说明：比较基于CNN和基于transformer的遥感图像语义分割深度学习模型。具体研究应用于波茨坦、瓦辛根和FloodNet数据集的U-Net和SegFormer的不同配置。

说明：利用预先训练的VGG11 CNN模型，开发对抗模式来检查卷积神经网络（CNN）的鲁棒性。

说明：微调预处理CNN。

说明：在四个不同的数据集上使用cnn、Xception、Denesenet121、GAN进行深度伪检测。

说明：CNN的实施

说明：在PyTorch中复制SimpleNet架构并针对MNIST进行测试。

说明：使用trec06c数据集,通过jieba分词,word2vec训练词向量,搭建CNN进行垃圾邮件检测

说明：Staj zaman nda yapt m derin renme destekli mobil uygulama项目。Derin renme ile Cifar10 veri setinde s n Frand rma yap ld。

说明：自动驾驶汽车（DQL x CNN）

说明：使用混合卷积递归神经网络对绒猴叫声进行分类。

说明：Quake3 Arena和Quake Live的机器学习触发机器人。

说明：该代码使用PyTorch实现了EEG网络深度学习模型。EEG网络模型基于题为“EEGNet：一种用于基于EEG的脑机接口的紧凑卷积神经网络”的研究论文。在整个代码中，用户将深入了解该特定神经网络架构的层和操作。

说明：使用MESD、Whisper和Pysentimiento在墨西哥西班牙语中进行语音和文本情感识别。

说明：在TensorFlow中实现了CNN和LSTM模型，用于对10个物种的鸟类声音进行分类。

说明：基于张量流的波斯手写体数字检测

说明：该项目涉及使用人脸上的15个地标点来检测人脸关键点

说明：停车场分类器，帮助波士顿市更新其过时的市政停车场数据集

说明：在Cat VS Dog数据集上使用EfficientNetV2-B0进行二进制分类、SHAP（可解释人工智能）和网格搜索（用于调整超参数）。

说明：番茄叶片病害预测

说明：本项目探索并比较了两种使用深度神经网络进行手写数字识别的方法。这个项目完全用法语。

说明：Android上的健康伴侣。通过X光MRI检测疾病，安全地存储报告，访问教育内容，加入支持社区，并聊天以获取健康信息。

说明：这是我的主存储库

说明：ReDeepFake演示应用程序-用于2D平面图像的高级Deepfake检测模型。

说明：moai是一个基于PyTorch的人工智能模型开发工具包（MDK），旨在改进数据驱动的模型工作流、设计和再现性。

说明：这是一个使用深度学习模型将蛇的种类分类为有毒和无毒的项目。该存储库包括从使用CNN到使用MobileNetV2作为预训练模型的转移学习的整个过程

说明：该存储库提供了一个宝石分类项目，该项目使用MobileNetV2传输学习，处理包含3200多个图像的数据集，跨越87个类。TensorFlow和Keras促进了数据预处理、增强和模型训练。通过微调和利用预先训练的功能。

说明：基于CNN的植物病害预测

说明：利用机器学习和深度学习对水稻品种进行分类

说明：HMS-有害大脑活动分类||对危重患者的癫痫发作和其他有害大脑活动模式进行分类

说明：在本报告中，您将看到我在UniMi的机器学习考试中所做的工作。