yuelulu0629的专栏

BrainNet Viewer中选择不同模板的surface file所呈现的不同效果对比@TOCBrainNet Viewer中选择不同模板的surface file所呈现的不同效果对比BrainMesh_Ch2.nvBrainMesh_Ch2_smoothed.nvBrainMesh_Ch2withCerebellum.nvBrainMesh_ICBM152.nvBrainMesh_ICBM152_smoothed.nvBrainMesh_ICBM152_smoothed_tal.nvBrainMe

事实上，很多PGM也可从神经网络的方面来解释。尤其是VAE，它可看做二类的混合模型。当PGM的层太多时，学习和推断都很难。因此，Deep learning往往偏向于指代Deep neural network。从感知机到深度学习目前所说的深度学习实际上多指2006年开始的一系列模型。深度学习大火的原因：逐渐增加的数据量 并行计算、分布式系统的发展 硬件GPU等的发展 最重要的是，其效果好，优于之前大火的SVM...

Adaptively Connected Neural NetworksPaper link:Adaptively Connected Neural Networks​arxiv.orgCode link:wanggrun/Adaptively-Connected-Neural-Networks​github.comAbstract本文提出了...

原文地址：http://blog.youkuaiyun.com/hjimce/article/details/50866313作者：hjimce一、背景意义本篇博文主要讲解2015年深度学习领域，非常值得学习的一篇文献：《Batch Normalization: Accelerating Deep Network Training by  Reducing Internal Covariate Shift》，...

利用卷积神经网络训练图像数据分为以下几个步骤读取图片文件产生用于训练的批次定义训练的模型（包括初始化参数，卷积、池化层等参数、网络）训练1 读取图片文件 1 def get_files(filename): 2 class_train = [] 3 label_train = [] 4 for train_class in os.listdir(filename):...

一、CNN的引入在人工的全连接神经网络中，每相邻两层之间的每个神经元之间都是有边相连的。当输入层的特征维度变得很高时，这时全连接网络需要训练的参数就会增大很多，计算速度就会变得很慢，例如一张黑白的 28×2828×28 的手写数字图片，输入层的神经元就有784个，如下图所示：  若在中间只使用一层隐藏层，参数 ww 就有 784×15=11760784×15=11760 多个；若输入的是28×28...

基于3D卷积神经网络的行为识别：3D Convolutional Neural Networks for Human Action Recognition  简介：这是一片发表在TPAMI上的文章，可以看见作者有余凯（是百度的那个余凯吗？）本文提出了一种3D神经网络：通过在神经网络的输入中增加时间这个维度（连续帧），赋予神经网络行为识别的功能。相应提

本文结合Deep learning的一个应用，Convolution Neural Network 进行一些基本应用，参考Lecun的Document 0.1进行部分拓展，与结果展示（in python）。分为以下几部分：1. Convolution（卷积）2. Pooling（降采样过程）3. CNN结构4.  跑实验下面分别介绍。

结合Udacity 上的 deep learning 公开课 https://cn.udacity.com/course/deep-learning–ud730 再把深度学习的知识再复习一篇，顺便熟悉Tensorflow 的使用。 3D 卷积神经网络 相比于2D, 多一维仅此而已。原理上与2D 上几乎差不多，但是直接将2D 的网络拿过来直接使用，还是会遇到各种各样的问题，比如说有些库不支持 3D ...

原文地址：http://blog.youkuaiyun.com/hjimce/article/details/50544370作者：hjimce一、相关理论本篇博文主要讲解2014年ECCV上的一篇经典文献：《Visualizing and Understanding Convolutional Networks》，可以说是CNN领域可视化理解的开山之作，这篇文献告诉我们CNN

原文地址：http://blog.youkuaiyun.com/sinat_31824577/article/details/60325571结合Udacity 上的 deep learning 公开课 https://cn.udacity.com/course/deep-learning–ud730 再把深度学习的知识再复习一篇，顺便熟悉Tensorflow 的使用。3D 卷积神

http://blog.youkuaiyun.com/zouxy09        最近看Deep Learning的论文，看到这篇论文：3D Convolutional Neural Networks for Human Action Recognition。比较感兴趣是CNN是怎么应用于行为理解的，所以就看看。这篇论文发表在TPAMI2013。它基本上没有公式的，论文倾于从论述角度描述它的基本方法

# The code for 3D CNN for Action Recognition# Please refer to the youtube video for this lesson3D CNN-Action Recognition Part-13D CNN-Action Recognition Part-2fro

1.DATAThe cohort consisted of 200 patients with Alzheimer’s Disease (AD), 120 subjects that had mild cognitive impairment and converted to AD within 18 months (MCIc), 160 subjects with mild cognitiv

这篇文章提出了提出了一种针对AD分类的基于单独分层网络的新的特征表达方式。为了构建一个分层网络，         首先，通过三种新的规则生成了三个新的atlases，结合已有的AAL的atlas，四个atlases的所有regions都被两两link到一起。

TensorFlow 深度学习笔记 TensorFlow实现与优化深度神经网络转载请注明作者：梦里风林Github工程地址：https://github.com/ahangchen/GDLnotes欢迎star，有问题可以到Issue区讨论官方教程地址视频/字幕下载全连接神经网络辅助阅读：TensorFlow中文社区教程 - 英文官方教程

原文地址：https://www.jiqizhixin.com/articles/75832471-bf67-4450-9173-ada016694ee8?utm_source=tuicool&utm_medium=referral近日，arXiv 上公开的一篇 NIPS 投稿论文《Self-Normalizing Neural Networks》引起了圈内极大的关注，它提出了缩放指数型线

1. 安装anacodnasudo bash Anaconda2-4.4.0-Linux-x86_64.sh 如果是anaconda3只需改成相应的版本名称就是了2. 安装bazel$ echo "deb [arch=amd64] http://storage.googleapis.com/bazel-apt stable jdk1.8" | sudo tee /etc/a