搜索资源列表
DeepLearning-master
- 深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。[1] 深度学习的概念由Hinton等人于2006年提出。基于深信度网(DBN)提出非监督贪心逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络是第一个真正多层结构学习算法，它利用空间相对关系减少参数数目以提高训练性能。[1] 深度学习是机器
convnetjs-master
- 基于C#开发的深度神经网络网页版。将文件夹拖动至浏览器即可使用功能。包括CNN、DBN等多种深度学习思路。-Based on C# development of depth Neural Network Web version. Drag the folder to the browser functionality. Including CNN, DBN and other deep learning ideas.
DBNtoolbox-master
- 深度学习DBN（深信度网络）代码，概率生成模型，与传统的判别模型的神经网络相对，生成模型是建立一个观察数据和标签之间的联合分布。-Deep learning DBN (Convinced of the network) code generation probability model, and neural network models of traditional discrimination relatively generated model is to establish a join
backprop
- 应用深度学习方法，挖掘数据在更深层次上的特征-Application of deep learning method, digging deeper level characteristic data
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.)
DeepLearning
- 斯坦福深度学习课程MATLAB源码，包含各种主流算法(Deep learning program of Stanford University MATLAB source code)
TensorFlow股票预测
- 利用TensorFlow和股票历史数据，进行数据挖掘，深度学习建模，实现对股票未来走势的预测(Using TensorFlow and stock historical data, data mining and deep learning modeling are used to predict the future trend of stocks.)
深度学习基础
- 了解深度学习基本原理 掌握TensorFlow基本概念和应用 掌握tensorboard基本应用 掌握PaddlePaddle基本应用(Understand the fundamentals of deep learning Master the basic concept and application of tensorflow Master the basic application of tensorboard Master the basic application of