搜索资源列表
Deep Learn Toolbox-master
- Geoffrey E. Hinton 深度学习资料-Geoffrey E. Hinton Deep Learning code
FaceRecognitionBased-OnDeepLearning
- 本文运用深度神经网络的方法克服姿态变量和图像分辨率的影响,提出了一种多姿态的人脸超分辨识别算法并在实验数据集上获得了良好的性能表现。另外本文利用深度信念网络探索正面人脸图像和侧面人脸图像的映射,方法放松了深度信念网络的输入也输出之间绝对相等,而只是保证其高层含义上的相等。实验表明了使用深度信念网络可以学习到侧面人脸图像到正面人脸图像的一个全局映射,但是丢失了个体细节差异。本文还提出了基于深度网络保持姿态邻域进行姿态分类的方法,在学习过程中,我们保证了同一个姿态下的人脸图像应该与同一姿态下的多张图
DeepLearningTutorials
- deeplearning.net官网上的deep learning的教程，可以跟着网站上的内容一步一步的进行学习，达到快速入门的效果，是用python实现的-Deeplearning.net website deep learning tutorial, you can follow the content of the website step by step to learn, to achieve the effect of quick start, is made of python i
caffe-learn-pengti
- 深度学习资料，很好的入门笔记 是基于caffe框架 -deep learning for caffe
Neural-Networks-and-Deep-Learning
- 很好的深度学习与神经网络教程，适合深度学习的初学者-Good depth and neural network learning tutorial for beginners to learn the depth of
CNN
- 卷积神经网络是一种特殊的深层的神经网络模型，它的特殊性体现在两个方面，一方面它的神经元间的连接是非全连接的， 另一方面同一层中某些神经元之间的连接的权重是共享的（即相同的）。它的非全连接和权值共享的网络结构使之更类似于生物 神经网络，降低了网络模型的复杂度（对于很难学习的深层结构来说，这是非常重要的），减少了权值的数量。-Convolution neural network is a kind of special deep neural network model, its particula
nature-deep-learning
- 世界顶级杂志《自然》，针对人工智能的深度学习进行的最全面综合论述，以及对未来深度学习及神经网络的发展预测，值得一读！-The world s top magazine nature , for the depth of artificial intelligence to learn the most comprehensive exposition, as well as the future development of deep learning and neural network p
台湾大学李宏毅教授深度学习
- 学习深度学习的经典课件，来自台湾大学李宏毅教授(Learn the classic courseware for deep learning, Professor Li Hongyi from National Taiwan University)
NatureDeepReview
- 深度学习允许由多个处理层组成的计算模型来学习具有多个抽象层次的数据表示。这些方法极大地提高了语音识别、视觉对象识别、目标检测以及药物发现和基因组学等许多领域的最新进展。深度学习发现复杂的结构在大数据集，通过使用反向传播算法来指示一台机器应该如何改变其内部参数，用于计算在每一层的代表性，从上一层的代表。深层卷积网在处理图像、视频、语音和音频方面取得了突破性进展，而递归网络则在文本和语音等连续数据上起到了作用。(Deep learning allows computational models th
TensorFlow实战_黄文坚（完整）
- tensorflow框架下，各种深度学习实例，方便学习。(Tensorflow framework, a variety of deep learning examples, easy to learn.)
deeplearningbook-chinese-master
- 一本深度学习pdf版文档，帮助大家学习基础知识(A deep learning PDF document to help you learn the basics)
Learning Deep Architectures for AI
- 一本关于深度架构学习算法，尤其是用来构造更深层模型的非监督学习的单层模型。(Theoretical results suggest that in order to learn the kind of com- plicated functions that can represent high-level abstractions (e.g., in vision, language, and other AI-level tasks), one may need deep archite
深度学习的研究与发展
- 帮助你学习深度学习，理解深度学习的实战算法。常有在深度学习的知识海洋(Help you to learn deep learning)
test1
- 神经网络，深度学习上非常经典的例子-RNN循环神经网络，使用mnist数据集，代码简单易懂，学习方便(Neural network, deep learning is a very classic example -RNN circular neural network, the use of mnist data sets, the code is easy to understand, easy to learn)
Python Deep Learning - Valentino Zocca
- 能够为我们的学习打下很好的基础，有利于我们学习深度学习(We can lay a good foundation for our study and help us to learn in depth.)
花书
- 深度学习是机器学习的一个分支，它能够使计算机通过层次概念来学习经验和理解世界。因为计算机能够从经验中获取知识，所以不需要人类来形式化地定义计算机需要的所有知识。层次概念允许计算机通过构造简单的概念来学习复杂的概念，而这些分层的图结构将具有很深的层次。本书会介绍深度学习领域的许多主题。(Deep learning is a branch of machine learning. It enables computers to learn experience and understand the
Deep Learning with Python(Fran?ois Chollet)
- 深度学习入门教程；使用python一步步教你走向大神之路(use python language to learn deeplearning)
cifar10_tutorial
- 非常适合入门的一个深度学习图片分类例程！(Very suitable for beginners to learn a deep picture classification routines!)
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
lesson51-WGAN实战
- 生成式对抗网络（GAN, Generative Adversarial Networks ）是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。模型通过框架中（至少）两个模块：生成模型（Generative Model）和判别模型（Discriminative Model）的互相博弈学习产生相当好的输出。(Emergent against network (GAN, Generative Adversarial Networks) is a kind of deep learni