西雅娜

Theano是一个Python库,允许您高效地定义、优化和计算涉及多维数组的数学表达式。Theano的特点是与numpy紧密集成,GPU的透明使用,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年以来,Theano一直在推动大规模的计算密集型科学研究,但它也很容易在课堂上使用(蒙特利尔大学的IFT6266)。(资料来源:http://freecode.com/)


zbMATH中的参考文献(参考文献98篇文章)

显示第1到第20个结果,共98个。
按年份排序(引用)
  1. 关,佐伊;帕米吉亚尼,乔瓦尼;布劳恩,丹妮尔;Trippa,Lorenzo:使用神经网络预测遗传性癌症(2022)
  2. 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
  3. 阿米尼·尼亚奇,新浪;哈格海特,伊桑;坎贝尔,特雷弗;Poursartip,Anoush公司;Vaziri,Reza:制造过程中复合材料刀具系统热化学固化过程建模的物理信息神经网络(2021)
  4. 克鲁特韦尔,杰弗里;加拉赫,乔纳森;Pronk,Dorette:简单差分编程语言的范畴语义(2021)
  5. Frank Schäfer,Mohamed Tarek,Lyndon White,Chris Rackauckas:抽象区分。jl:Julia(2021)中与后端无关的可微编程阿尔十四
  6. 哈格海特,伊桑;贝卡,阿里·坎;马登西,埃尔多安;Juanes,Ruben:一个基于非局部物理的使用动态微分算子的深度学习框架(2021)
  7. 哈格海特,伊桑;Juanes,Ruben:SciANN:keras/tensorflow包装器,用于使用人工神经网络进行科学计算和物理信息深度学习(2021)
  8. 哈格海特,伊桑;瑞西,马齐亚尔;穆尔,阿德里安;戈麦斯,赫克托;Juanes,Ruben:固体力学中反演和替代建模的物理信息深度学习框架(2021)
  9. 霍尔布鲁克,安德鲁J。;莱米,菲利普;贝尔,伙计;德莱科,西蒙;布鲁克曼,德克;兰伯特,安德鲁;Suchard,Marc A.:大规模并行化促进了Bayesian多维尺度(2021)
  10. 海德,大卫·A·B。;包,迈克尔;Ronald Fedkiw:关于反问题、控制和神经网络训练的稀疏语义解的获得(2021)
  11. 乐,林;谢颖;Raghavan,Vijay V.:KNN损失和深度KNN(2021)
  12. Lukas Prediger,Niki Loppi,Samuel Kaski,Antti Honkela:d3p—用于差分私有概率编程的Python包(2021)阿尔十四
  13. 莱克加德,米克尔B。;多德威尔,蒂姆J。;Moxey,David:使用深度神经网络代理加速地下水流量模型的不确定性量化(2021)
  14. Mathieu Besançon,Theodore Papamarkou,David Antoff,Alex Arslan,Simon Byrne,Dahua Lin,John Pearson:发行量。jl:朱利亚斯塔斯生态系统中概率分布的定义和建模(2021)不是zbMATH
  15. 秦、鄯善;穆杜尔,纳扬塔拉;Pehlevan,Cengiz:监督学习的对比相似性匹配(2021)
  16. 肖恩霍尔茨,塞缪尔S。;Cubuk,Ekin D.:JAX,M.D.《可微物理框架》(2021)
  17. 朱启明;刘泽良;严金辉:金属添加剂制造的机器学习:基于物理信息的神经网络预测温度和熔池流体动力学(2021)
  18. 阿尔瓦罗·特杰罗·坎特罗;简·博尔茨;迈克尔·戴斯特勒;简·马蒂斯·吕克曼;康纳·杜尔凯恩;佩德罗·J·冈萨尔维斯;大卫·S·格林伯格;Jakob H.Macke:sbi:基于模拟推理的工具箱(2020)不是zbMATH
  19. 本杰明·雷迪;Teh,Yee Whye:概率对称性和不变神经网络(2020)
  20. 科恩,威廉;杨,范;Mazaitis,Kathryn Rivard:TensorLog:使用深度学习基础设施实现的概率数据库(2020)