- Transfer Learning: 迁移学习技术的复现与应用
- 迁移学习技术的复现与应用 一、引言 随着深度学习技术的快速发展，越来越多的任务需要大量的标注数据进行训练。然而，在实际应用中，获取大量标注数据往往成本高昂、耗时耗力...
- Zero-Shot Learning: 零样本学习的代码实现
- 零样本学习：算法与实现 在机器学习领域，零样本学习（Zero-Shot Learning，ZSL）是一项挑战性的任务。它旨在让模型能够识别未见过的类别。与传统的监督学习不同，零样本学习不需要针对...
- Squeeze-and-Excitation Networks: 通道注意力机制的复现
- Squeeze-and-Excitation Networks：通道注意力机制的复现 一、引言 近年来，深度学习在计算机视觉领域取得了显著的成果。其中，卷积神经网络（Co...
- Graph Convolutional Networks: 图卷积网络的实现与复现
- Graph Convolutional Networks: 图卷积网络的实现与复现 一、引言 近年来，深度学习技术在图像、语音和自然语言处理等领域取得了显著的成果。然而，传统...
- Reinforcement Learning Agents: 强化学习智能体的代码复现
- 强化学习智能体代码复现 一、引言 强化学习作为机器学习的一个重要分支，近年来在游戏、机器人、自动驾驶等领域取得了显著的成果。强化学习智能体通过不断与环境交互，学习如...
- Conditional GANs: 条件生成对抗网络的复现与应用
- 条件生成对抗网络的复现与应用 一、引言 生成对抗网络（GAN）自2014年由Ian Goodfellow等人提出以来，迅速成为深度学习领域的研究热点。条件生成对抗网...
-
- Attention Mechanisms: 注意力机制在深度学习中的实现
- 注意力机制在深度学习中的实现 一、引言 近年来，深度学习技术在计算机视觉、自然语言处理等领域取得了显著的成果。注意力机制（Attention Mechanisms）...
-
- U-Net: 医学图像分割的深度学习模型复现
- U-Net：医学图像分割的深度学习模型复现 一、引言 随着深度学习技术的快速发展，其在医学图像分割领域的应用越来越广泛。U-Net作为一种有效的深度学习模型，自20...
- Capsule Networks: 胶囊网络在图像识别中的复现
- 胶囊网络在图像识别中的复现 一、引言 随着深度学习技术的快速发展，图像识别领域取得了显著的成果。卷积神经网络（CNN）作为图像识别的主流方法，已经在许多任务中取得了...
- Siamese Networks: 孪生网络与相似性学习的复现
- Siamese Networks: 孪生网络与相似性学习的复现 一、引言 随着深度学习技术的不断发展，许多新型神经网络结构被提出并成功应用于各种领域。Siamese...
首页
上一页
1 2 3 4 5
6 7 8 9 10 下一页
尾页
