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参考文献(74篇文章引用)

显示第1到第20个结果,共74个。
按年份排序(引用)
  1. Ali Shahin Shamsabadi,Adria Gascon,Hamed Haddadi,Andrea Cavallaro:PrivaEdge:从本地到分布式的私人培训和预测(2020)第十四章
  2. Breger,A.;Orlando,J.I.;Harar,P.;Dörfler,M.;Klimscha,S.;Grechenig,C.;Gerendas,B.S.;Schmidt-Erfurth,U.;Ehler,M.:关于降维的正交投影及其在学习问题增强目标损失函数中的应用(2020年)
  3. Cheung,Siu Wun;Chung,Eric T.;Efendiev,Yalchin;Gildin,Eduardo;Wang,Yating;Zhang,Jingyan:多孔介质流动模拟中的深层全局模型简化学习(2020)
  4. Heider,Yousef;Wang,Kun;Sun,WaiChing:(\mathrmSO(3))——各向异性弹塑性材料基于信息图的深层神经网络的不变性(2020)
  5. Hottung,André;Tanaka,Shunji;Tierney,Kevin:集装箱预编组问题的深度学习辅助启发式树搜索(2020)
  6. Hughes,Mark C.:预测和计算节点不变量的神经网络方法(2020)
  7. 2020年,哈拉特,加索尔足球队;哈雷
  8. Lejeune,Emma;Linder,Christian:解释细胞死亡的随机代理模型(2020)
  9. Liberti,Leo:距离几何和数据科学(2020)
  10. Liu,Peng;Song,Yan:使用卷积神经网络和马尔可夫随机场的声纳图像分割(2020)
  11. Lukas Geiger;Plumerai团队:Larq:用于训练二进制神经网络的开源库(2020)不是zbMATH
  12. Meister,Felix;Passerini,Tiziano;Mihalef,Viorel;Tuysuzoglu,Ahmet;Maier,Andreas;Mansi,Tommaso:软组织力学总拉格朗日显式动力学的深度学习加速(2020年)
  13. Palagi,Laura;Seccia,Ruggiero:用于训练深层神经网络的块层分解方案(2020)
  14. Parish,Eric J.;Carlberg,Kevin T.:参数化动力系统近似解的时间序列机器学习误差模型(2020)
  15. P、 E.Hadjidoukas,A.Bartezzaghi,F.Scheidegger,R.Istrate,C.Bekas,A.C.I.Malossi:torcpy:在Python中支持任务并行(2020)不是zbMATH
  16. Ruehle,Fabian:数据科学在弦理论中的应用(2020)
  17. Vanessa Sochat:GridTest:Python的测试和度量集合(2020)不是zbMATH
  18. Willmott,Devin;Murrugarra,David;Ye,Qiang:通过深度递归神经网络的状态推断改进RNA二级结构预测(2020)
  19. Ariafar,Setareh;Coll Font,Jaume;Brooks,Dana;Dy,Jennifer:ADMMBO:使用ADMM的具有未知约束的贝叶斯优化(2019)
  20. Simon Arridge;Maass,Peter;Ozan,Ozan;Schönlieb,Carola Bibiane:使用数据驱动模型求解反问题(2019年)