Matlab深度学习ResNet、迁移学习多标签图像分类及超分辨率处理Grad CAM可视化分析COCO、手写数字数据集
在当今数字化时代，图像分类和图像超分辨率处理是计算机视觉领域的重要研究方向。
Tag Archives: 深度学习
Python糖尿病数据分析：深度学习、逻辑回归、K近邻、决策树、随机森林、支持向量机及模型优化训练评估选择
本研究旨在利用机器学习和深度学习模型对糖尿病数据进行分析和预测。通过对糖尿病数据集的读取、预处理、特征分析，运用多种机器学习算法如逻辑回归、K近邻、决策树、随机森林、支持向量机以及前馈神经网络等进行模型训练和评估。
PyTorch深度学习CNN神经网络ResNet、DenseNet在CIFAR图像数据集分类应用与分析
在当今深度学习领域，卷积神经网络（CNN）架构不断发展与创新，诸多先进的架构被提出并广泛应用。
Python深度学习GRU、LSTM 、BiLSTM-CNN神经网络空气质量指数AQI时间序列预测及机器学习分析
人们每时每刻都离不开氧，并通过吸入空气而获得氧。
Python深度强化学习智能体DDPG自适应股票交易策略优化道琼斯30股票数据可视化研究
股票交易策略在投资公司中起着至关重要的作用。然而，在复杂多变的股票市场中获取最优策略颇具挑战。
MATLAB深度学习Transformer神经网络量化金融时间序列预测交易策略回测
此文展示了如何在MATLAB®中使用Transformer网络对股票的每日价格进行建模。
【视频讲解】Python深度神经网络DNNs-K-Means（K-均值）聚类方法在MNIST等数据可视化对比分析
近年来，由于诸如自动编码器等深度神经网络（DNN）的高表示能力，深度聚类方法发展迅速。
MATLAB用CNN-LSTM神经网络的语音情感分类深度学习研究
在语音处理领域，对语音情感的分类是一个重要的研究方向。
明星人脸识别基于VGG、MTCNN、RESNET深度学习卷积神经网络应用|附数据代码
人脸识别技术作为生物特征识别技术的重要组成部分，在近三十年里得到了广泛的关注和研究，已经成为计算机视觉、模式识别领域的研究热点。
深度神经网络DNN、RNN、RCNN及多种机器学习金融交易策略研究|附数据代码
在当今的金融领域，量化交易正凭借其科学性和高效性逐渐成为主流投资方式之一。
【视频讲解】Python深度学习股价预测、量化交易策略：LSTM、GRU深度门控循环神经网络|附代码数据
本文以上证综指近 22 年的日交易数据为样本，构建深度门控循环神经网络模型，从股价预测和制定交易策略两方面入手，量化循环神经网络在股票预测以及交易策略中的效果。
【视频讲解】ResNet深度学习神经网络原理及其在图像分类中的应用|附Python代码
本文深入探讨了卷积层（Convolutional Layer）在深度学习框架中的核心作用与操作机制，并分析了其在特征提取、网络构建以及性能提升方面的独特优势。
Python TensorFlow Keras深度学习模型RetinaNet进行目标检测分析车牌数据
目标检测作为计算机视觉领域的关键任务之一，在交通管理、智能安防、自动驾驶等众多应用场景中具有重要意义。
Python TensorFlow双向Bi-LSTM长短期记忆神经网络深度学习可视化用户传感器活动数据
在本文中，我们旨在利用深度学习技术，特别是TensorFlow框架下的Keras库，对WISDM（无线传感器数据挖掘）数据集进行活动识别。
Python深度学习TensorFlow Keras心脏病预测神经网络模型评估损失曲线、混淆矩阵可视化
随着深度学习技术的快速发展，高效的计算框架和库对于模型训练至关重要。
DeepMTS深度学习多元时间序列分析预测宏观经济指标数据可视化|附数据代码
在数据科学领域，时间序列分析一直是一个至关重要的研究方向，尤其在金融、气象、医学以及许多其他科学和工业领域中，准确的时间序列预测对于制定策略、政策规划以及资源管理都具有极其重要的意义。
Python遗传算法GA对长短期记忆LSTM深度学习模型超参数调优分析司机数据
随着大数据时代的来临，深度学习技术在各个领域中得到了广泛的应用。长短期记忆（LSTM）网络作为深度学习领域中的一种重要模型，因其对序列数据的强大处理能力，在自然语言处理、时间序列预测等领域中取得了显著的成果。
【专题】深度学习平台发展报告（2022年）PDF合集分享（附原数据表）
深度学习平台市场目前正经历着巨大的增长阶段。
MATLAB基于深度学习U-net神经网络模型的能谱CT的基物质分解技术研究
CT技术伴随着一定剂量的辐射，会对患者的身体健康造成影响，而且 高剂量的辐射会损害人体的遗传物质，甚至造成不可逆的损伤，进而诱发癌症。
少样本图像分类？迁移学习、自监督学习理论和R语言CNN深度学习卷积神经网络实例
您想构建一个没有太多训练数据的机器学习模型吗？
Matlab用深度学习循环神经网络RNN长短期记忆LSTM进行波形时间序列数据预测
此示例说明如何使用长短期记忆 (LSTM) 网络预测时间序列
MATLAB用深度学习长短期记忆 (LSTM) 神经网络对智能手机传感器时间序列数据进行分类
此示例说明如何使用长短期记忆 (LSTM) 网络对序列数据的每个时间步长进行分类。
python深度学习实现自编码器Autoencoder神经网络异常检测心电图ECG时间序列
通过训练具有小中心层的多层神经网络重构高维输入向量，可以将高维数据转换为低维代码。
R语言深度学习卷积神经网络 (CNN)对 CIFAR 图像进行分类：训练与结果评估可视化
本文演示了训练一个简单的卷积神经网络 (CNN) 来对 CIFAR 图像进行分类。
R语言深度学习Keras循环神经网络(RNN)模型预测多输出变量时间序列
递归神经网络被用来分析序列数据。
R语言用假近邻长短期记忆人工神经网络FNN-LSTM模型进行时间序列深度学习预测4个案例
在最近的一篇文章中，我们展示了一个LSTM模型，通过假近邻（FNN）损失进行正则化，可以用来重建一个非线性动态系统。
R语言深度学习：用keras神经网络回归模型预测时间序列数据
回归数据可以用Keras深度学习API轻松拟合。
【视频讲解】R语言keras深度学习CNN卷积神经网络分类识别手写数字图像数据（MNIST）
在本文中，我们将学习如何使用keras，用手写数字图像数据集（即MNIST）进行深度学习。
Matlab用深度学习长短期记忆（LSTM）神经网络对文本数据进行分类
这个例子展示了如何使用深度学习长短期记忆（LSTM）网络对文本数据进行分类。
【视频讲解】R语言实现CNN（卷积神经网络）模型进行回归数据分析
当我们将CNN（卷积神经网络）模型用于训练多维类型的数据（例如图像）时，它们非常有用。
TensorFlow 2.0 keras开发深度学习模型实例：多层感知器（MLP），卷积神经网络（CNN）和递归神经网络（RNN）
在本文中，您将发现如何使用标准深度学习模型（包括多层感知器（MLP），卷积神经网络（CNN）和递归神经网络（RNN））开发，评估和做出预测。
Python安装TensorFlow 2、tf.keras和深度学习模型的定义
深度学习的预测建模是现代开发人员需要了解的一项技能。
Python中用PyTorch机器学习神经网络分类预测银行客户流失模型
分类问题属于机器学习问题的类别，其中给定一组特征，任务是预测离散值。
用于NLP的Python：使用Keras进行深度学习文本生成
深度学习技术已用于各种文本生成任务，例如写作诗歌，生成电影脚本甚至创作音乐。
matlab使用贝叶斯优化的深度学习：卷积神经网络CNN
此示例说明如何将贝叶斯优化应用于深度学习，以及如何为卷积神经网络找到最佳网络超参数和训练选项。
R和Python机器学习:广义线性回归glm，样条glm，梯度增强，随机森林和深度学习模型分析
使用R和Python进行分析的主要好处之一是，它们充满活力的开源生态系统中总是有新的和免费提供的服务。
如何在python 深度学习Keras中计算神经网络集成模型
如何在python 深度学习Keras中计算神经网络集成模型
R语言基于Keras的小数据集深度学习图像分类
必须使用非常少的数据训练图像分类模型是一种常见情况，如果您在专业环境中进行计算机视觉，则在实践中可能会遇到这种情况。
R语言深度学习不同神经网络模型对比分析案例
R语言深度学习不同神经网络模型对比分析案例
