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41至60的200。
按年份排序(引文
  1. Chakraborty,Tanujit;Chakrabty,Ashis Kumar;Murthy,C. A.:一个非参数系综二元分类器及其统计性质(2019)
  2. 陈,Guorong;李,Tiange;陈,Qijun;任,Shaofei;王,Pig;Po.Y,Y:应用基于壳结构永久塑性变形识别碰撞载荷条件的深学习神经网络(2019)
  3. Cipolli,威廉三世;汉森,蒂莫西:基于光滑波利亚树的监督学习(2019)
  4. Iulia M.,莫里兹,Fischbacher,托马斯:SO(8)超引力与机器学习的魔力(2019)
  5. Cox,马珂;van de Laar,Tijs;de Vice,伯特:贝叶斯图处理算法自动设计的因子图方法(2019)
  6. 达尔,阿斯特丽德;博尼拉,埃德温V.:用于太阳能发电预测的分组高斯过程(2019)
  7. Daniel Smilkov,Nikhil Thorat,Yannick Assogba,Ann Yuan,Nick Kreeger,Ping Yu,康一张,So,Y,Y,Y,Y,Y,Y,Y,Y,Y,Y,Y,Y,Y,Y,γ,γ:J.网络学习与机器学习超越(2019)阿西夫
  8. 戴维斯,Damek;DrulvyaTasky,Dmitriy:弱凸函数的基于随机模型的最小化(2019)
  9. Dreossi,Tommaso;多兹,亚历山大;塞西亚,Sanjit A.:用机器学习组件组成的网络物理系统的伪造(2019)
  10. 段,京:用深度神经网络(DNNs)进行金融系统建模以进行有效的风险评估和预测(2019)
  11. Edgar Riba,Dmytro Mishkin,Daniel Ponsa,Ethan Rublee,Gary Bradski:Kornia:Py火炬的开放源代码计算机视觉库(2019)阿西夫
  12. Fadlullah,Zubair Md.;毛,Bomin;Tang,Fengxiao;KATO,NI:基于价值迭代架构的基于异构计算平台的智能路由深度学习(2019)
  13. 樊,Yuwei;费利法布,霍尔迪;林,林;应,Lexing;ZePeDa-N-NeNez,列奥纳多:一种基于分级嵌套基的多尺度神经网络(2019)
  14. 樊,Yuwei;林,林;应,Lexing;ZePeDa-N-NeNez,列奥纳多:一种基于分层矩阵的多尺度神经网络(2019)
  15. Ghatak,AbjjIT:用R(2019)进行深度学习
  16. 海因莱因,亚力山大;KLAWON,阿克塞尔;兰泽,马丁;Weber,JiNin:自适应区域分解方法中的机器学习——预测约束的几何位置(2019)
  17. 赫尔佐格,S.W.R.G.T.T.,PARLITZ,U:卷积自动编码器和条件随机场混合预测时空混沌(2019)
  18. 希格姆,Catherine F.;Higham,Desmond J.:深度学习:应用数学家介绍(2019)
  19. Hsieh Fu Tsai,Joanna Gajda,Tyler F.W. Sloan,Andrei Rares,杰森婷周怡君,Amy Q. Shen:UsigaCi:在机器学习中启用的无污点相位对比显微术中的实例感知细胞追踪(2019)不是ZB数学
  20. Huan,Er Yang;文,Gui Hua:面向面部结构分类的深度网络多级多尺度特征聚合(2019)