搜索资源列表
googleTensorFlow官方文档中文版
- google-第二代神经网络开源TensorFlow-官方文档中文版---v1.2(Google- second generation neural network open source TensorFlow- official documents in Chinese)
stackedAutoencoder
- 深度学习中堆栈自编码，栈式自编码。是由多层自编码构成的，深度神经网络(stackedAutoencoder is a deep learning method to deal with many data)
caffe-segnet
- 智能车导航，神经网络学习，适合初学者，可以跨平台使用，需要安装caffe(Intelligent vehicle navigation)
DeepLearnToolbox-master
- 可以进行深度学习，卷积神经网络的一种开源代码，可以对图像数据库自动提取特征(You can do deep learning)
2-rain
- 基于深度学习神经网络模型，对降雨量进行训练和预测(Rainfall prediction based on depth learning)
MNIST
- 简单的手写数字识别，在深度神经网络中的简单尝试，对于初学者有个很好的理解(Simple handwritten numeral recognition, in the depth of neural network simple attempt, for beginners have a good understanding)
Neural Network and Deep Learning
- Michael Nielsen 著的神经网络与深度学习、中文版电子书(neural network and deep learning)
神经网络与深度学习讲义
- 神经网络与深度学习讲义,邱锡鹏讲义，2015年12月11日(A lecture on neural network and deep learning)
neural-networks
- 神经网络和深度学习的代码 ，内含有一个mnist手写字识别的源码(Code for neural networks and deep learning, containing source code identified by a MNIST handwritten word)
神经?络和深度学习
- 本书作者为Michael Nielsen，详细介绍了神经网络和深度学习的相关概念，算法原理。(Neural Networks and Deep learning algorithms introduction by Michael Nielsen.)
DropOut深度网络
- 深度神经网络在测试时面对如此大的网络是很难克服过拟合问题的。 Dropout能够很好地解决这个问题。通过阻止特征检测器的共同作用来提高神经网络的性能。这种方法的关键步骤在于训练时随机丢失网络的节点单元包括与之连接的网络权值。在训练的时候，Dropout方法可以使得网络变得更为简单紧凑。在测试阶段，通过Dropout训练得到的网络能够更准确地预测网络的输出。这种方式有效的减少了网络的过拟合问题，并且比其他正则化的方法有了更明显的提升。 本文通过一个简单的实验来比较使用Dropout方法前后网络
神经?络与深度学习
- 神经网络与深度学习pdf文档，希望有帮助(Neural network and deep learning pdf)
DeepNeuralNetwork
- 深度学习工具箱，包含各种深度学习的matlab工具箱。(deep neural network toolbox)
MATLAB神经网络30个案例分析》源程序 数据
- 30个神经网络实例讲解，里面非常详细，通过在这些程序可以提高深度学习能力(30 examples of neural network explanation, which is very detailed, through these programs can improve deep learning ability.)
TensorFlowSharp
- TensorFlow? 是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。TensorFlow 最初由Google大脑小组（隶属于Google机器智能研究机构）的研究员和工程师们开发出来，用于机器学习和深度神经网络方面的研究，但这个系
matconvnet-manual
- 图像深度学习英文资料；卷积神经网络的MATLAB(Image depth learning English materials;Convolutional Neural Networks for MATLAB)
L-BFGS-B-C-master
- 基于梯度下降法的最优迭代算法，在深度学习和神经网络中应用非常广泛，也非常好用(The optimal iterative algorithm based on gradient descent method is widely used in depth learning and neural network, and it is also very useful.)
卷积神经网络源码-深度
- 卷积神经网络源码，学习用代码，内容较好。(Convolutional Neural Network Source Code)
基于深度学习的二进制代码漏洞检测系统
- 二进制代码漏洞检测是一个重要的研究问题。针对当前基于静态分析的二进制代码漏洞检测系统普遍存在误报率高,检测粒度粗,且依赖专家经验等问题,提出了用库/API函数调用程序切片细粒度表示二进制程序,并引入深度学习技术,自动检测二进制程序中库/API函数调用相关漏洞,设计并实现了一个基于深度学习的二进制代码漏洞检测系统——BVDetector。该系统通过对二进制程序进行控制流和数据流分析,从程序中提取库/API函数调用的程序切片,并为程序切片添加有无漏洞的标签;然后将程序切片转换成符合漏洞检测深度学习模
神经网络与深度学习(邱锡鹏)
- 邱锡鹏-神经网络与深度学习，PDF格式文件下载(Neural Network and Deep Learning)