#artificial-neural-networks Repositories
Entdecke 17 aktive Open-Source-GitHub-Repositories, die mit #artificial-neural-networks getaggt sind und insgesamt 56,211 Sterne gesammelt haben (durchschnittlich 3,306 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist kmario23/deep-learning-drizzle mit 12,995 Sternen.
Insgesamt 17 Repositories
Tauchen Sie ein in Deep Learning, Reinforcement Learning, Machine Learning, Computer Vision und NLP, indem Sie aus diesen spannenden Vorlesungen lernen!!
Eine Referenz mit Stilen und Schlüsselwörtern, die Sie mit MidJourney AI verwenden können. Es gibt auch Seiten, die Auflösungsvergleiche, Bildgewichte und vieles mehr zeigen!
Eine Python-Bibliothek, die entwickelt wurde, um Entwickler zu befähigen, Anwendungen und Systeme mit eigenständigen Computer-Vision-Fähigkeiten zu erstellen
(CGCSTCD'2017) Ein einfaches, flexibles und genaues Nummernschilderkennungsprojekt für chinesische Kennzeichen in unbeschränkten Situationen. CGCSTCD = China Graduate Contest on Smart-city Technology and Creative Design
Hier erhalten Sie alle Grundlagen des Quantenmaschinellen Lernens, Algorithmen, Lernmaterialien, Projekte und die Beschreibungen der Projekte im gesamten Internet.
PyTorch-Implementierung verschiedener Methoden für kontinuierliches Lernen (XdG, EWC, SI, LwF, FROMP, DGR, BI-R, ER, A-GEM, iCaRL, Generative Classifier) in drei verschiedenen Szenarien.
Top 200 Deep-Learning-GitHub-Repositories, sortiert nach Anzahl der Sterne.
🚀 KOSTENLOSE KI-Ressourcen - 🎓 Kurse, 👷 Jobs, 📝 Blogs, 🔬 KI-Forschung und vieles mehr - für alle!
Eine 2D-Unity-Simulation, in der Autos lernen, sich selbstständig durch verschiedene Parcours zu manövrieren. Die Autos werden von einem Feedforward- neuronalen Netz gesteuert. Die Gewichte des Netzes werden mit einem modifizierten genetischen Algorithmus trainiert.
Diagramme zur Visualisierung der Architektur neuronaler Netze
NeuPy ist eine auf TensorFlow basierende Python-Bibliothek für das Prototyping und den Aufbau neuronaler Netze.
Leitfaden für maschinelles Lernen. Erfahren Sie alles über Machine-Learning-Tools, Bibliotheken, Frameworks, Large Language Models (LLMs) und Trainingsmodelle.
Erfahren Sie mehr über den neomorphischen Ingenieurprozess der Erstellung von Large-Scale Integration (VLSI)-Systemen, die elektronische analoge Schaltungen enthalten, um neuro-biologische Architekturen nachzuahmen.
🕵️♂️ Bibliothek, die für Entwickler entwickelt wurde, die das Potenzial großer Sprachmodelle (LLM) und anderer generativer KI auf eine saubere, effektive und Go-idiomatische Weise erkunden möchten.
Ein Python-Toolkit für Reservoir Computing und Echo State Network-Experimente auf Basis von PyTorch. EchoTorch ist das einzige verfügbare Python-Modul, mit dem sich Deep Reservoir Computing-Modelle einfach erstellen lassen.
Häufig gestellte Fragen
Welches ist das beliebteste #artificial-neural-networks-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#artificial-neural-networks-Projekt auf GitHub ist kmario23/deep-learning-drizzle mit 12,995 Sternen. Tauchen Sie ein in Deep Learning, Reinforcement Learning, Machine Learning, Computer Vision und NLP, indem Sie aus diesen spannenden Vorlesungen lernen!!
Welche Programmiersprachen werden in #artificial-neural-networks-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #artificial-neural-networks-Projekten auf GitHub sind Python, HTML, C++, Jupyter Notebook die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #artificial-neural-networks-Repositories berechnet?
Wir verfolgen 17 aktive Open-Source-Repositories, die mit #artificial-neural-networks getaggt sind (500+ Sterne), mit insgesamt 56,211 Sternen und durchschnittlich 3,306 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.