煤油

Keras:Theano和TensorFlow的深度学习库。Keras是一个极简的、高度模块化的神经网络库,用Python编写,能够运行在TensorFlow或Theano之上。它的开发重点是实现快速实验。能够在最短的时间内从想法到结果是做好研究的关键。如果您需要一个深入学习的库,那么可以使用Keras:允许简单快速地原型化(通过总体模块化、最小化和可扩展性)。支持卷积网络和递归网络,以及两者的组合。支持任意连接方案(包括多输入多输出训练)。在CPU和GPU上无缝运行。阅读Keras.io上的文档。Keras与python2.7-3.5兼容。


zbMATH中的参考文献(参考文献211篇)

显示211的结果1到20。
按年份排序(引用)

1 2 ... 9 10 11 下一个

  1. 阿塔什伽希,萨拉;加达索卡尔;范德李,蒂姆;莫卡努,埃琳娜;莫卡努,德克巴尔·康斯坦丁;韦尔德胡斯,雷蒙德;Pechenizkiy,Mykola:快速和健壮的特征选择:自动编码器的能量有效稀疏训练的强度(2022)
  2. 钱德纳,阿克沙特;Srinivasan,Sanjay:使用机器学习方法的地质力学推断绘制天然裂缝网络(2022年)
  3. 库尔德斯坦查新;贝格,卡尔·弗雷德里克;瓦拉格诺洛,达米亚诺;Olivier Lopez:利用提取的岩芯数据的CT扫描进行孔隙度自动估计(2022年)
  4. 达什,提尔塔拉吉;斯里尼瓦桑,阿什温;Baskar,A.:使用模式定向逆蕴涵将领域知识包含到GNN中(2022)
  5. 梅斯纳尔德,尼古拉斯·盖农;亨特,大卫·斯科特;扎卡里亚,埃尔赫尤吉;扎曼,陶希德:检测机器人并评估其在社交网络中的影响(2022)
  6. 杜布瓦,皮埃尔;戈麦斯,托马斯;普朗卡特,劳伦特;Perret,Laurent:基于有限测量的流体流动重建的机器学习(2022)
  7. 艾金格,马提亚斯;海因莱因,亚历山大;Klawonn,Axel:稳态计算流体动力学模拟的替代卷积神经网络模型(2022)
  8. 弗兰克尔,阿里;哈默尔,克雷格·M。;博林蒂纳努,丹;很长,凯文;Kralotte机械学习弹性体模型(Sharlotte 2022)
  9. 赫特尔,拉尔斯;巴尔迪,皮埃尔;吉伦,丹尼尔L.:可重复的超参数优化(2022)
  10. 黄哲;乔杜里,肯尼;李,国进;Ray,Jaideep:使用时空子空间和机器学习的基于投影的动力学系统模型简化(2022)
  11. 顾佳珍,罗旭川,周阳凡,王欣:用神经结构模糊方法测试深度学习库(2022)阿尔十四
  12. Knoblauch,Andreas:关于(x^p/(1-x))的反导数及其在神经网络分类中优化损失函数的应用(2022)
  13. 库钦斯基医学博士。;博姆,查特。;克莱伯,R。;科涅斯,A。;Nührenberg,C.:用神经网络进行磁流体动力学特征函数分类(2022)
  14. 拉里奥斯-卡德纳斯,路易斯安格尔;Gibou,Frédéric:水平集方法中改进曲率估计的混合推理系统(2022)
  15. Paul Scherer,Thomas Gaudelet,Alison Pouplin,Suraj M S,Jyothish Soman,Lindsay Edwards,Jake P.Taylor King:Pyrational:主动学习研究与开发图书馆(2022)阿尔十四
  16. 佩特拉索娃,依维塔;卡班,帕维尔;彼得克罗皮克;帕内克,大卫;Dolezel,Ivo:阵列天线选择操作特性的优化(2022)
  17. 普芬施密特,卡尔森;古普塔,普利塔;哈登霍斯特,比约恩;Hüllermeier,Eyke:学习上下文相关选择函数(2022)
  18. 拉扎克,赛米尔莫德;江,安岳;Jafarpour,Behnam:潜在空间反演(LSI):地下水流数据反演的深度学习框架(2022)
  19. 莱纳斯,马琳娜;克拉姆罗斯,凯瑟琳;赫尔德曼,费边;Stiglmayr,Michael:多目标学习方法中通过剪枝权值实现的高效稀疏神经网络(2022)
  20. 里贝罗,尤格尼奥;里贝罗,里卡多;Martins de Matos,David:自动识别ISO 24617-2对话行为注释标准定义的通用交际功能(2022)

1 2 ... 9 10 11 下一个