This procedure is well used in Classifying based on matlab. And this time 3 RBF procedure are uploading together.
标签： procedure Classifying matlab upload
上传时间： 2014-01-20
上传用户：日光微澜
Q. Zhou, J.K. Aggarwal. Tracking and Classifying Moving Objects from Video. 这篇文章另辟蹊径，利用“紧凑度值的变化、运动方向的变化”，区分人、人群、机动车。达到良好的分类效果。是运动目标分类领域的好文章。
标签： Q. J.K. Classifying Aggarwal
上传时间： 2013-12-17
上传用户：alan-ee
In modern societies, the production and trade of goods all around the world is constantly increasing. The latest technological achievements allow the mass-production of millions of items of every kind, which are being exchanged all around the globe with unprecedented rapidity. At the same time, the problem of identifying, Classifying and tracking such a growing multitude of objects is con- sequently arising.
标签： soltions Antenna design RFID tags for
上传时间： 2020-06-08
上传用户：shancjb
这是我在做大学教授期间推荐给我学生的一本书，非常好，适合入门学习。《python深度学习》由Keras之父、现任Google人工智能研究员的弗朗索瓦•肖莱（François Chollet）执笔，详尽介绍了用Python和Keras进行深度学习的探索实践，包括计算机视觉、自然语言处理、产生式模型等应用。书中包含30多个代码示例，步骤讲解详细透彻。作者在github公布了代码，代码几乎囊括了本书所有知识点。在学习完本书后，读者将具备搭建自己的深度学习环境、建立图像识别模型、生成图像和文字等能力。但是有一个小小的遗憾：代码的解释和注释是全英文的，即使英文水平较好的朋友看起来也很吃力。本人认为，这本书和代码是初学者入门深度学习及Keras最好的工具。作者在github公布了代码，本人参照书本，对全部代码做了中文解释和注释，并下载了代码所需要的一些数据集（尤其是“猫狗大战”数据集），并对其中一些图像进行了本地化，代码全部测试通过。（请按照文件顺序运行，代码前后有部分关联）。以下代码包含了全书约80%左右的知识点，代码目录：2.1: A first look at a neural network（ 初识神经网络）3.5: Classifying movie reviews（电影评论分类：二分类问题）3.6: Classifying newswires（新闻分类：多分类问题 ）3.7: Predicting house prices（预测房价：回归问题）4.4: Underfitting and overfitting（ 过拟合与欠拟合）5.1: Introduction to convnets（卷积神经网络简介）5.2: Using convnets with small datasets（在小型数据集上从头开始训练一个卷积网络）5.3: Using a pre-trained convnet（使用预训练的卷积神经网络）5.4: Visualizing what convnets learn（卷积神经网络的可视化）
上传时间： 2022-01-30
上传用户：
