搜索资源列表
Deep-learning-and-new-progress-
- 深度学习是机器学习中的一个新的研究领域。通过深度学习的方法构建深度网络来抽取特征是目 前目标和行为识别中得到关注的研究方向。为引起更多计算机视觉领域研究者对深度学习进行探索和讨论，并推 动目标和行为识别的研究，对深度学习及其在目标和行为识别中的新进展给予概述。方法首先介绍深度学习领 域研究的基本状况、主要概念和原理 然后介绍近期利用深度学习在目标和行为识别应用中的一些新进展。结 果阐述了深度学习与神经网络之间的关系，深度学习的优缺点，以及目前深度学习理论需要解决的主要问题。
seminar-code
- Fast Adaptation Of Deep Neural Network Based On Discriminant Codes For Speech Recognition
深度卷积神经网络
- 作为类脑计算领域的一个重要研究成果，深度卷积神经网络已经广泛应用到计算机视觉、自然语言处理、信息检索、语音识别、语义理解等多个领域，在工业界和学术界掀起了神经网络研究的浪潮，促进了人工智能的发展。卷积神经网络直接以原始数据作为输入，从大量训练数据中自动学习特征的表示。(As the important research achievement, deep convolutional neural networks have been widely applied to various fiel
【论文】语音识别中的深度学习方法
- 语音识别中的深度学习方法,大家可以学习最近火热的深度学习算法(Deep learning method in speech recognition)
DL---调制模式识别
- 深度学习用于无线通信的调制模式识别。最新论文，值得一看。(Modulation recognition using Deep Learning)
Face Recognition. From Traditional to Deep Learning Methods
- 近几年，传统的人脸识别算法被深度卷积网络所代替。CNN的主要优势就是可以结合庞大的数据集提取出原先所提出不出来的优质feature,与此同时精度也提升了很多。同时CNN的出现也加速了计算机视觉的发展，例如object detection 、recognition、segmentation。