< Sudoku Solver: Image Processing and…<前一 “我不知道”-…>下一个> 2018年最佳-深度学习版 发布的Johanna Pingel,2018年12月20日 11次浏览(最近30天)| 0喜欢| 2的评论 今天,让我们回到“2018年最美好的时光”。我将重点介绍2018年一些值得一看的帖子和特写。 深度学习… 我们很高兴地宣布,我们已经在这里花了很多时间来研究不同深度学习应用领域的新功能、示例和视频。我们仍然倾向于专注于图像的深度学习,因为: 研究仍然倾向于那个方向 它真的很有趣 但现在,我们也将更多的注意力转移到其他领域,首先是信号和时间序列数据。在这些方面,有各种各样的例子可以查看: 这是一个你今天应该收藏的链接://www.tatmou.com/help/deeplearning/examples.html它会随每个版本更新,并为所有应用程序领域提供一个很棒的示例列表。 《医生》中的深度学习例子 2018年的一篇有趣的文章” 以深度学习为特色的“新闻与笔记”样本页面在接下来的章节中还有更多关于“深度学习”的资源。 视频 对于网络研讨会和视频的创建来说,这是伟大的一年: 加布里尔和我做了一个30分钟的视频图像处理与计算机视觉,其中当然有深度的学习!这是一个很好的介绍任何人刚刚开始。 我创造了一个"什么是计算机视觉视频,最近才上线,(特别感谢我们的视频团队!)这是为初学者人群感兴趣的计算机视觉,所以这可能不是作为相关的这组! 沿着同样的路线,有一个新的什么是机器学习视频中,由罗兰美国舒尔.这是一个快速和全面的机器学习,是伟大的初学者人群,或任何人听到术语像“机器学习”和“深度学习”,并想学习更多。 一个新的网络研讨会可以用于信号数据的深度学习,叫做:信号和声音的深度学习" 一个新的网络研讨会是可用的文本分析. 以下是这些视频的简要介绍,图片中有链接: 图像处理与计算机视觉 计算机视觉的视频 信号与声音网络研讨会 文本分析研讨会 “新的东西” 我们也一直在努力创造新的内容。我就把它当做"新东西" 备忘单:这是一个单页参考(通常被称为“深度学习小抄”): 把相关的深度学习功能打印出来并贴在办公室墙上是件好事。 深度学习并不是唯一可用的备忘单。一个成功的机器学习备忘单也可供您使用。 以下是你可能会发现有用的5个小抄:(图片链接到pdf文件) 深度学习 机器学习 时间序列预处理↓↓ 住编辑器 导入/导出数据 我强烈推荐这一款! 金宝搏官方网站解决方案页面更新:我们不断更新我们在网络上的内容:我们有一个新的面貌IPCV解金宝搏官方网站决方案页面和我们的深度学习金宝搏官方网站解决方案页面。这两个页面上都有指向新内容的链接。 最后一件事值得一提的是一种新的方法来处理示例,使它们更具交互性。我们发布了一个深度学习浏览器示例,它允许您尝试一个简单的示例,以体验使用MATLAB进行深度学习的效果。这对于初学者和还没有接触MATLAB的人(不需要许可证来尝试这个例子)来说非常棒。告诉你的朋友! 新功能! 每年,我们都会发布2个产品。今年我们带来了R2018a和R2018b。(我们对名字的预测相当准确)。 对于R2018a,最突出的功能之一是深度学习网络分析器,史蒂夫在这里写了博客:https://blogs.mathworks.com/deep-learning/2018/04/30/deep-learning-network-analyzer/, 虽然网络分析器在R2018a中发布,但值得注意的是,该特性现在是R2018a的一部分深度网络设计应用.现在可以将网络导入应用程序,并使用网络分析仪检查连接。 史蒂夫写了一个相关的帖子,以了解更多的R2018a亮点在这里. 在R2018b在美国,我们决定尝试一些不同的方法,使用视频方法来代替。Gabriel出色地突出了18b的重要特性,以及最近发布的一些关键特性。你可以在解决方案页面找到视频,或者金宝搏官方网站这个链接直接进入视频。请注意这个视频是自动播放的,这让我从座位上跳了起来,因为我的扬声器开得太大声了! 最终的想法 在我们进入新的一年之际,我喜欢盘点一下过去一年里做得好的事情,以及我们可以做得更好的事情。我新的一年的目标是增加发帖的频率,并开始发布更短的内容。我在找建议关于你希望看到更多或更少的内容。 另外,你同意我列出的前四项吗?还有什么我应该提到的吗?请在下方留言! 节日快乐,2019年再见!! MathWorks已经为假期做好了准备! | 你现在正在关注这篇博文 您将在您的活动提要. 你可以收到电子邮件,这取决于你的通知偏好. 类别: 深度学习 < Sudoku Solver: Image Processing and…<前一 “我不知道”-…>下一个> 另请参阅 深度学习视频 博客 出口ONNX 博客 回顾2019年 博客 Hebbian学习 深入学习工具 深度学习,深度神经网络- CNN情绪识别 评论 请点击留言在这里登录到您的MathWorks帐户或创建一个新帐户。