為了方便大家查找技術(shù)資料，電子發(fā)燒友小編為大家整理一些精華資料，讓大家可以參考學(xué)習(xí)，希望對(duì)廣大電子愛(ài)好者有所幫助。 ? ? 1.人工神經(jīng)網(wǎng)絡(luò)算法的學(xué)習(xí)方法與 應(yīng)用實(shí)例（pdf彩版） ? 人工神經(jīng)
2023-09-15 15:36:28
2050 
在如今的網(wǎng)絡(luò)時(shí)代，錯(cuò)綜復(fù)雜的大數(shù)據(jù)和網(wǎng)絡(luò)環(huán)境，讓傳統(tǒng)信息處理理論、人工智能與人工神經(jīng)網(wǎng)絡(luò)都面臨巨大的挑戰(zhàn)。近些年，深度學(xué)習(xí)逐漸走進(jìn)人們的視線，通過(guò)深度學(xué)習(xí)解決若干問(wèn)題的案例越來(lái)越多。一些傳統(tǒng)的圖像
2024-01-11 10:51:323475 
物體所作出的交互反應(yīng)，是模擬人工智能的一條重要途徑。人工神經(jīng)網(wǎng)絡(luò)與人腦相似性主要表現(xiàn)在：①神經(jīng)網(wǎng)絡(luò)獲取的知識(shí)是從外界環(huán)境學(xué)習(xí)得來(lái)的;②各神經(jīng)元的連接權(quán)，即突觸權(quán)值，用于儲(chǔ)存獲取的知識(shí)。神經(jīng)元是神經(jīng)網(wǎng)絡(luò)
2018-10-23 16:16:02
人工神經(jīng)網(wǎng)絡(luò)是根據(jù)人的認(rèn)識(shí)過(guò)程而開(kāi)發(fā)出的一種算法。假如我們現(xiàn)在只有一些輸入和相應(yīng)的輸出，而對(duì)如何由輸入得到輸出的機(jī)理并不清楚，那么我們可以把輸入與輸出之間的未知過(guò)程看成是一個(gè)“網(wǎng)絡(luò)”，通過(guò)不斷地給
2008-06-19 14:40:42
人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)是一種類似生物神經(jīng)網(wǎng)絡(luò)的信息處理結(jié)構(gòu)，它的提出是為了解決一些非線性，非平穩(wěn)，復(fù)雜的實(shí)際問(wèn)題。那有哪些辦法能實(shí)現(xiàn)人工神經(jīng)網(wǎng)絡(luò)呢？
2019-08-01 08:06:21
人工神經(jīng)網(wǎng)絡(luò)課件
2016-06-19 10:15:48
吳恩達(dá)機(jī)器學(xué)習(xí)筆記之神經(jīng)網(wǎng)絡(luò)參數(shù)的反向傳播算法
2019-05-22 15:11:21
的智能——但是我們已經(jīng)看到了一條充滿潛力的道路。目前人工智能（AI）已經(jīng)發(fā)展為一系列技術(shù)：機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、卷積神經(jīng)網(wǎng)絡(luò)（CNN）等，但是無(wú)論我們?cè)趺疵?，它們都需要組合起來(lái)搭建一個(gè)更加智能的機(jī)器
2018-05-22 09:54:43
03_深度學(xué)習(xí)入門_神經(jīng)網(wǎng)絡(luò)和反向傳播算法
2019-09-12 07:08:05
第1章 概述 1.1 人工神經(jīng)網(wǎng)絡(luò)研究與發(fā)展 1.2 生物神經(jīng)元 1.3 人工神經(jīng)網(wǎng)絡(luò)的構(gòu)成 第2章人工神經(jīng)網(wǎng)絡(luò)基本模型 2.1 MP模型 2.2 感知器模型 2.3 自適應(yīng)線性
2012-03-20 11:32:43
近年來(lái)，深度學(xué)習(xí)的繁榮，尤其是神經(jīng)網(wǎng)絡(luò)的發(fā)展，顛覆了傳統(tǒng)機(jī)器學(xué)習(xí)特征工程的時(shí)代，將人工智能的浪潮推到了歷史最高點(diǎn)。然而，盡管各種神經(jīng)網(wǎng)絡(luò)模型層出不窮，但往往模型性能越高，對(duì)超參數(shù)的要求也越來(lái)越嚴(yán)格
2019-09-11 11:52:14
基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)算法
2019-05-16 17:25:05
誤差反向傳播算法的學(xué)習(xí)過(guò)程，由信息的正向傳播和誤差的反向傳播兩個(gè)過(guò)程組成，是一種應(yīng)用最為廣泛的神經(jīng)網(wǎng)絡(luò)。先來(lái)看一下BP神經(jīng)網(wǎng)絡(luò)的流程圖：由BP神經(jīng)網(wǎng)絡(luò)流程圖可以看出，正向傳播處理過(guò)程和人工神經(jīng)網(wǎng)絡(luò)的流程
2018-06-05 10:11:50
MATLAB神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)說(shuō)明：本文檔中所列出的函數(shù)適用于MATLAB5.3以上版本，為了簡(jiǎn)明起見(jiàn)，只列出了函數(shù)名，若需要進(jìn)一步的說(shuō)明，請(qǐng)參閱MATLAB的幫助文檔。1. 網(wǎng)絡(luò)創(chuàng)建函數(shù)newp
2009-09-22 16:10:08
請(qǐng)問(wèn)：我在用labview做BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)故障診斷，在NI官網(wǎng)找到了機(jī)器學(xué)習(xí)工具包（MLT），但是里面沒(méi)有關(guān)于這部分VI的幫助文檔，對(duì)于”BP神經(jīng)網(wǎng)絡(luò)分類“這個(gè)范例有很多不懂的地方，比如
2017-02-22 16:08:08
`本篇主要介紹：人工神經(jīng)網(wǎng)絡(luò)的起源、簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)模型、更多神經(jīng)網(wǎng)絡(luò)模型、機(jī)器學(xué)習(xí)的步驟：訓(xùn)練與預(yù)測(cè)、訓(xùn)練的兩階段：正向推演與反向傳播、以TensorFlow + Excel表達(dá)訓(xùn)練流程以及AI普及化教育之路。`
2020-11-05 17:48:39
神經(jīng)網(wǎng)絡(luò)首先來(lái)看一下維基百科對(duì)神經(jīng)網(wǎng)絡(luò)的定義：人工神經(jīng)網(wǎng)絡(luò)（英語(yǔ)：Artificial Neural Network，ANN），簡(jiǎn)稱神經(jīng)網(wǎng)絡(luò)（Neural Network，NN）或類神經(jīng)網(wǎng)絡(luò)，在機(jī)器
2019-03-03 22:10:19
電子發(fā)燒友總結(jié)了以“神經(jīng)網(wǎng)絡(luò)”為主題的精選干貨，今后每天一個(gè)主題為一期，希望對(duì)各位有所幫助?。c(diǎn)擊標(biāo)題即可進(jìn)入頁(yè)面下載相關(guān)資料）人工神經(jīng)網(wǎng)絡(luò)算法的學(xué)習(xí)方法與應(yīng)用實(shí)例（pdf彩版）卷積神經(jīng)網(wǎng)絡(luò)入門資料MATLAB神經(jīng)網(wǎng)絡(luò)30個(gè)案例分析《matlab神經(jīng)網(wǎng)絡(luò)應(yīng)用設(shè)計(jì)》深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)
2019-05-07 19:18:14
的過(guò)程中，要留給大家自己體會(huì)的。第3章 深度學(xué)習(xí)簡(jiǎn)史從神經(jīng)網(wǎng)絡(luò)的神經(jīng)元開(kāi)始介紹感知機(jī)算法，主要是介紹深度學(xué)習(xí)一些主要概念背后的靈感，為深入了解他們的工作原理打下基礎(chǔ)。左圖是人類大腦的神經(jīng)元，右圖是感知
2019-07-25 16:07:04
}或o koko_{k}）的誤差神經(jīng)元偏倚的變化量：ΔΘ ΔΘ Delta Theta=學(xué)習(xí)步長(zhǎng)η ηeta × ×imes 乘以神經(jīng)元的誤差BP神經(jīng)網(wǎng)絡(luò)算法過(guò)程網(wǎng)絡(luò)的初始化：包括權(quán)重和偏倚的初始化計(jì)算
2019-07-21 04:00:00
為了方便大家查找技術(shù)資料，從今天開(kāi)始，每個(gè)星期都會(huì)有一個(gè)社區(qū)資料總貼，同時(shí)也會(huì)選取一周的每天看電路和直播，讓大家可以結(jié)合學(xué)習(xí)，希望對(duì)廣大電子愛(ài)好者有所幫助。精選電子技術(shù)資料：人工神經(jīng)網(wǎng)絡(luò)算法
2019-05-10 16:18:42
為了方便大家查找技術(shù)資料，電子發(fā)燒友小編為大家整理一些精華資料，讓大家可以參考學(xué)習(xí)，希望對(duì)廣大電子愛(ài)好者有所幫助。
1.人工神經(jīng)網(wǎng)絡(luò)算法的學(xué)習(xí)方法與應(yīng)用實(shí)例（pdf彩版）
人工神經(jīng) 網(wǎng)絡(luò)
2023-09-13 16:41:18
機(jī)器學(xué)習(xí)算法篇--卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)（Convolutional Neural Network）
2019-02-14 16:37:29
卷積神經(jīng)網(wǎng)絡(luò)模型發(fā)展及應(yīng)用轉(zhuǎn)載****地址：http://fcst.ceaj.org/CN/abstract/abstract2521.shtml深度學(xué)習(xí)是機(jī)器學(xué)習(xí)和人工智能研究的最新趨勢(shì)，作為一個(gè)
2022-08-02 10:39:39
抽象人工智能 （AI） 的世界正在迅速發(fā)展，人工智能越來(lái)越多地支持以前無(wú)法實(shí)現(xiàn)或非常難以實(shí)現(xiàn)的應(yīng)用程序。本系列文章解釋了卷積神經(jīng)網(wǎng)絡(luò) （CNN） 及其在 AI 系統(tǒng)中機(jī)器學(xué)習(xí)中的重要性。CNN 是從
2023-02-23 20:11:10
反饋神經(jīng)網(wǎng)絡(luò)算法
2020-04-28 08:36:58
`點(diǎn)擊學(xué)習(xí)>>《龍哥手把手教你學(xué)LabVIEW視覺(jué)設(shè)計(jì)》視頻教程用LabVIEW實(shí)現(xiàn)的BP人工神經(jīng)網(wǎng)絡(luò)曲線擬合，感謝LabVIEW的矩陣運(yùn)算函數(shù)，程序流程較之文本型語(yǔ)言清晰很多。[hide] [/hide]`
2011-12-13 16:41:43
FPGA 上實(shí)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò) (CNN)。CNN 是一類深度神經(jīng)網(wǎng)絡(luò)，在處理大規(guī)模圖像識(shí)別任務(wù)以及與機(jī)器學(xué)習(xí)類似的其他問(wèn)題方面已大獲成功。在當(dāng)前案例中,針對(duì)在 FPGA 上實(shí)現(xiàn) CNN 做一個(gè)可行性研究
2019-06-19 07:24:41
如何用stm32cube.ai簡(jiǎn)化人工神經(jīng)網(wǎng)絡(luò)映射？如何使用stm32cube.ai部署神經(jīng)網(wǎng)絡(luò)？
2021-10-11 08:05:42
人工智能下面有哪些機(jī)器學(xué)習(xí)分支？如何用卷積神經(jīng)網(wǎng)絡(luò)（CNN）方法去解決機(jī)器學(xué)習(xí)監(jiān)督學(xué)習(xí)下面的分類問(wèn)題？
2021-06-16 08:09:03
神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡(jiǎn)稱，是當(dāng)前的研究熱點(diǎn)之一。人腦在接受視覺(jué)感官傳來(lái)的大量圖像信息后，能迅速做出反應(yīng)
2019-08-08 06:11:30
人工神經(jīng)網(wǎng)絡(luò)在AI中具有舉足輕重的地位，除了找到最好的神經(jīng)網(wǎng)絡(luò)模型和訓(xùn)練數(shù)據(jù)集之外，人工神經(jīng)網(wǎng)絡(luò)的另一個(gè)挑戰(zhàn)是如何在嵌入式設(shè)備上實(shí)現(xiàn)它，同時(shí)優(yōu)化性能和功率效率。 使用云計(jì)算并不總是一個(gè)選項(xiàng)，尤其是當(dāng)
2021-11-09 08:06:27
神經(jīng)網(wǎng)絡(luò)模型，并用實(shí)測(cè)污水廠進(jìn)、出水?dāng)?shù)據(jù)進(jìn)行模擬。采用最近鄰聚類學(xué)習(xí)算法確定徑向基函數(shù)的寬度、聚類中心和權(quán)值。其中神經(jīng)網(wǎng)絡(luò)的輸入為進(jìn)水水質(zhì)和控制參數(shù)等5個(gè)影響因子，網(wǎng)絡(luò)輸出為COD或TN。結(jié)果表明
2009-08-08 09:56:00
本文提出了一個(gè)基于FPGA 的信息處理的實(shí)例：一個(gè)簡(jiǎn)單的人工神經(jīng)網(wǎng)絡(luò)應(yīng)用Verilog 語(yǔ)言描述，該數(shù)據(jù)流采用模塊化的程序設(shè)計(jì)，并考慮了模塊間數(shù)據(jù)傳輸信號(hào)同 步的問(wèn)題，有效地解決了人工神經(jīng)網(wǎng)絡(luò)并行數(shù)據(jù)處理的問(wèn)題。
2021-05-06 07:22:07
求高手，基于labview的BP神經(jīng)網(wǎng)絡(luò)算法的實(shí)現(xiàn)過(guò)程，最好有程序哈，謝謝??！
2012-12-10 14:55:50
求大神給一個(gè)人工神經(jīng)網(wǎng)絡(luò)與遺傳算法的源代碼。
2016-04-19 17:15:29
多層感知機(jī) 深度神經(jīng)網(wǎng)絡(luò)in collaboration with Hsu Chung Chuan, Lin Min Htoo, and Quah Jia Yong. 與許忠傳，林敏濤和華佳勇合作
2021-07-12 06:35:22
的研究具有重要意義.模糊神經(jīng)網(wǎng)絡(luò)是人工神經(jīng)網(wǎng)絡(luò)和模糊系統(tǒng)相結(jié)合的新型網(wǎng)絡(luò)結(jié)構(gòu)，把它應(yīng)用于語(yǔ)音識(shí)別系統(tǒng)，使系統(tǒng)不僅具有非線性、自適應(yīng)性、魯棒性和自學(xué)習(xí)等神經(jīng)網(wǎng)絡(luò)本來(lái)的優(yōu)勢(shì)，也具有模糊推理和模糊劃分等模糊邏輯全文下載
2010-05-06 09:05:35
脈沖神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方式有哪幾種？
2021-10-26 06:58:01
關(guān)于遺傳算法和神經(jīng)網(wǎng)絡(luò)的
2013-05-19 10:22:16
根據(jù)神經(jīng)網(wǎng)絡(luò)的基本理論,研究了神經(jīng)網(wǎng)絡(luò)在電器設(shè)備中的應(yīng)用,提出了神經(jīng)網(wǎng)絡(luò)的分塊構(gòu)造方法和神經(jīng)網(wǎng)絡(luò)分塊學(xué)習(xí)算法,并通過(guò)實(shí)驗(yàn)?zāi)M達(dá)到實(shí)際要求。關(guān)鍵詞 神經(jīng)網(wǎng)絡(luò) 算法 權(quán)
2009-06-13 11:40:03
10 人工神經(jīng)網(wǎng)絡(luò),人工神經(jīng)網(wǎng)絡(luò)是什么意思
神經(jīng)網(wǎng)絡(luò)是一門活躍的邊緣性交叉學(xué)科.研究它的發(fā)展過(guò)程和前沿問(wèn)題，具有重要的理論意義
2010-03-06 13:39:013578 人工神經(jīng)網(wǎng)絡(luò)的內(nèi)容有哪些?
人工神經(jīng)網(wǎng)絡(luò)模型主要考慮網(wǎng)絡(luò)連接的拓?fù)浣Y(jié)構(gòu)、神經(jīng)元的特征、學(xué)習(xí)規(guī)則等。目前，已有近40種神經(jīng)
2010-03-06 13:42:451770 本書系統(tǒng)的介紹了人工神經(jīng)網(wǎng)絡(luò)典型模型的原理、算法，并對(duì)遺傳算法的基本原理也做了簡(jiǎn)單介紹。 人工神經(jīng)網(wǎng)絡(luò)方法已應(yīng)用于許多領(lǐng)域。本書是以應(yīng)用為主要目的為從事人工智能、信息處理研究的科技人員及研究生、本科生等編寫的教材。
2011-02-17 17:46:04146 運(yùn)動(dòng)控制 是人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于機(jī)器人控制的重要內(nèi)容。本文就人工神經(jīng)網(wǎng)絡(luò)用于機(jī)器人運(yùn)動(dòng)學(xué)正解問(wèn)題進(jìn)行研究, 通過(guò)建立機(jī)器人運(yùn)動(dòng)學(xué)神經(jīng)網(wǎng)絡(luò)模型, 給出了相應(yīng)的BP 算法, 并對(duì)2R、
2011-06-28 11:04:3238 BP神經(jīng)網(wǎng)絡(luò)模型與學(xué)習(xí)算法
2017-09-08 09:42:4810 人工神經(jīng)網(wǎng)絡(luò)，簡(jiǎn)稱神經(jīng)網(wǎng)絡(luò)，是一種模仿生物神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和功能的數(shù)學(xué)模型或者計(jì)算模型。其實(shí)是一種與貝葉斯網(wǎng)絡(luò)很像的一種算法。之前看過(guò)一些內(nèi)容始終云里霧里，這次決定寫一篇博客。弄懂這個(gè)基本原理，畢竟
2017-11-15 12:54:1833860 
機(jī)器學(xué)習(xí)已經(jīng)在各個(gè)行業(yè)得到了大規(guī)模的廣泛應(yīng)用，并為提升業(yè)務(wù)流程的效率、提高生產(chǎn)率做出了極大的貢獻(xiàn)。這篇文章主要介紹了機(jī)器學(xué)習(xí)中最先進(jìn)的算法之一——神經(jīng)網(wǎng)絡(luò)的八種不同架構(gòu)，并從原理和適用范圍進(jìn)行了
2018-01-10 16:30:0812882 
神經(jīng)網(wǎng)絡(luò)是一套特定的算法，是機(jī)器學(xué)習(xí)中的一類模型，神經(jīng)網(wǎng)絡(luò)本身就是一般泛函數(shù)的逼近，它能夠理解大腦是如何工作，能夠了解受神經(jīng)元和自適應(yīng)連接啟發(fā)的并行計(jì)算風(fēng)格，通過(guò)使用受大腦啟發(fā)的新穎學(xué)習(xí)算法來(lái)解決實(shí)際問(wèn)題等。
2018-02-11 11:17:2628148 
人工智能機(jī)器學(xué)習(xí)有關(guān)算法內(nèi)容，人工智能之機(jī)器學(xué)習(xí)主要有三大類：1）分類；2）回歸；3）聚類。今天我們重點(diǎn)探討一下卷積神經(jīng)網(wǎng)絡(luò)（CNN）算法。 前言： 人工智能 機(jī)器學(xué)習(xí)有關(guān)算法內(nèi)容，請(qǐng)參見(jiàn)公眾號(hào)
2018-06-18 10:15:005812 美國(guó)加州理工學(xué)院的科研人員利用合成的DNA分子研制出了一個(gè)人工神經(jīng)網(wǎng)絡(luò)，能夠處理經(jīng)典的機(jī)器學(xué)習(xí)問(wèn)題。
2018-07-26 15:29:172772 本文采用的神經(jīng)網(wǎng)絡(luò)感知器（Perception）是最簡(jiǎn)單的人工神經(jīng)網(wǎng)絡(luò)，它是FRosenblatt于1958年提出的具有自學(xué)習(xí)能力的感知器。在這種人工神經(jīng)網(wǎng)絡(luò)中，記憶的信息存儲(chǔ)在連接權(quán)上，外部刺激
2019-09-20 07:55:002603 
模式，使機(jī)器具有類似人類的智能。它已在模式識(shí)別、機(jī)器學(xué)習(xí)、專家系統(tǒng)等多個(gè)方面得到應(yīng)用，成為人工智能研究中的活躍領(lǐng)域。本章將簡(jiǎn)要介紹神經(jīng)網(wǎng)絡(luò)基本的概念、模型以及學(xué)習(xí)算法。
2019-12-24 08:00:0025 1986年Rumelhart等人提出了人工神經(jīng)網(wǎng)絡(luò)的反向傳播算法，掀起了神經(jīng)網(wǎng)絡(luò)在機(jī)器學(xué)習(xí)中的熱潮，神經(jīng)網(wǎng)絡(luò)中存在大量的參數(shù)，存在容易發(fā)生過(guò)擬合、訓(xùn)練時(shí)間長(zhǎng)的缺點(diǎn)，但是對(duì)比Boosting
2020-08-24 15:57:526804 在上周的人工神經(jīng)網(wǎng)絡(luò)課程中介紹了機(jī)器學(xué)習(xí)中的支持向量機(jī)（SVM：Support Vector Machine）與前饋網(wǎng)絡(luò)RBF的之間的聯(lián)系，而對(duì)于由傳遞函數(shù)為線性函數(shù)組成的單層網(wǎng)絡(luò)的代表自適應(yīng)線性
2020-10-27 15:59:293877 
在上周的人工神經(jīng)網(wǎng)絡(luò)課程中介紹了機(jī)器學(xué)習(xí)中的支持向量機(jī)（SVM：Support Vector Machine）與前饋網(wǎng)絡(luò) RBF 的之間的聯(lián)系，而對(duì)于由傳遞函數(shù)為線性函數(shù)組成的單層網(wǎng)絡(luò)的代表自適應(yīng)
2020-10-30 18:21:53892 在人工神經(jīng)網(wǎng)絡(luò)課程之后，有一位同學(xué)課下問(wèn)了一個(gè)問(wèn)題，她這學(xué)期也在學(xué)習(xí)機(jī)器學(xué)習(xí)課程，感覺(jué)人工神經(jīng)網(wǎng)絡(luò)課程的內(nèi)容與機(jī)器學(xué)習(xí)課程的內(nèi)容大同小異。究竟這些課程之間有何區(qū)別呢？弄不清楚這些自己這學(xué)期的課程很是
2020-11-05 10:02:554017 本文檔的主要內(nèi)容詳細(xì)介紹的是神經(jīng)網(wǎng)絡(luò)與神經(jīng)網(wǎng)絡(luò)控制的學(xué)習(xí)課件免費(fèi)下載包括了:1生物神經(jīng)元模型，2人工神經(jīng)元模型，3人工神經(jīng)網(wǎng)絡(luò)模型，4神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法
2021-01-20 11:20:0511 人工神經(jīng)網(wǎng)絡(luò)的概念： 在對(duì)人腦神經(jīng)網(wǎng)絡(luò)的基本認(rèn)識(shí)的基礎(chǔ)上， 用數(shù)理方法從信息處理的角度對(duì)人腦神經(jīng)網(wǎng)絡(luò)進(jìn)行抽象， 并建立某種簡(jiǎn)化模型， 稱之為人工神經(jīng)網(wǎng)絡(luò)， 是對(duì)人腦的簡(jiǎn)化、抽象以及模擬，是一種旨在模仿人腦結(jié)構(gòu)及其功能的信息處理系統(tǒng)。
2021-02-05 14:05:0013 這種神經(jīng)元沒(méi)有內(nèi)部狀態(tài)的轉(zhuǎn)變，而且函數(shù)為閾值型。因此，它實(shí)質(zhì)上是一種線性閾值計(jì)算單元。感知器是一個(gè)具有單層計(jì)算單元的人工神經(jīng)網(wǎng)絡(luò)。感知器訓(xùn)練算法就是由這種神經(jīng)網(wǎng)絡(luò)演變來(lái)的感知器算法能夠通過(guò)對(duì)訓(xùn)練模式樣本集的“學(xué)習(xí)”得出判別函數(shù)的系數(shù)解。
2021-03-05 14:06:2713 使用脈沖序列進(jìn)行數(shù)據(jù)處理的脈沖
神經(jīng)網(wǎng)絡(luò)具有優(yōu)異的低功耗特性，但由于
學(xué)習(xí)算法不成熟，多層
網(wǎng)絡(luò)練存在收斂困難的問(wèn)題。利用反向傳播
網(wǎng)絡(luò)具有
學(xué)習(xí)算法成熟和訓(xùn)練速度快的特點(diǎn)，設(shè)計(jì)一種遷移
學(xué)習(xí)算法?；诜聪?/div>
2021-05-24 16:03:0715 人工智能-BP神經(jīng)網(wǎng)絡(luò)算法的簡(jiǎn)單實(shí)現(xiàn)說(shuō)明。
2021-05-25 11:30:1612 在介紹卷積神經(jīng)網(wǎng)絡(luò)之前，我們先回顧一下神經(jīng)網(wǎng)絡(luò)的基本知識(shí)。就目前而言，神經(jīng)網(wǎng)絡(luò)是深度學(xué)習(xí)算法的核心，我們所熟知的很多深度學(xué)習(xí)算法的背后其實(shí)都是神經(jīng)網(wǎng)絡(luò)。
2023-02-23 09:14:444834 隨著人工智能(AI)技術(shù)的快速發(fā)展，AI可以越來(lái)越多地支持以前無(wú)法實(shí)現(xiàn)或者難以實(shí)現(xiàn)的應(yīng)用。本文基于此解釋了卷積神經(jīng)網(wǎng)絡(luò)(CNN)及其對(duì)人工智能和機(jī)器學(xué)習(xí)的意義。CNN是一種能夠從復(fù)雜數(shù)據(jù)中提取特征
2023-03-11 23:10:041665 卷積神經(jīng)網(wǎng)絡(luò)原理：卷積神經(jīng)網(wǎng)絡(luò)模型和卷積神經(jīng)網(wǎng)絡(luò)算法 卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）是一種基于深度學(xué)習(xí)的人工神經(jīng)網(wǎng)絡(luò)，是深度學(xué)習(xí)技術(shù)的重要應(yīng)用之
2023-08-17 16:30:302217 的深度學(xué)習(xí)算法。CNN模型最早被提出是為了處理圖像，其模型結(jié)構(gòu)中包含卷積層、池化層和全連接層等關(guān)鍵技術(shù)，經(jīng)過(guò)多個(gè)卷積層和池化層的處理，CNN可以提取出圖像中的特征信息，從而對(duì)圖像進(jìn)行分類。 一、卷積神經(jīng)網(wǎng)絡(luò)算法 卷積神經(jīng)網(wǎng)絡(luò)算法最早起源于圖像處理領(lǐng)域。它是一種深
2023-08-21 16:49:462802 卷積神經(jīng)網(wǎng)絡(luò)算法是機(jī)器算法嗎? 卷積神經(jīng)網(wǎng)絡(luò)算法是機(jī)器算法的一種，它通常被用于圖像、語(yǔ)音、文本等數(shù)據(jù)的處理和分類。隨著深度學(xué)習(xí)的興起，卷積神經(jīng)網(wǎng)絡(luò)逐漸成為了圖像、語(yǔ)音等領(lǐng)域中最熱門的算法之一。 卷積
2023-08-21 16:49:481427 卷積神經(jīng)網(wǎng)絡(luò)算法比其他算法好嗎 卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks, CNN）是一種用于圖像識(shí)別和處理等領(lǐng)域的深度學(xué)習(xí)算法。相對(duì)于傳統(tǒng)的圖像識(shí)別算法，如SIFT
2023-08-21 16:49:511262 卷積神經(jīng)網(wǎng)絡(luò)算法有哪些？? 卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network, CNN) 是一種基于多層感知器（multilayer perceptron, MLP）的深度學(xué)習(xí)
2023-08-21 16:50:012369 深度神經(jīng)網(wǎng)絡(luò)是一種基于神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)算法，其主要特點(diǎn)是由多層神經(jīng)元構(gòu)成，可以根據(jù)數(shù)據(jù)自動(dòng)調(diào)整神經(jīng)元之間的權(quán)重，從而實(shí)現(xiàn)對(duì)大規(guī)模數(shù)據(jù)進(jìn)行預(yù)測(cè)和分類。卷積神經(jīng)網(wǎng)絡(luò)是深度神經(jīng)網(wǎng)絡(luò)的一種，主要應(yīng)用于圖像和視頻處理領(lǐng)域。
2023-08-21 17:07:365027 人工神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別? 人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network, ANN）是一種模仿人腦神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)和功能的計(jì)算模型，也被稱為神經(jīng)網(wǎng)絡(luò)（Neural
2023-08-22 16:45:186057 神經(jīng)網(wǎng)絡(luò)是深度學(xué)習(xí)算法的基本構(gòu)建模塊。神經(jīng)網(wǎng)絡(luò)是一種機(jī)器學(xué)習(xí)算法，旨在模擬人腦的行為。它由相互連接的節(jié)點(diǎn)組成，也稱為人工神經(jīng)元，這些節(jié)點(diǎn)組織成層次結(jié)構(gòu)。Source:victorzhou.com
2023-09-21 08:30:076254 
，人工神經(jīng)網(wǎng)絡(luò)已經(jīng)發(fā)展成為機(jī)器學(xué)習(xí)和人工智能領(lǐng)域的重要技術(shù)之一。本文將詳細(xì)介紹人工神經(jīng)網(wǎng)絡(luò)的模型及其應(yīng)用。 引言 人工神經(jīng)網(wǎng)絡(luò)是一種模擬人腦神經(jīng)元網(wǎng)絡(luò)的計(jì)算模型，它通過(guò)大量的簡(jiǎn)單計(jì)算單元（神經(jīng)元）和它們之間的連接（權(quán)重）來(lái)實(shí)現(xiàn)對(duì)數(shù)據(jù)的學(xué)習(xí)和處理。與傳統(tǒng)的計(jì)
2024-07-02 10:04:282559 和學(xué)習(xí)。本文將詳細(xì)介紹人工神經(jīng)網(wǎng)絡(luò)的工作原理，包括其基本概念、結(jié)構(gòu)、學(xué)習(xí)算法和應(yīng)用領(lǐng)域。 基本概念 1.1 神經(jīng)元 神經(jīng)元是人工神經(jīng)網(wǎng)絡(luò)的基本計(jì)算單元，它接收輸入信號(hào)，進(jìn)行加權(quán)求和，然后通過(guò)激活函數(shù)進(jìn)行非線性變換，生成輸出信號(hào)。神經(jīng)元的結(jié)構(gòu)如圖1所示。 圖
2024-07-02 10:06:012780 神經(jīng)網(wǎng)絡(luò)是一種強(qiáng)大的機(jī)器學(xué)習(xí)算法，廣泛應(yīng)用于各種領(lǐng)域，如圖像識(shí)別、自然語(yǔ)言處理、語(yǔ)音識(shí)別等。本文詳細(xì)介紹了基于神經(jīng)網(wǎng)絡(luò)算法的模型構(gòu)建方法，包括數(shù)據(jù)預(yù)處理、網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)、訓(xùn)練過(guò)程優(yōu)化、模型評(píng)估
2024-07-02 11:21:541615 神經(jīng)網(wǎng)絡(luò)反向傳播算法（Backpropagation Algorithm）是一種用于訓(xùn)練多層前饋神經(jīng)網(wǎng)絡(luò)的監(jiān)督學(xué)習(xí)算法。它通過(guò)最小化損失函數(shù)來(lái)調(diào)整網(wǎng)絡(luò)的權(quán)重和偏置，從而提高網(wǎng)絡(luò)的預(yù)測(cè)性能。本文將詳細(xì)
2024-07-02 14:16:521894 神經(jīng)網(wǎng)絡(luò)算法是人工智能領(lǐng)域的一種重要算法，它模仿了人腦神經(jīng)元網(wǎng)絡(luò)的結(jié)構(gòu)和功能，通過(guò)對(duì)大量數(shù)據(jù)進(jìn)行學(xué)習(xí)和訓(xùn)練，實(shí)現(xiàn)對(duì)復(fù)雜問(wèn)題的求解。 神經(jīng)網(wǎng)絡(luò)算法的發(fā)展歷史 神經(jīng)網(wǎng)絡(luò)算法的起源可以追溯到20世紀(jì)40
2024-07-03 09:44:222247 神經(jīng)網(wǎng)絡(luò)算法是一種模擬人腦神經(jīng)元結(jié)構(gòu)的計(jì)算模型，廣泛應(yīng)用于機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、圖像識(shí)別、語(yǔ)音識(shí)別等領(lǐng)域。然而，神經(jīng)網(wǎng)絡(luò)算法也存在一些優(yōu)缺點(diǎn)。本文將詳細(xì)分析神經(jīng)網(wǎng)絡(luò)算法的優(yōu)缺點(diǎn)。 一、神經(jīng)網(wǎng)絡(luò)算法
2024-07-03 09:47:473781 神經(jīng)網(wǎng)絡(luò)算法是深度學(xué)習(xí)的基礎(chǔ)，它們?cè)谠S多領(lǐng)域都有廣泛的應(yīng)用，如圖像識(shí)別、自然語(yǔ)言處理、語(yǔ)音識(shí)別等。神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)有很多種類型，每種類型都有其獨(dú)特的特點(diǎn)和應(yīng)用場(chǎng)景。以下是對(duì)神經(jīng)網(wǎng)絡(luò)算法結(jié)構(gòu)的介紹
2024-07-03 09:50:471475 神經(jīng)網(wǎng)絡(luò)反向傳播算法（Backpropagation Algorithm）是一種廣泛應(yīng)用于深度學(xué)習(xí)和機(jī)器學(xué)習(xí)領(lǐng)域的優(yōu)化算法，用于訓(xùn)練多層前饋神經(jīng)網(wǎng)絡(luò)。本文將介紹反向傳播算法的優(yōu)缺點(diǎn)。 引言 神經(jīng)網(wǎng)絡(luò)
2024-07-03 11:24:582696 在人工智能領(lǐng)域，機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)是兩個(gè)核心概念，它們各自擁有獨(dú)特的特性和應(yīng)用場(chǎng)景。雖然它們都旨在使計(jì)算機(jī)系統(tǒng)能夠自動(dòng)從數(shù)據(jù)中學(xué)習(xí)和提升，但它們?cè)诙鄠€(gè)方面存在顯著的區(qū)別。本文將從多個(gè)維度深入探討人工
2024-07-04 14:08:163680 人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks，簡(jiǎn)稱ANNs）是一種受生物神經(jīng)網(wǎng)絡(luò)啟發(fā)而構(gòu)建的數(shù)學(xué)模型，用于模擬人腦處理信息的方式。它在機(jī)器學(xué)習(xí)和深度學(xué)習(xí)領(lǐng)域具有廣泛的應(yīng)用，包括
2024-07-05 09:16:181848 人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，ANN）是一種模擬人腦神經(jīng)網(wǎng)絡(luò)的計(jì)算模型，具有自適應(yīng)、自學(xué)習(xí)、泛化能力強(qiáng)等特點(diǎn)。本文將詳細(xì)介紹人工神經(jīng)網(wǎng)絡(luò)模型的各個(gè)層次，包括感知機(jī)
2024-07-05 09:17:492335 BP神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks，簡(jiǎn)稱ANNs）之間的關(guān)系與區(qū)別，是神經(jīng)網(wǎng)絡(luò)領(lǐng)域中一個(gè)基礎(chǔ)且重要的話題。本文將從定義、結(jié)構(gòu)、算法、應(yīng)用及未來(lái)發(fā)展等多個(gè)方面，詳細(xì)闡述BP神經(jīng)網(wǎng)絡(luò)與人工神經(jīng)網(wǎng)絡(luò)之間的異同，以期為讀者提供一個(gè)全面而深入的理解。
2024-07-10 15:20:533040 BP神經(jīng)網(wǎng)絡(luò)（Backpropagation Neural Network），即反向傳播神經(jīng)網(wǎng)絡(luò)，是一種基于梯度下降算法的多層前饋神經(jīng)網(wǎng)絡(luò)，其學(xué)習(xí)機(jī)制的核心在于通過(guò)反向傳播算法
2024-07-10 15:49:291917 多層感知機(jī)（Multilayer Perceptron, MLP）與神經(jīng)網(wǎng)絡(luò)之間的區(qū)別，實(shí)際上在一定程度上是特殊與一般的關(guān)系。多層感知機(jī)是神經(jīng)網(wǎng)絡(luò)的一種具體實(shí)現(xiàn)形式，特別是前饋神經(jīng)網(wǎng)絡(luò)
2024-07-11 17:23:134271 Moku3.3版更新在Moku:Pro平臺(tái)新增了全新的儀器功能【神經(jīng)網(wǎng)絡(luò)】，使用戶能夠在Moku設(shè)備上部署實(shí)時(shí)機(jī)器學(xué)習(xí)算法，進(jìn)行快速、靈活的信號(hào)分析、去噪、傳感器調(diào)節(jié)校準(zhǔn)、閉環(huán)反饋等應(yīng)用。如果您
2024-11-01 08:06:33990 
隨著人工智能技術(shù)的飛速發(fā)展，機(jī)器學(xué)習(xí)算法在各個(gè)領(lǐng)域中扮演著越來(lái)越重要的角色。長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM）作為一種特殊的循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN），因其在處理序列數(shù)據(jù)方面的優(yōu)勢(shì)而受到廣泛關(guān)注。 LSTM
2024-11-13 10:17:592752 在上一篇文章中，我們介紹了傳統(tǒng)
機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)和多種
算法。在本文中，我們會(huì)介紹
人工神經(jīng)網(wǎng)絡(luò)的原理和多種
神經(jīng)網(wǎng)絡(luò)架構(gòu)方法，供各位老師選擇。 01
人工神經(jīng)網(wǎng)絡(luò) ?
人工神經(jīng)網(wǎng)絡(luò)模型之所以得名，是因?yàn)?/div>
2025-01-09 10:24:522478 
），是一種多層前饋神經(jīng)網(wǎng)絡(luò)，它通過(guò)反向傳播算法進(jìn)行訓(xùn)練。BP神經(jīng)網(wǎng)絡(luò)由輸入層、一個(gè)或多個(gè)隱藏層和輸出層組成，通過(guò)逐層遞減的方式調(diào)整網(wǎng)絡(luò)權(quán)重，目的是最小化網(wǎng)絡(luò)的輸出誤差。 二、深度學(xué)習(xí)的定義與發(fā)展 深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)子集，指的是那些包含多個(gè)處理層的復(fù)雜網(wǎng)絡(luò)模
2025-02-12 15:15:211520 神經(jīng)網(wǎng)絡(luò)（即反向傳播神經(jīng)網(wǎng)絡(luò)）的核心，它建立在梯度下降法的基礎(chǔ)上，是一種適合于多層神經(jīng)元網(wǎng)絡(luò)的學(xué)習(xí)算法。該算法通過(guò)計(jì)算每層網(wǎng)絡(luò)的誤差，并將這些誤差反向傳播到前一層，從而調(diào)整權(quán)重，使得網(wǎng)絡(luò)的預(yù)測(cè)更接近真實(shí)值。 二、算法原理 反向傳播算法的基本原理是通過(guò)計(jì)算損
2025-02-12 15:18:191429 已全部加載完成
電子發(fā)燒友App
工商網(wǎng)監(jiān)
評(píng)論