手电筒

Trac是一个用C++编写的机器学习库,它在大多数UNIX/Linux平台上运行。它可以用来训练MLPS、RBFS、HMM、高斯混合、KFEED、专家混合、Parzen Windows、KNN,并且可以很容易地扩展,这样您就可以添加自己的机器学习算法。来源HTTP:/FreCooDE.COM/


ZBMaCT中的参考文献(34篇文章中引用)

显示结果1至20的34。
按年份排序(引文
  1. 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)
  2. 布朗,诺姆;桑托尔姆,托马斯:多人扑克的超人人工智能(2019)
  3. 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
  4. 希格姆,Catherine F.;Higham,Desmond J.:深度学习:应用数学家介绍(2019)
  5. van den Berg,E:海洋张量包(2019)不是ZB数学
  6. Yeo,Kyongmin;Melnyk,Igor:噪声驱动动态系统数据驱动仿真的深度学习算法(2019)
  7. Aggavar,Charu C.:神经网络和深度学习。教科书(2018)
  8. Baydin,Barak A.,Radul,Alexey Andreyevich,西斯金德,Jeffrey Mark:机器学习中的自动微分:一项调查(2018)
  9. 德布鲁因,提姆;柯伯,Jens;图伊尔,卡尔;巴布·卡,罗伯特:深强化学习控制中的经验选择(2018)
  10. Gudivada,Venkat N.;阿巴巴菲德,KAMAAR:NLP的开源库、应用框架和工作流系统(2018)
  11. HelMBOLD,David P.;朗,Philip M.:深网络中辍学的惊人特性(2018)
  12. Hubara,Itay;Curbalaoux,马蒂厄;Soudry,丹尼尔;El YANIV,RAN;BIGIO,YoSu:量化神经网络:训练具有低精度权值和激活的神经网络(2018)
  13. Francesco Giannini,Vincenzo Laveglia,Alessandro Rossi,Dario Zanca,Andrea Zugarini:神经网络初学者。Matlab、火炬、TunSoRoad的快速实现(2017)阿西夫
  14. 汪涵,林峰张,杰群汉,渭南E:TimeMD工具包:一个用于多体势能表示和分子动力学的深学习包(2017)阿西夫
  15. 郝东,Aka SuppATAK,Luo Mai,方德柳,Axel Oehmichen,司苗宇,易可国:TooStule:一个高效深度学习发展的通用图书馆(2017)阿西夫
  16. 奥尔西尼,弗朗西斯科;Frasconi,Paolo;De Raedt,LUC:KProlog:机器学习的代数Prolog(2017)
  17. Richard Wei,Vikram Adve,莱恩施瓦兹:DLVM:一个用于深度学习系统的现代编译器基础结构(2017)阿西夫
  18. 菱形,史提芬,博伊德,史蒂芬:矩阵自由凸优化模型(2016)
  19. Patrick Doetsch、Albert Zeyer、Paul Voigtlaender、Ilya Kulikov、Ralf Schl、Hermann Ney:Reurnn:通用递归神经网络的可扩展训练框架(2016)阿西夫
  20. Ritambhara Singh、Jack Lanchantin、Gabriel Robins、闫俊琦:深色素:从组蛋白修饰预测基因表达的深层学习(2016)阿西夫