火炬

Torch是一个用C++编写的机器学习库,可以在大多数Unix/Linux平台上运行。它可以用于训练mlp、rbf、HMMs、高斯混合、Kmeans、专家混合、Parzen窗口、KNN,并且可以很容易地扩展,以便添加自己的机器学习算法(来源:http://freecode.com/)


zbMATH中的参考文献(34篇文章中引用)

显示第1到第20个结果,共34个。
按年份排序(引用)
  1. Boukaram,Wajih;Turkiyah,George;Keyes,David:从矩阵向量运算构造层次矩阵的随机GPU算法(2019)
  2. Brown,Noam;Sandholm,Tuomas:多人扑克的超人AI(2019)
  3. Edgar Riba,Dmytro Mishkin,Daniel Ponsa,Ethan Rublee,Gary Bradski:Kornia:Pythorch的开源可区分计算机视觉库(2019)阿尔十四
  4. 海姆,凯瑟琳F.;海姆,德斯蒙德J.:深度学习:应用数学家导论(2019)
  5. van den Berg,E.:海洋张量包(2019)不是zbMATH
  6. Yeo,Kyongmin;Melnyk,Igor:噪声动态系统数据驱动模拟的深度学习算法(2019)
  7. Aggarwal,Charu C.:神经网络与深度学习。教科书(2018)
  8. Baydin,Atılım Güneş;Pearlmutter,Barak A.;Radul,Alexey Andreyevich;Siskind,Jeffrey Mark:《机器学习中的自动微分:一项调查》(2018年)
  9. 德布鲁因,蒂姆;科伯,詹斯;图伊尔斯,卡尔;巴布什卡,罗伯特:控制深度强化学习的经验选择(2018)
  10. Gudivada,Venkat N.;Arbabifard,Kamyar:NLP的开源库、应用程序框架和工作流系统(2018)
  11. 令人惊讶的是,Philip M dropout of David networks(2018年《令人惊讶的房地产》;Philip M dropout of David networks)
  12. 伊泰州Hubara;Courbariaux,Matthieu;Soudry,Daniel;El Yaniv,Ran;Bengio,Yoshua:量化神经网络:训练具有低精度权重和激活的神经网络(2018年)
  13. 弗朗切斯科·吉安尼尼,文琴佐·拉维利亚,亚历山德罗·罗西,达里奥·赞卡,安德里亚·祖加里尼:初学者的神经网络。Matlab、Torch、TensorFlow的快速实现(2017)阿尔十四
  14. 王涵,张林峰,韩洁群,渭南E:DeePMD-kit:多体势能表示和分子动力学的深度学习包(2017)阿尔十四
  15. 郝东,Akara Suparak,罗迈,刘芳德,Axel Oehmichen,Simao Yu,Yike Guo:TensorLayer:一个高效深度学习开发的多功能图书馆(2017)阿尔十四
  16. Orsini,Francesco;Frasconi,Paolo;De Raedt,Luc:kProbLog:机器学习的代数序言(2017)
  17. Richard Wei,Vikram Adve,Lane Schwartz:DLVM:深度学习系统的现代编译器基础设施(2017)阿尔十四
  18. Diamond,Steven;Boyd,Stephen:无矩阵凸优化建模(2016)
  19. Patrick Doetsch,Albert Zeyer,Paul Voigtlender,Ilya Kulikov,Ralf Schlüter,Hermann-Ney:RETURNN:通用递归神经网络的可扩展训练框架(2016)阿尔十四
  20. Ritambhara Singh,Jack Lanchantin,Gabriel Robins,Yanjun Qi:DeepChrome:从组蛋白修饰预测基因表达的深度学习(2016)阿尔十四