搜索资源列表
yichuansuanfa
- 这是一个非常简单的遗传算法源代码，是由Denis Cormier (North Carolina State University)开发的，Sita S.Raghavan (University of North Carolina at Charlotte)修正。代码保证尽可能少，实际上也不必查错。对一特定的应用修正此代码，用户只需改变常数的定义并且定义“评价函数”即可。注意代码的设计是求最大值，其中的目标函数只能取正值；且函数值和个体的适应值之间没有区别。该系统使用比率选择、精华模型、单点杂交
SVM
- 支持向量机svm 模型生成函数，本代码主要是用VC2008和LIBSVM文件，对txt文件中的样本数据，生成SVM model 文件- svm model generation, the code is mainly used VC2008 and LIBSVM files, txt file sample data files generated SVM model
char-rnn-master
- 此代碼實現多層遞歸神經網絡（RNN，LSTM和GRU）從字符級語言模型訓練/採樣。換句話說，模型採用一個文本文件作為輸入和火車一個遞歸神經網絡的學習來預測下一個字符的序列。-This code implements multi-layer Recurrent Neural Network (RNN, LSTM, and GRU) for training/sampling character-level language models. In other words the model tak
ming_es85
- 包括脚本文件和函数文件形式，对球谐函数图形进行仿真,用于建立主成分分析模型。- Including scr ipt files and function files in the form, Of spherical harmonics graphic simulation, Principal component analysis model for establishing.
SRM_challenge_07
- 该文件描述了srm脉冲神经元模型的图形界面，代码无误，可运行(This is a code of spiking response model. It describe a neuron which can fire spikes.The code is correct and can be run.)
fcn.berkeleyvision.org
- 图像识别、深度学习。 语言用的是python 2.x ，里面有训练好的模型，在文件夹里都有给出地址，可以直接去下载。也有一个很大的图片包，里面有很多图片，可以直接拿来作为素材用。也可以自己给图片制作数据标签，训练自己的模型。(image recognition deep learning The language used is Python 2.x, and there are training models, which are given in the folder, which c
work
- matlab补偿模糊神经网络源代码 本文中有两个函数m文件：model126.m是一个用于预测的完全没有用工具箱函数的补偿模糊神经网络主程序，用于仿真、对比训练数据和网络输出的差异；cb.m是一个非线性系统的数学模型，在model126.m中用“ode45”函数求解这个数学模型后，可以得到105个x1(t)、x2(t)和y(t)，从而建立起一个两输入一输出的补偿模糊神经网络。(There are two function m file in this paper: model126.m is
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： --- *
Inception_V3(Transfer)
- 本算法实现了InceptionV3模型的迁移学习。训练好的inceptionV3模型可自行搜索下载.pb文件，数据集需为本地jpg图片。(Realization of full adder schematic diagram)
Simple Demo
- 人搜索 依赖 在python3.7 MacOS 10.14.6下测试 ——python包 ——opencv-python ——tb-nightly -torch>= 1.0 下载weights 从这里下载，密码:qscx 下载后，将权重放到文件夹 person_search_demo/weights中 测试 cd <指向此floder>的路径 python search 结果将保存在输出文件夹中 训练 您可以直接使用原始的YOLO代码进行培训。
DBN
- 基于Tensorflow的典型深度学习模型-深度置信网络预测程序，方便拓展，测试文件在test文件夹下(The typical deep learning model based on tensorflow deep confidence network prediction program is easy to expand, with case data attached, and the test file is in the test folder)