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121至140的200。
按年份排序(引文
  1. 彼得洛,MuiHadii,Zouououi,Jihane;FielpPoon,Maurizio:新颖的深高斯过程自动编码器(2018)
  2. Dominik Marek Loroch;Franz Josef Pfreundt;Norbert Wehn;JANIS Kueff:深度神经网络中的稀疏性:TysQuQuANT(2018)的实证研究阿西夫
  3. 曼弗雷德,Sigman型高斯Cox过程的有效贝叶斯推断(2018)
  4. 费,Hongxiao;Tan,风云:双向网格长短期记忆(BigRIDLSTM):一种解决上下文敏感性和消失梯度的方法(2018)
  5. 菲舍尔、托马斯、克劳丝、克里斯托弗:用长期短期记忆网络进行金融市场预测的深度学习(2018)
  6. 格达伊,Sambit;巴鲁,Aditya;萨卡尔,Soumik;Krishnamurthy,阿达什:用于钻孔可制造性分析的三维CAD模型中的学习局部特征(2018)
  7. Hananel Hazan,Daniel J. Saunders,Hassaan Khan,Darpan T. Sanghavi,Hava T. Siegelmann,Robert Kozma:BindsNET:Python中一种面向机器学习的尖峰神经网络库(2018)阿西夫
  8. 韩寒,Jiequn;Jentzen,Arnulf;E,渭南:用深度学习求解高维偏微分方程(2018)
  9. HelMBOLD,David P.;朗,Philip M.:深网络中辍学的惊人特性(2018)
  10. Hensman,杰姆斯;Durrande,尼古拉斯;索林,Arno:高斯过程的变分傅立叶特征(2018)
  11. 霍莫利亚、Mikl、米切尔、劳伦斯、卢珀日妮、法比奥、HAM、David A.:TSFC:一种结构保持形式编译器(2018)
  12. 因诺森蒂,卢卡;班池,列奥纳多;玻色,Sougato;费雷罗,Alessandro;Paternostro,Fu:通过辅助量子位的量子门近似监督学习(2018)
  13. K.T SHütt,P. Kessel,M. Gastegger,K. Nicoli,A. Tkatchenko,K.R.Müü勒:SnEntPACK:原子系统的深度学习工具箱(2018)阿西夫
  14. 刘,刘;刘,Kaile;康镇,Zhenghai;赵,Jiali;冀,Yefei;何,军:基于局部卷积特征聚合的长文档分类(2018)
  15. Luca Franceschi;Riccardo Grazzi;Massimiliano Pontil;Saverio Salzo;Paolo Frasconi:远浩:超参数优化和元学习的双层规划包(2018)阿西夫
  16. Maximilian Christ,Nils Braun,Julius Neuffer,安德烈亚斯W.KEMP-LeHR:基于可扩展假设检验的时间序列特征提取(TSHORY-Python包)(2018)不是ZB数学
  17. Michael Schaarschmidt,Sven Mika,Kai Fricke,Eiko Yoneki:RLCGRAP:深度强化学习的模块化计算图(2018)阿西夫
  18. Minsuk Kahng,Nikhil Thorat,Duen Horng Chau,Fernanda Vi E.Gas,Martin Wattenberg:GaN实验室:利用交互式视觉实验理解复杂的深生成模型(2018)阿西夫
  19. Nina Miolane,Johan Mathe,Claire Donnat,Mikael Jorda,Xavier Pennec:GeOnStists:机器学习中的黎曼几何Python包(2018)阿西夫
  20. 哦,萨哈克;江,Chung Hsiang;江,Chiyu;马库斯,Philip S.:用变形设计寻找高速列车的前行和尾部的最佳形状(2018)