利用三层卷积神经网络识别信号星座图，准确识别8psk，16psk，32psk，64qpsk四种调制方式，在低信噪比的情况下已然有良好的识别率。(The three layer convolution neural network is used to identify signal constellation, and accurately identify four modulation modes of 8PSK, 16PSK, 32psk and 64qpsk. It has a good

一种应用于目标检测中同时满足上述所有约束条件的全卷积神经网络结构。在我们的网络中，使用卷积层不只是用来提取特征图，同时也是作为输出层去计算边界框（bounding box）和分类概率。我们模型中的检测管道（detection pipeline）只包含一个神经网络的前向通路，因此它运行起来是极其迅速的。我们的模型是全卷积结构的，因此可以达到小的模型规模和很高的能量利用效率。最后的实验表明我们的模型能达到很高的精度，在 KITTI 基准上达到了最高的精确度。(A fully convoluted n

图卷积神经网络实现代码， python实现了图卷积神经网络的功能。(the code for gcn use python the paper is COVARIANT COMPOSITIONAL NETWORKS FOR LEARNING GRAPHS)

基于AlexNet网络模型的单幅彩色图的深度估计，在NYU Depth 数据集，Make3D 数据集，KITTI 数据集经过测试效果很好，只是本次上传由于大小限制，压缩包不包括数据集，读者可自行下载数据集进行训练！(Based on the AlexNet network model, the depth estimation of a single color map, in the NYU Depth dataset, Make3D dataset, KITTI dataset ha

图小波神经网络(GWNN)，一种新的图卷积神经网络(CNN)，利用图小波变换来解决以往光谱图CNN方法依赖于图傅立叶变换的缺点。(graph wavelet neural network (GWNN), a novel graph convolutional neural network (CNN), leveraging graph wavelet transform to address the shortcomings of previous spectral graph CNN met