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。
Tag Archives: 深度学习
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
