搜索资源列表
netplot
- 社交网络网络拓扑图，可以得出每个节点的连接关系-Social network network topology, you can draw the connection of each node
GA-for-RBF
- 设计了一个进化神经网络模型，用遗传算法优化RBF网络的连接权和网络结构- U8BB u2B1 u4E1 u4E00 u4E00 u4E2 u7281 u7R0 U63A5 u6743 u548C u7F51 u7EDC u7ED3 u6784
elman
- Elman神经网络是 J. L. Elman于1990年首先针对语音处理问题而提出来的，是一种典型的局部回归网络( global feed forward local recurrent)。Elman网络可以看作是一个具有局部记忆单元和局部反馈连接的递归神经网络。(The Elman neural network, which was first proposed by j. l. Elman in 1990 for voice processing, is a typical global f
mnist
- 使用了全连接网络，卷积神经网络，循环神经网络分别构建不同的分类器，如何通过模型保存原理进行保存。(Using the fully connected network and convolution neural network, recurrent neural network builds different classifiers respectively, and how to save them through the preservation principle of the mode
utf8''Traffic-sign-recognition
- 项目基于Tensorflow进行实现。 #### 文件说明： --- * input_data.py: 图片的输入 * traffic_sign_cnn.py: 用cnn进行训练分类 * testDemo.py: 用于测试已经训练出来的模型，输入单个图片输出结果，并分类到文件夹 #### 数据集说明： --- * 这里是列表文本使用的是比利时的交通标志数据集，可以网上自己找，里面有62个分类。 #### 网络说明： --- *
BA6
- 展示了如何生成一个随机无标度网络图，基本结构分析，包括度分布、聚类系数等。观察两种类型的攻击对网络的影响：随机攻击（所有的几点有相同的概率从网络中删除）、有目标地选择连接度最大的节点（节点度最大的节点从网络中删除）。(Shows how to generate a random scale-free network graph, basic structural analysis, including degree distribution, clustering coefficients, e
symbol_resnet
- RACNN注意力机制，细腻度图片分类。 RA-CNN由上到下用了3个尺度并且越来越精细，尺度间构成循环，即上层的输出作为当层的输入。RA-CNN主要包含两部分：每一个尺度上的卷积网络和相邻尺度间的注意力提取网络(APN, Attention Proposal Network)。在每一个尺度中，使用了堆叠的卷积层等，最后接上全连接层于softmax层，输出每一个类别的概率；这个是很好理解的，代码采用的网络结构是VGG的网络结构。(RACNN attention mechanism)
CNN
- 卷积神经网络分类 调制信号识别 卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（deep learning）的代表算法之一 [1-2] 。卷积神经网络具有表征学习（representation learning）能力，能够按其阶层结构对输入信息进行平移不变分类（shift-invariant classification），因此也被称
mnist手写数字识别
- 本代码运行良好，代码包括全连接网络和卷积网络，同时附有数据集，非常方便初学者使用。
Stuart-Landau Oscillator network
- S-L振子网络，可运行。网络通过连接矩阵定义，可扩展。可研究同步振荡等。