搜索资源列表
number-recognitionP
- 基于matlab利用BP神经网络开发的手写数字识别，正负样本为分别为1000张，手写数字是minist库-Based on BP neural network matlab developed handwritten numeral recognition, positive and negative samples were 1000, handwritten digital library is minist
Json100r3
- 套接字编程的网络类库，可用于开发消息传送机制的游戏(Socket programming network class library, can be used to develop messaging mechanism of the game)
neural-networks-and-deep-learning-master
- 用不同的方法实现了神经网络（没有用第三方库，就是用numpy等实现的，对于初学者来说是不错的深入了解神经网络的素材）(Using different methods to achieve the neural network (not using third square libraries, that is, using numpy and so on, for beginners is a good understanding of the neural network material))
deep_complex_networks-master
- 该存储库包含重现深层复杂网络文章中提供的实验的代码。(This repository contains code which reproduces experiments presented in the paper Deep Complex Networks.)
MINIST
- mnist库上 应用DBN网络 DBN使用RBM结构，半监督网络，逐层训练(Application on the DBN network)
code(BP_to_MNIST)
- 使用BP神经网络实现手写字符库MNIST的识别。(The recognition of handwritten character library MNIST is realized by using BP neural network.)
upx-3.91-src.tar
- 一款先进的可执行程序文件压缩器，压缩过的可执行文件体积缩小50%-70% ，这样减少了磁盘占用空间、网络上传下载的时间和其它分布以及存储费用。 通过 UPX 压缩过的程序和程序库完全没有功能损失和压缩之前一样可正常地运行，对于支持的大多数格式没有运行时间或内存的不利后果。 UPX 支持许多不同的可执行文件格式 包含 Windows 95/98/ME/NT/2000/XP/CE 程序和动态链接库、DOS 程序、 Linux 可执行文件和核心。(Ultimate Packer for eXecuta
Deep Learning Based Communication Over the Air
- 通信系统的端到端学习是a 引人入胜的新颖概念迄今为止仅被验证 模拟基于块的传输。它允许学习 发射机和接收机实现为深度神经网络 （NN），它们针对任意可区分的端到端进行了优化 performancemetric，例如块错误率（BLER）。在本文中，我们 证明无线传输是可能的：我们建造， 训练，并运行完整的通讯系统 的神经网络使用非同步的现成软件定义无线电 和开源深度学习软件库。(End-to-end learning of communications systems is a
深度学习入门：基于Python的理论与实现.pdf+代码
- 本书是深度学习真正意义上的入门书，深入浅出地剖析了深度学习的原理和相关技术。书中使用Python3，尽量不依赖外部库或工具，从基本的数学知识出发，带领读者从零创建一个经典的深度学习网络，使读者在此过程中逐步理解深度学习。书中不仅介绍了深度学习和神经网络的概念、特征等基础知识，对误差反向传播法、卷积神经网络等也有深入讲解，此外还介绍了深度学习相关的实用技巧，自动驾驶、图像生成、强化学习等方面的应用，以及为什么加深层可以提高识别精度等“为什么”的问题。(This book is a true sen
Deep Learning with Python
- 深度学习基本算法，深度学习with python作为标题建议介绍深度学习使用Python编程语言和开源Keras库，它允许简单快速的原型设计。 在Python深度学习中， 你将从一开始就学习深度学习，你将学习所有关于图像分类模型，如何使用深度学习获取文本和序列，甚至可以学习如何使用神经网络生成文本和图像。 本书是为那些具有Python技能的人员编写的，但你不必在机器学习，Tensorflow或Keras方面有过任何经验。你也不需要先进的数学背景，只有基础的高中水平数学应该让你跟随和理解核心
PythonProject
- 对pcap包中未知网络协议识别与分类，使用的ML库为sklearn(Identification and classification of unknown network protocols in pcap)
无人机.zip
- VirtualArena是用于控制设计和系统仿真的面向对象的Matlab集成开发环境，其实现目标如下: 1)避免重新实现大多数项目共有的功能，例如: -离散化策略(例如欧拉向前，龙格库塔，…) -系统线性化的雅可比计算方法，例如基于符号或样本的方法 -实施标准车辆动力学，如独轮车或类似无人机的车辆，并实施不同的姿态表示，如旋转矩阵或四元数 -状态观测器自动生成，例如扩展卡尔曼滤波器(EKF) -基于网络的控制器的实施结构 - … 2)建立一套通用接口，允许
SRGTSToolbox
- SURROGATES工具箱是一个多维函数逼近和优化方法的通用MATLAB库。当前版本包括以下功能： 实验设计：中心复合设计，全因子设计，拉丁超立方体设计，D-optimal和maxmin设计。 代理：克里金法，多项式响应面，径向基神经网络和支持向量回归。 错误和交叉验证的分析：留一法和k折交叉验证，以及经典的错误分析（确定系数，标准误差;均方根误差等;）。 基于代理的优化：高效的全局优化（EGO）算法。 其他能力：通过安全裕度进行全局敏感性分析和保守替代。(SURROGATES Toolbox