#artificial-neural-networks Repository
Scopri 17 repository GitHub open source attivi contrassegnati con #artificial-neural-networks, che raccolgono un totale di 56,211 stelle (con una media di 3,306 stelle per progetto). Il progetto leader di questo argomento è kmario23/deep-learning-drizzle, con 12,995 stelle.
17 repository in totale
Immergiti in Deep Learning, Reinforcement Learning, Machine Learning, Computer Vision e NLP imparando da queste lezioni entusiasmante!!
Un riferimento contenente stili e parole chiave che puoi utilizzare con MidJourney AI. Ci sono anche pagine che mostrano confronti di risoluzione, pesi delle immagini e molto altro!
Una libreria Python costruita per abilitare gli sviluppatori a creare applicazioni e sistemi con capacità di Computer Vision autonome
(CGCSTCD'2017) Un progetto facile, flessibile e accurato per il riconoscimento delle targhe cinesi in situazioni non vincolate. CGCSTCD = China Graduate Contest on Smart-city Technology and Creative Design
Qui puoi ottenere tutte le basi di Quantum Machine Learning, algoritmi, materiali di studio, progetti e le descrizioni dei progetti sul web.
Implementazione in PyTorch di vari metodi per l'apprendimento continuo (XdG, EWC, SI, LwF, FROMP, DGR, BI-R, ER, A-GEM, iCaRL, Generative Classifier) in tre scenari diversi.
I primi 200 repository GitHub di deep learning ordinati per numero di stelle.
🚀 Risorse AI GRATUITE - 🎓 Corsi, 👷 Lavori, 📝 Blog, 🔬 Ricerca AI e molto altro - per tutti!
Una simulazione Unity 2D in cui le auto imparano a navigare autonomamente attraverso diversi percorsi. Le auto sono guidate da una rete neurale feedforward. I pesi della rete vengono addestrati utilizzando un algoritmo genetico modificato.
Diagrammi per la visualizzazione dell'architettura delle reti neurali
NeuPy è una libreria Python basata su Tensorflow per il prototipaggio e la costruzione di reti neurali.
Guida al Machine Learning. Scopri tutto sugli strumenti, le librerie, i framework di Machine Learning, i modelli linguistici di grandi dimensioni (LLM) e i modelli di addestramento.
Scopri il processo di ingegneria neomorfica per la creazione di sistemi di integrazione su larga scala (VLSI) contenenti circuiti analogici elettronici per mimare architetture neuro-biologiche.
🕵️♂️ Libreria progettata per gli sviluppatori desiderosi di esplorare il potenziale dei modelli linguistici di grandi dimensioni (LLM) e di altre IA generative tramite un approccio pulito, efficace e idiomatico di Go.
Un toolkit Python per la sperimentazione di Reservoir Computing ed Echo State Network basato su PyTorch. EchoTorch è l'unico modulo Python disponibile per creare facilmente modelli di Deep Reservoir Computing.
Domande frequenti
Qual è il repository #artificial-neural-networks più popolare su GitHub?
Il progetto open source #artificial-neural-networks più alto in classifica su GitHub è kmario23/deep-learning-drizzle, con 12,995 stelle. Immergiti in Deep Learning, Reinforcement Learning, Machine Learning, Computer Vision e NLP imparando da queste lezioni entusiasmante!!
Quali linguaggi di programmazione sono più utilizzati nei repository #artificial-neural-networks?
Tra i progetti #artificial-neural-networks più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, HTML, C++, Jupyter Notebook.
Come viene calcolata la classifica dei repository #artificial-neural-networks?
Monitoriamo 17 repository open source attivi contrassegnati con #artificial-neural-networks (500+ stelle), per un totale di 56,211 stelle e una media di 3,306 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.