行业分类-物理装置-信息提取方法、信息提取模型训练方法、装置及存储介质.zip

行业分类-物理装置-CO2气驱前缘位置的判断方法及其模型训练方法、装置.zip

行业分类-物理装置-CTC模型的训练方法和数据处理方法、装置及存储介质.zip

腹肌训练方法大全(附图)

CIFAR-10的Pytorch对抗训练 该存储库为CIFAR-10上的对抗训练方法提供了简单的PyTorch实现。 该存储库显示的精度与原始论文中的精度相似。 如果您对此存储库有疑问，请给我发送电子邮件（ ）或提出问题。 实验设定 此存储库中使用的基本实验设置遵循使用的设置。 数据集：CIFAR-10（10个类） 攻击方式：PGD攻击 Epsilon大小： L无限边界为0.0314 Epsilon大小：绑定L2时为0.25（用于攻击）或0.5（用于训练） 培训批次大小：128 重量衰减：0.0002 动量：0.9 学习率调整 0.1代表时期[0，100） 纪元0.01 [100，150） 历时0.001 [150，200） 该存储库中使用的ResNet-18体系结构比Madry Laboratory小，但性能相似。 训练方法 1.基本训练 基本训练方法采用He

主要运用文献资料研究方法,针对散手运动员赛后身体和心理的恢复做分析,主旨在于避免散手运动员赛后恢复不充分影响训练水平和比赛成绩。结合着散手运动员赛后的特点,我们运用了多方面的手段来促进运动员的心理和生理机能,以使运动员能力能很快的恢复到赛前水平。此外,也为下一阶段的训练和比赛做必要的准备。

半监督文本分类的对抗训练方法 规范 此代码重现用 。 设置环境 请安装和 。 您可以使用此轻松设置环境。 下载预训练模型 请下载预先训练的模型。 $ wget http://sato-motoki.com/research/vat/imdb_pretrained_lm.model 结果 模型 错误率 基线 7.39 基准（我们的代码） 6.62 对抗性 6.21 对抗训练（我们的代码） 6.35 虚拟对抗训练 6.40 虚拟对抗训练 5.91 虚拟对抗训练（我们的代码） 5.82 跑 预训练 $ python -u pretrain.py -g 0 --layer

卷积神经网络研究综述

使用动态的差分进化算法训练人工神经网络逼近函数。有详细的代码解释。适合学习者

脉冲神经网络的一个训练方法，基于PYTHON3写的，可以直接运行，神经元模型采用简化的脉冲响应模型。采用ASA训练算法