张力流

张力流占地面积是使用数据流图进行数值计算的开源软件库。图中的节点表示数学运算,而图边表示它们之间传递的多维数据阵列(张量)。灵活的体系结构允许您使用单个API将计算部署到桌面、服务器或移动设备中的一个或多个CPU或GPU。TensorFlow最初是由研究人员和工程师在谷歌的机器智能研究组织中工作的谷歌脑研究小组开发的,目的是进行机器学习和深度神经网络研究,但该系统一般也适用于广泛的其他领域。


ZBMaCT中的参考文献(200篇文章中引用)

显示结果21至40的200。
按年份排序(引文
  1. 琳达,G. Merlin;MimoZi,G.;Bandi,Sudheer Reddy:基于深度卷积神经网络的交叉映射步态识别的彩色轮廓步态图像(2020)
  2. 刘,彭;宋,严:基于卷积神经网络和马尔可夫随机场的声纳图像分割(2020)
  3. Lukas Geiger;Plumerai Team:Larq:二值化神经网络训练的开放源代码库(2020)不是ZB数学
  4. 迈斯特,菲利克斯;Passerini,Tiziano;MialEf,Viorel;TuuSuZoGuLu,亚历山德拉·海穆真;迈尔,安德烈亚斯;Mansi,ToMaso:软组织力学的全拉格朗日显式动力学的深学习加速(2020)
  5. Muammar El Khatib,Wibe阿德钟:ML4CHEM:一个用于化学和材料科学的机器学习包(2020)阿西夫
  6. Nguyen Thanh,Vien Minh;Zhuang,Xiaoying;RabcZuk,Timon:有限变形超弹性的深层能量方法(2020)
  7. 萨马涅戈,E,AnEthSeCu,C.GoWaMi,S.;Nguyen Thanh,V. M.;郭,H.;K.,Zhuang,X.;RabcZuk,Timon:通过机器学习求解计算力学中偏微分方程的能量方法:概念、实现和应用(2020)
  8. Sun,Luning;高,韩;潘,邵武;王,简迅:基于物理约束的深度学习替代模拟数据的流体流动替代模型(2020)
  9. van Engelen,Jesper E.;HoOS,Holger H.:半监督学习综述(2020)
  10. 姚,Houpu;高,Yi;刘,永明:FEA NET:一种有效的机械响应预测的物理引导数据驱动模型(2020)
  11. 张,Dongkun;郭,凌;Karniadakis,George Em:模态空间中的学习:利用物理知情神经网络求解时变随机偏微分方程(2020)
  12. 阿伯,马希米莲;Lapuschkin,塞巴斯蒂安;西格勒,Philipp;H·格勒,米里亚姆;Shütt,Kristof T.;Montavon,Gr.Geigar;Pipe,WojiCik;Muulle,Oy;D.S.Hne,Sven;Keordman,Y:调查神经网络!(2019)
  13. Ariafar,StaReh;Call字体,JuuMe;布鲁克斯,Dana;Dy,珍妮佛:ADMMBO:利用ADMM(2019)带未知约束的贝叶斯优化
  14. 阿里奇,西蒙;马斯,彼得;厄-凯姆,欧赞;Sh Onneeb,Carola Bibiane:利用数据驱动模型求解逆问题(2019)
  15. Beck,基督教;E,渭南;Jentzen,ARNulf:高维完全非线性偏微分方程和二阶倒向随机微分方程的机器学习近似算法(2019)
  16. Biau,格雷德,CalnNe,Erwan,Welbl,约翰尼斯:神经随机森林(2019)
  17. Bingham,艾利;陈,Jonathan P.;Jangoiik,马丁;奥伯迈耶,弗里茨;Pradhan,Neeraj;Karaletsos,TeoFaNIS;Singh,Rohit;Selclip,Po.;,Gooman,Yo:Pyro:深层普适概率规划(2019)
  18. Boukaram,Wajih;Turkiyyah,乔治;凯斯,戴维:从矩阵向量运算构造分层矩阵的随机化GPU算法(2019)
  19. Bubba,Tatiana A.;Kutyik,GITTA;Lasas,Matti;M·RZ,马希米莲;Samek,WojiCe.;Siltanen,Samuli;Srinivasan,VigSi:学习隐形:有限角度计算机断层扫描的混合式深学习SureLeT框架(2019)
  20. 卡斯帕奥达科斯塔路易斯:TQDM:一种快速、可扩展的Python和CLI进度表(2019)不是ZB数学