搜索资源列表
DeepLearningTutorials-python
- 深度神经网络轻量级工具包，Python简单实现，内含各种模型的代码以及模型的简单理解说明，适合初学者阅读使用。-Deep Neural Networks lightweight toolkit, Python simple implementation, containing simple to understand explanation of each model and the model code, suitable for b
OS-ELM(Python)
- ELM是一种简单易用、有效的单隐层前馈神经网络，该代码是用python实现的极限学习机，亲测有用-extreme learning machine realized by python，it works well
tensorflow_simple_neuNetwork
- 基于tensorflow的简单神经网络代码实现(Implementation of simple neural network code based on tensorflow)
tensorflow_cov_mnist
- 基于tensorflow的mnist数据集卷积神经网络简单代码实现。(MNIST dataset based on tensorflow convolutional neural network simple code implementation)
nn_code
- 使用Python实现的一些简单神经网络算法，实现的神经网络包括BP,CNN,RNN,LSTM等，主要是理解这些神经网络的算法原理，并附有mnist数字识别例子。(neural network,include BP,CNN,RNN,LSTM.)
预测
- BP神经网络模型预测的Python代码实现，测试有效(BP neural network model forecast Python code implementation, test effectiveness)
深度学习入门：基于Python的理论与实现.pdf+代码
- 本书是深度学习真正意义上的入门书，深入浅出地剖析了深度学习的原理和相关技术。书中使用Python3，尽量不依赖外部库或工具，从基本的数学知识出发，带领读者从零创建一个经典的深度学习网络，使读者在此过程中逐步理解深度学习。书中不仅介绍了深度学习和神经网络的概念、特征等基础知识，对误差反向传播法、卷积神经网络等也有深入讲解，此外还介绍了深度学习相关的实用技巧，自动驾驶、图像生成、强化学习等方面的应用，以及为什么加深层可以提高识别精度等“为什
BP神经网络python简单实现
- 去掉神经元类，把功能合并入NetLayer类中，使用矩阵计算加快速度 调整代码实现批量训练方法。 优化程序中numpy库运算顺序，避免产生中间变量(Remove neuron classes, merge functions into NetLayer classes, and use matrix to calculate speed.)
gcn-master
- 图卷积神经网络实现代码， python实现了图卷积神经网络的功能。(the code for gcn use python the paper is COVARIANT COMPOSITIONAL NETWORKS FOR LEARNING GRAPHS)
cnn-edge-detection
- 卷积神经网络实现图像的边缘检测+python代码(CNN-edge-detection-python-codes)
gated-graph-neural-network-samples-master
- 此代码是门控图神经网络的python代码实现(This code is a Python code implementation of the gating graph neural network)