西雅娜

TeaNo是一个Python库,它允许您高效地定义、优化和评估涉及多维数组的数学表达式。TeaNo具有紧密结合NUMPY,透明使用GPU,高效的符号微分,速度和稳定性优化,动态C代码生成,以及广泛的单元测试和自我验证。自2007以来,西亚诺一直在为大规模的计算密集的科学研究提供动力。但它也很容易在课堂上使用(蒙特利尔大学的IFT6266)。来源HTTP:/FreCooDE.COM/


ZBMaCT中的参考文献(51篇文章中引用)

显示结果1至20的51。
按年份排序(引文
  1. 杜阿尔特,维克托;杜阿尔特,焦戈;丰塞卡,朱丽亚;蒙特西诺斯,亚历克西斯:定量经济学机器学习的硬件和软件(2020)
  2. Talgat,达尔巴耶夫;奥斯莱德,伊凡:多重网格参数的黑箱学习(2020)
  3. 托拜厄斯ST·L·Anya M.阅读:多维多维空间表示与数据处理的网格(2020)不是ZB数学
  4. Arnaudon,亚历克西斯;霍尔姆,Darryl D.;Sommer,斯特凡:随机形状分析的几何框架(2019)
  5. Cox,马珂;van de Laar,Tijs;de Vice,伯特:贝叶斯图处理算法自动设计的因子图方法(2019)
  6. 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
  7. KuHeNeNe:线;Sommer,斯特凡;阿纳杜,亚历克西斯:微分几何和具有深学习数值的随机动力学(2019)
  8. 利维齐,Jesse A.;布扬,Alejandro F.;Sommer,Friedrich T.:学习过完备、低相干的线性推理词典(2019)
  9. Matteo Ravasi,Ivan Vasconcelos:Palops-大规模运算符的线性运算符Python库(2019)阿西夫
  10. 王,鲍;尹,彭航;Bertozzi,Andrea Louise;布兰丁厄姆,P. Jeffrey;奥舍,Stanley Joel;Stanley Joel,α:实时犯罪预测的深度学习及其辩证法(2019)
  11. Aggavar,Charu C.:神经网络和深度学习。教科书(2018)
  12. Albert Zeyer,TaMer-AgHouLee,Hermann Ney:作为通用的灵活神经工具包重新应用于翻译和语音识别(2018)阿西夫
  13. 安得烈-比尔斯;詹姆斯布朗;张智尧;Katharina Hoebel;Elizabeth Gerstner;Bruce Rosen;Jayashree Kalpathy Cramer:TeimNeNo:神经成像的开放源学习工具箱(2018)阿西夫
  14. 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)
  15. Birk,洛塔尔;McCulloch,T. Luke:基于自动微分和公平优化的约束B样条曲线的稳健生成(2018)
  16. Daniel Emaasit:PYMC学习:Python中的实用概率机器学习(2018)阿西夫
  17. 丹莫尔多凡,James M Decker,王飞,Andrew A Johnson,Brian K Lee,Zachary Nado,D Sculley,Tiark Rompf,Tiark Rompf:亲笔签名:命令式编码与基于图形的性能(2018)阿西夫
  18. 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
  19. 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)
  20. 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)