassificationDatasetimporttorchimporttorchvisionimport
南七澄江·2024-01-26 09:51

《动手学深度学习(PyTorch版)》笔记3.2

Chapter3LinearNeuralNetworks3.2ImplementationsofLinearRegressionfromScratchimportnumpyasnpi
南七澄江·2024-01-26 09:21

《动手学深度学习(PyTorch版)》笔记3.7

Chapter3LinearNeuralNetworks3.7ConciseImplementationsofSoftmaxRegression从计算角度来看，指数可能会造成数值稳定
南七澄江·2024-01-26 09:21

《动手学深度学习(PyTorch版)》笔记3.4

Chapter3LinearNeuralNetworks3.4SoftmaxRegression3.4.1ClassificationProblems一般的分类问题并不与类别之间的自然顺序有关，统计学家发明了一种表示分类数据的简单方法
南七澄江·2024-01-26 09:42

ICLR 2021 NAS 相关论文(包含WORKSHOP)

ICLR2021WORKSHOP接收MeasuringUncertaintythroughBayesianLearningofDeepNeuralNetworkStructureZhijieDeng,YucenLuoandJunZhuPDFAutoHAS
pprpp·2024-01-26 09:36

【陈工笔记】SNN（Spiking Neural Network）的理解

（不足之处较多，望包涵。用于自学，帮助理解。）1、LIFNode在网络架构中的简单应用例子#定义并初始化网络net=nn.Sequential(nn.Flatten(),nn.Linear(28*28,14*14,bias=False),#这里不加bias应该是偏置在SNN中不好表示neuron.LIFNode(tau=tau),nn.Linear(14*14,10,bias=False),neu
我看到你啦滴·2024-01-25 22:03

Redis面试题32

深度学习的核心概念是深度神经网络（DeepNeuralNetworks，DNNs）。
CrazyMax_zh·2024-01-25 19:21

38、FB-tCNN:基于时域的EEG信号神经网络分析模型[你也听说过我的故事?]

本文由清华大学计算机科学与技术系于2021年12月22日发表于IEEETransactionsonNeuralSystemsandRehabilitationEngineering期刊，标题为：“FilterBankConvolutionalNeuralNetworkforShortTime-WindowSteady-StateVisualEvokedPotentialClassification
是馒头阿·2024-01-25 18:35

基于图神经网络的对抗攻击防御 GNNGUARD: Defending Graph Neural Networks against Adversarial Attacks

参考资料项目：https://zitniklab.hms.harvard.edu/projects/GNNGuard/代码：https://github.com/mims-harvard/GNNGuardpaper：https://arxiv.org/abs/2006.08149poster：https://zitniklab.hms.harvard.edu/publications/poster
苏打呀·2024-01-25 16:35

后门防御阅读笔记，GangSweep: Sweep out Neural Backdoors by GAN

论文标题：GangSweep:SweepoutNeuralBackdoorsbyGAN论文单位：OldDominionUniversity,Norfolk,VA,USA论文作者：LiuwanZhu,RuiNing
wujiekd·2024-01-25 16:34

NERF++: ANALYZING AND IMPROVING NEURAL RADIANCE FIELDS分析和改进神经辐射场

目录NERF++:ANALYZINGANDIMPROVINGNEURALRADIANCEFIELDS分析和改进神经辐射场ABSTRACT1INTRODUCTION2PRELIMINARIES3SHAPE-RADIANCEAMBIGUITY
ysh9888·2024-01-25 14:31

Nerf-Wild神经辐射场论文学习笔记 Neural Radiance Fields for Unconstrained Photo Collections

前言：本文为记录自己在Nerf学习道路的一些笔记，包括对论文以及其代码的思考内容。公众号：AI知识物语B站后续同步更新讲解本篇文章主要针对其数学公式来学习其内容，欢迎批评指正！！！（代码下篇出）1：摘要提出基于学习（learning-based）方法，使用野外照片的非结构化集合（unstructuredcollectionsofin-the-wildphotographs）来合成复杂场景。之前的N
出门吃三碗饭·2024-01-25 14:01

【NeRF】了解学习Neural Radiance Fields（神经辐射场）

文章目录Definitionoffield（场的定义）shaperepresentations（各种形状表征方式）ExplicitsurfacesandimplicitsurfacesRadianceField(ImplicitSurfaces)体素密度DefinitionofRendering（渲染的定义）SphereTracing（球追踪技术）Volumnrender（体渲染）1.基本要素：2
UnderTurrets·2024-01-25 14:26

35、HAM:超强性能的深度卷积神经网络混合注意力模型[五档上坡第一人！]

论文地址：HAM:Hybridattentionmoduleindeepconvolutionalneuralnetworksforimageclassif
是馒头阿·2024-01-25 09:01

《动手学深度学习(PyTorch版)》笔记3

Chapter3LinearNeuralNetworks3.1LinearRegression3.1.1BasicConcepts我们通常使用nnn来表示数据集中的样本数。
南七澄江·2024-01-25 08:31

BIGVGAN: A UNIVERSAL NEURAL VOCODER WITHLARGE-SCALE TRAINING——TTS论文阅读

https://flowus.cn/share/a16a61b3-fcd0-4e0e-be5a-22ba641c6792【FlowUs息流】Bigvgan论文地址：BigVGAN:AUniversalNeuralVocoderwithLarge-ScaleTrainingAbstract
pied_piperG·2024-01-25 08:14

[学习笔记] ONNX 基础知识

1.ONNX简介1.1什么是ONNX开放神经网络交换ONNX（OpenNeuralNetworkExchange）是一套表示深度神经网络模型的开放格式，由微软和Facebook于2017推出，然后迅速得到了各大厂商和框架的支持
Le0v1n·2024-01-25 01:54

[Machine Learning] 6 神经网络：表述(Neural Networks: Representation)

点Ta6NeuralNetworks:Representation(神经网络：表述)6.1Non-linearhypotheses(非线性假设)6.2ModelRepresentation(模型表示)6.3Multi-classClassification
今天你DEBUG了吗·2024-01-24 08:34

神经网络（Neural Networks：Representation）

目录非线性假设神经元与大脑模型展示例子与直觉理解多元分类非线性假设假如有一个监督学习分类问题它的训练集如图所示：如果使用logistc分类方法（逻辑回归），我们可以构造一个包含很多非线性项的logistc回归函数，当多项式（例如图中特征x1，x2任意组合）足够多时，那么就可能分类成功。当我们需要输入的特征量n很大时：如果多项式只包含二次项，那么会产生大量的二次项；如果只包含其中的平方项，那么会因为
TQ2·2024-01-24 08:03

【Machine Learning】8 神经网络：表述（Neural Networks:Representation）

8.1非线性假设（Non-linearhypotheses）在非线性的多项式中，特征数变多，特征耦合产生的项数目庞大，普通的逻辑回归根本无法处理此类问题。8.2神经元和大脑（Neuronsandthebrain）大脑学习的方法与计算机的算法8.3模型表示I（ModelrepresentationI）神经网络示意如上图。神经网络基本结构及其详解。8.4模型表示II（Modelrepresentati
xzen·2024-01-24 08:32

测验：Neural Networks: Representation（week4）

A：XOR两层是不行的B：sigmoid函数的输出值范围是0~1C：二分类问题可用神经网络来表示D：也有可能是0分析权重，发现只有在x1,x2同时为1的情况下输出才是1，可知是AND函数4.5.第一个矩阵中第一第二行换了位置，可视为Layer2中除了+1外的两个结点换了位置，第二个矩阵第二第三列换了位置，可视为两条表示权重的线换了位置（图上标了出来）,这样子跟原来表示的一样，输出的结果也是一样的
僵尸吃了Dave的脑子·2024-01-24 08:32

机器学习教程之5-神经网络：表述(Neural Networks:Representation)

1.非线性假设假设我们希望训练一个模型来识别视觉对象（例如识别一张图片上是否是一辆汽车），我们怎样才能这么做呢？一种方法是我们利用很多汽车的图片和很多非汽车的图片，然后利用这些图片上一个个像素的值（饱和度或亮度）来作为特征。显然用线性回归或逻辑回归都是不可取的，因为将一幅图上的所有点作为特征，特征数太多，计算量太大。无论是线性回归还是逻辑回归都有这样一个缺点，即：当特征太多时，计算的负荷会非常大。
豆-Metcalf·2024-01-24 08:01

CliqueNet:Convolutional Neural Networks with Alternately Updated Clique详解

ConvolutionalNeuralNetworkswithAlternatelyUpdatedClique是2018年北大团队在CVPR上发表的，这是继DenseNet之后又一密集网络。
月亮是蓝色·2024-01-24 08:58

吴恩达【深度学习】笔记03——深层神经网络（Deep Neural Networks）

文章目录一、深层神经网络（DeepL-layerneuralnetwork）二、前向传播和反向传播（Forwardandbackwardpropagation）1.Forwardpropagation2
无糖馥芮白·2024-01-24 08:57

论文浅尝 | GMNN: Graph Markov Neural Networks

论文笔记整理：吴锐，东南大学硕士研究生，研究方向为自然语言处理来源：ICML2019链接：http://proceedings.mlr.press/v97/qu19a/qu19a.pdf问题定义弱监督下的在关系数据中的对象分类。形式化地来说，给定一个图G，图上有结点V表示一系列对象，在对象间存在有一系列边E，且每个结点都有对应的属性XV。当前已知部分结点L的标签，目的是推测出剩余结点U的标签值。相
开放知识图谱·2024-01-24 08:57

神经网络的学习(Neural Networks: Learning)

1.代价函数案例：假设神经网络的训练样本有个，每个包含一组输入和一组输出信号，表示神经网络层数，表示每层的neuron个数(表示输出层神经元个数)，代表最后一层中处理单元的个数。将神经网络的分类定义为两种情况：二类分类和多类分类，二类分类：=0,=01表示哪一类；类分类：=,=1表示分到第i类；(>2)看起来复杂很多的代价函数背后的思想还是一样的，我们希望通过代价函数来观察算法预测的结果与真实情况
清☆茶·2024-01-24 08:56

神经网络：表述(Neural Networks: Representation)

1.非线性假设无论是线性回归还是逻辑回归，当特征太多时，计算的负荷会非常大。案例：假设我们有非常多的特征，例如大于100个变量，我们希望用这100个特征来构建一个非线性的多项式模型，结果将是数量非常惊人的特征组合，即便我们只采用两两特征的组合(12+13+14+...+23+24+...+99100)，我们也会有接近5000个组合而成的特征。这对于一般的逻辑回归来说需要计算的特征太多了。假使我们采
清☆茶·2024-01-24 08:55
上一页 7 8 9 10 11 12 13 14 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他