#neural-networks Repositórios
277 repositórios no total
Mecanismo de inferência de Aprendizado de Máquina para Microcontroladores e Dispositivos Embarcados
Deep Learning para Calibração de Câmeras e Além: Uma Pesquisa
Uma lista selecionada de projetos sobre o conectoma da mosca-das-frutas: MaleCNS, FlyWire, simulações cerebrais, modelos incorporados, jogos e ferramentas de pesquisa.
Uma estrutura de aprendizado profundo para otimização simbólica.
Notebooks Colab que abordam ferramentas de aprendizado profundo para a previsão e design de estruturas biomoleculares
Avaliação automática unificada de qualidade para fala, música e som.
Inspecione, visualize e intervenha em qualquer operação de qualquer rede neural. Capture todas as ativações e gradientes, o grafo computacional completo e mais de 800 campos de metadados, sem alterar o código do modelo. Compatível com PyTorch, JAX, TensorFlow, MLX, PaddlePaddle e tinygrad. Validado em mais de 6.400 modelos. Desenvolvido para pesquisadores e seus agentes de IA.
YaneuraOu é o motor de Shogi mais forte do mundo (jogador de IA), vencedor do WCSC29, motor educativo e compatível com USI.
Reproduzindo o artigo de Yann LeCun de 1989, "Backpropagation Applied to Handwritten Zip Code Recognition" (Retropropagação Aplicada ao Reconhecimento de Códigos Postais Manuscritos), que, ao que me consta, é a aplicação em ambiente real mais antiga de uma rede neural treinada com retropropagação.
Framework de Gerenciamento de Conjuntos de Dados, uma biblioteca Python e uma ferramenta de CLI para construir, analisar e gerenciar conjuntos de dados de Visão Computacional.
Introduções aos conceitos chave em programação quântica, bem como tutoriais e implementações provenientes de pesquisas de ponta em computação quântica.
Todos os meus modelos de upscaling de IA auto-treinados e lançados. Depois de reunir e aplicar mais de 600 modelos de upscaling diferentes, aprendi a treinar meus próprios modelos, e estes são os resultados.
A implementação oficial em PyTorch de “Mamba-YOLO: baseado em SSM para detecção de objetos”
Um cérebro que aprende com a experiência em tempo real. Sistema 1 por padrão: percepção, memória, plasticidade e ação. Sistema 2 opcional para auto-observação e correções lentas.
Pequeno GPT implementado do zero em Go puro. Otimizado para compreensão. Treinado em livros de Júlio Verne.
Otimização não linear (busca de raízes, mínimos quadrados, ...) em JAX+Equinox. https://docs.kidger.site/optimistix/
Pacote Python para realizar Correspondência de Entidades e Texto usando Aprendizado Profundo.
Código para o livro Deep Learning From Scratch, da O'Reilly, setembro de 2019
DESCONTINUADO, agora em sktime - pacote complementar para aprendizado profundo baseado em TensorFlow
Este repositório contém tudo o que você precisa para se tornar proficiente em Pesquisa de ML/IA e Artigos Científicos.
Deep Learning Simplified é um repositório Open-source, contendo projetos de deep learning de nível iniciante a avançado para os contribuidores que desejam iniciar sua jornada em Deep Learning. URL do Devfolio: https://devfolio.co/projects/deep-learning-simplified-f013
Biblioteca Python para treinar redes neurais com forte foco em aplicações hidrológicas.
Trabalhos da AAAI 2024: Explore uma coleção abrangente de artigos de pesquisa inovadores apresentados em uma das principais conferências de inteligência artificial. Integre perfeitamente implementações de código para melhor compreensão. ⭐ experimente a vanguarda do progresso na inteligência artificial com este repositório!
Código para o artigo "DewarpNet: Correção de Imagem Única de Documento com Redes de Regressão 3D e 2D Empilhadas" (ICCV '19)
Resolver problemas diretos e inversos relacionados a equações diferenciais parciais usando redes neurais informadas pela física de base finita (FBPINNs)
Compêndio de recursos gratuitos de leitura sobre ML