شبکه های عصبی کانولوشن (CNN) و ماشین های یادگیری افراطی (ELM)
برای درک ایده اصلی شبکه های عصبی کانولوشن، مخصوصاً برای افراد مبتدی شبکه های CNN، ما این کدها را تا آنجا که ممکن است کوچک کردیم و کامنت های زیادی را در کدها اضافه کردیم ، تقریباً هر خط یک کامنت دارد.
CNN در این کدها با استفاده از ELM آموزش داده می شود و زمینه های محلی از یکدیگر مستقل هستند (بدون همپوشانی).
توابع
CNN
- CNN_TB
- CnvLayer
- scaledata
- xamplel.m
شما می توانید فایل متلب شبیه سازی را در این پروژه دانلود کنید.
سفارش پروژه مشابه دارید؟ به این صفحه مراجعه کنید.
منابع
[1] C. M. Vong, “Local Receptive Fields Based Extreme Learning Machine,” IEEE Comput. Intell. Mag., vol. 10, no. 2, pp. 18–29, 2015.
[2] G. Huang, N. Liang, H. Rong, P. Saratchandran, and N. Sundararajan, “On-Line Sequential Extreme Learning Machine Review of Extreme Learning Ma- chine ( ELM ) Proposed Online Sequential Ex-,” Int. Conf. Comput. Intell., no. Ci, 2005.
[3] O. Barak, M. Rigotti, and S. Fusi, “The Sparseness of Mixed Selectivity Neurons Controls the Generalization–Discrimination Trade-Off,” J. Neurosci., vol. 33, no. 9, pp. 3844–3856, 2013.
پروژه مشابه دارید؟
برای ثبت سفارش در سیمیا می توانید از طریق اپلیکیشن سیمیا، یا فرم ثبت سفارش در سایت اقدام کرده و یا از طریق ایمیل، واتساپ، تلگرام و اینستاگرام اقدام نمایید.
اپلیکیشن سیمیا را از بازار و مایکت دانلود کنید.
سریع ترین راه پاسخگویی سیمیا، واتساپ می باشد. لینک واتساپ، اینستاگرام و تلگرام در پایین سایت وجود دارد.
نشانی ایمیل سیمیا simiya_ht@yahoo.com می باشد.
از برقراری تماس برای هماهنگی پروژه خودداری کنید، حجم بالای سفارشات به ما اجازه نمی دهد تا از طریق تلفن پاسخگوی شما عزیزان باشیم، حتما درخواست خود را به صورت مکتوب و از طریق یکی از راه های ذکر شده فوق ارسال نمایید، درخواست خود را به طور کامل و با تمام فایل ها و توضیحات لازم ارسال نمایید تا مدت زمان بررسی آن به حداقل برسد. پس از تعیین کارشناس، در اسرع وقت به شما پاسخ می دهیم.
نقد و بررسیها
هیچ دیدگاهی برای این محصول نوشته نشده است.