接觸人工智能的內(nèi)容時(shí)，經(jīng)常性的會(huì)看到人工智能，機(jī)器學(xué)習(xí)，深度學(xué)習(xí)還有神經(jīng)網(wǎng)絡(luò)的不同的術(shù)語(yǔ)，一個(gè)個(gè)都很高冷，以致于傻傻分不清到底它們之間是什么樣的關(guān)系，很多時(shí)候都認(rèn)為是一個(gè)東西的不同表達(dá)而已，看了一些具體的介紹后才漸漸有了一個(gè)大體的模型。
2018-05-07 08:55:21
42727 
第三代神經(jīng)網(wǎng)絡(luò)，脈沖神經(jīng)網(wǎng)絡(luò)（Spiking Neural Network，SNN），旨在彌合神經(jīng)科學(xué)和機(jī)器學(xué)習(xí)之間的差距，使用最擬合生物神經(jīng)元機(jī)制的模型來(lái)進(jìn)行計(jì)算。脈沖神經(jīng)網(wǎng)絡(luò)與目前流行的神經(jīng)網(wǎng)絡(luò)
2018-01-15 10:14:5416841 深度學(xué)習(xí)與圖神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)分享：CNN 經(jīng)典網(wǎng)絡(luò)之-ResNet resnet 又叫深度殘差網(wǎng)絡(luò) 圖像識(shí)別準(zhǔn)確率很高，主要作者是國(guó)人哦 深度網(wǎng)絡(luò)的退化問(wèn)題 深度網(wǎng)絡(luò)難以訓(xùn)練，梯度消失，梯度爆炸
2022-10-12 09:54:421641 
處理技術(shù)也可以通過(guò)深度學(xué)習(xí)來(lái)獲得更優(yōu)異的效果，比如去噪、超分辨率和跟蹤算法等。為了跟上時(shí)代的步伐，必須對(duì)深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)技術(shù)有所學(xué)習(xí)和研究。本文將介紹深度學(xué)習(xí)技術(shù)、神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)以及它們在相關(guān)領(lǐng)域中的應(yīng)用。
2024-01-11 10:51:323474 
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?b class="flag-6" style="color: red">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
應(yīng)用與其他更簡(jiǎn)單的機(jī)器學(xué)習(xí)應(yīng)用的區(qū)別在于它們采用二維輸入格式。在眾多機(jī)器學(xué)習(xí)應(yīng)用中極為常用的神經(jīng)網(wǎng)絡(luò)是深度神經(jīng)網(wǎng)絡(luò) (DNN)。這類神經(jīng)網(wǎng)絡(luò)擁有多個(gè)隱藏層，能實(shí)現(xiàn)更復(fù)雜的機(jī)器學(xué)習(xí)任務(wù)。...
2021-12-14 07:03:28
機(jī)器學(xué)習(xí)的形式有許多種，但當(dāng)前具備實(shí)用價(jià)值的大部分機(jī)器學(xué)習(xí)算法都來(lái)自于監(jiān)督學(xué)習(xí)。我將經(jīng)常提及神經(jīng)網(wǎng)絡(luò)（也被人們稱為“深度學(xué)習(xí)” ），但你只需對(duì)這個(gè)概念有基礎(chǔ)的了解便可以閱讀本書后面的內(nèi)容。如果對(duì)上
2018-11-30 16:45:03
;而深度學(xué)習(xí)使用獨(dú)立的層、連接，還有數(shù)據(jù)傳播方向，比如最近大火的卷積神經(jīng)網(wǎng)絡(luò)是第一個(gè)真正多層結(jié)構(gòu)學(xué)習(xí)算法，它利用空間相對(duì)關(guān)系減少參數(shù)數(shù)目以提高訓(xùn)練性能，讓機(jī)器認(rèn)知過(guò)程逐層進(jìn)行，逐步抽象，從而大幅度提升
2018-07-04 16:07:53
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
Applied to Document Recognition） 介紹了卷積神經(jīng)網(wǎng)絡(luò)在機(jī)器學(xué)習(xí)中的應(yīng)用。Toronto 2009年的文章《深度波茲曼機(jī)器》（Deep Boltzmann
2019-03-07 20:17:28
的初學(xué)者。日記目標(biāo)是構(gòu)建深度學(xué)習(xí)環(huán)境，使用的是TensorFlow后端的Keras，Keras 是一個(gè)用 Python 編寫的高級(jí)神經(jīng)網(wǎng)絡(luò) API，它能夠以 TensorFlow, CNTK, 或者
2018-06-04 22:32:12
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
今天學(xué)習(xí)了兩個(gè)神經(jīng)網(wǎng)絡(luò)，分別是自適應(yīng)諧振（ART）神經(jīng)網(wǎng)絡(luò)與自組織映射（SOM）神經(jīng)網(wǎng)絡(luò)。整體感覺(jué)不是很難，只不過(guò)一些最基礎(chǔ)的概念容易理解不清。首先ART神經(jīng)網(wǎng)絡(luò)是競(jìng)爭(zhēng)學(xué)習(xí)的一個(gè)代表，競(jìng)爭(zhēng)型學(xué)習(xí)
2019-07-21 04:30:00
人工智能、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)之間，主要有什么關(guān)系？
2020-03-16 11:35:54
，如何用一個(gè)神經(jīng)網(wǎng)絡(luò)，寫出一套機(jī)器學(xué)習(xí)算法，來(lái)自動(dòng)識(shí)別未知的圖像。一個(gè) 4 層的神經(jīng)網(wǎng)絡(luò)輸入層經(jīng)過(guò)幾層算法得到輸出層 實(shí)現(xiàn)機(jī)器學(xué)習(xí)的方法有很多，近年被人們討論得多的方法就是深度學(xué)習(xí)。 深度學(xué)習(xí)是一種實(shí)現(xiàn)
2018-05-11 11:43:14
什么是深度學(xué)習(xí)為了解釋深度學(xué)習(xí)，有必要了解神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)是一種模擬人腦的神經(jīng)元和神經(jīng)網(wǎng)絡(luò)的計(jì)算模型。作為具體示例，讓我們考慮一個(gè)輸入圖像并識(shí)別圖像中對(duì)象類別的示例。這個(gè)例子對(duì)應(yīng)機(jī)器學(xué)習(xí)中的分類
2023-02-17 16:56:59
俊楠分享了典型模式-深度神經(jīng)網(wǎng)絡(luò)入門。本文詳細(xì)介紹了關(guān)于深度神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程，并詳細(xì)介紹了各個(gè)階段模型的結(jié)構(gòu)及特點(diǎn)。直播回顧請(qǐng)點(diǎn)擊以下是精彩視頻內(nèi)容整理：?jiǎn)栴}引出學(xué)習(xí)知識(shí)從問(wèn)題引出入手是一個(gè)很好
2018-05-08 15:57:47
本文使用keras搭建神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)基于深度學(xué)習(xí)算法的股票價(jià)格預(yù)測(cè)。本文使用的數(shù)據(jù)來(lái)源為tushare，一個(gè)免費(fèi)開源接口；且只取開票價(jià)進(jìn)行預(yù)測(cè)。import numpy as npimport
2022-02-08 06:40:03
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
【深度學(xué)習(xí)】卷積神經(jīng)網(wǎng)絡(luò)CNN
2020-06-14 18:55:37
《深度學(xué)習(xí)工程師-吳恩達(dá)》03卷積神經(jīng)網(wǎng)絡(luò)—深度卷積網(wǎng)絡(luò)：實(shí)例探究 學(xué)習(xí)總結(jié)
2020-05-22 17:15:57
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
不僅限于已知的訓(xùn)練圖像。該神經(jīng)網(wǎng)絡(luò)需要映射到MCU中。模式識(shí)別機(jī)的內(nèi)部到底是什么樣子的？人工智能中的神經(jīng)元網(wǎng)絡(luò)類似于人腦中的生物對(duì)應(yīng)物。一個(gè)神經(jīng)元有幾個(gè)輸入和一個(gè)輸出?；旧?，這樣的神經(jīng)元只不過(guò)是輸入
2023-02-23 20:11:10
“狗”。深度學(xué)習(xí)主要應(yīng)用在數(shù)據(jù)分析上，其核心技術(shù)包括：神經(jīng)網(wǎng)絡(luò)搭建、神經(jīng)網(wǎng)絡(luò)訓(xùn)練及調(diào)用。CNN神經(jīng)網(wǎng)絡(luò)訓(xùn)練 機(jī)器視覺(jué)中的圖像預(yù)處理屬于傳統(tǒng)技術(shù)，包括形態(tài)變換、邊緣檢測(cè)、BLOB分析等。圖像在人眼和機(jī)器下
2018-05-31 09:36:03
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
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
《深度學(xué)習(xí)工程師-吳恩達(dá)》02改善深層神經(jīng)網(wǎng)絡(luò)--超參數(shù)優(yōu)化、batch正則化和程序框架 學(xué)習(xí)總結(jié)
2020-06-16 14:52:01
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
解析深度學(xué)習(xí)：卷積神經(jīng)網(wǎng)絡(luò)原理與視覺(jué)實(shí)踐
2020-06-14 22:21:12
《神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)》講義
2017-07-20 08:58:24
0 BP神經(jīng)網(wǎng)絡(luò)模型與學(xué)習(xí)算法
2017-09-08 09:42:4810 憑借出色的性能和功耗指標(biāo)，賽靈思 FPGA 成為設(shè)計(jì)人員構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)的首選。新的軟件工具可簡(jiǎn)化實(shí)現(xiàn)工作。人工智能正在經(jīng)歷一場(chǎng)變革，這要得益于機(jī)器學(xué)習(xí)的快速進(jìn)步。在機(jī)器學(xué)習(xí)領(lǐng)域，人們正對(duì)一類名為
2017-11-17 11:47:421704 深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)未來(lái)發(fā)展將出現(xiàn)兩大趨勢(shì)：計(jì)算遷移和基于小樣本集的學(xué)習(xí)算法；網(wǎng)絡(luò)結(jié)構(gòu)及效率不斷優(yōu)化，面向智能終端的AI處理芯片將出現(xiàn)；深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的壓縮技術(shù)也將不斷成熟。
2017-12-01 09:48:018118 當(dāng)下，最常被提起的名詞就是機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)，用數(shù)學(xué)上集合里的概念去理解這三者之間的聯(lián)系，他們之間依次是包含的關(guān)系，即機(jī)器學(xué)習(xí)包含深度學(xué)習(xí)，深度學(xué)習(xí)包含神經(jīng)網(wǎng)絡(luò)。其中，四層以上的神經(jīng)網(wǎng)絡(luò)就可以稱之為深度學(xué)習(xí)，而深度學(xué)習(xí)是一種典型的機(jī)器學(xué)習(xí)。
2018-07-13 08:37:006563 學(xué)習(xí)率（learning rate）是調(diào)整深度神經(jīng)網(wǎng)絡(luò)最重要的超參數(shù)之一，本文作者Pavel Surmenok描述了一個(gè)簡(jiǎn)單而有效的辦法來(lái)幫助你找尋合理的學(xué)習(xí)率。 我正在舊金山大學(xué)的 fast.ai
2017-12-07 11:05:422667 據(jù)報(bào)道，亞馬遜和微軟合力推出全新的深度學(xué)習(xí)庫(kù)，名字叫Gluon。此舉被認(rèn)為是在云計(jì)算市場(chǎng)上與谷歌叫板，谷歌曾通過(guò)AI生態(tài)系統(tǒng)發(fā)力云計(jì)算，強(qiáng)調(diào)自身產(chǎn)品對(duì)深度學(xué)習(xí)的強(qiáng)大支持。Gluon可以讓訓(xùn)練神經(jīng)網(wǎng)絡(luò)像開發(fā)APP一樣簡(jiǎn)單，簡(jiǎn)潔的代碼構(gòu)建神經(jīng)網(wǎng)絡(luò)，而不需要犧牲性能。
2018-01-05 16:56:104101 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 
大數(shù)據(jù)人工智能技術(shù)，在應(yīng)用層面包括機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)等，它們都是現(xiàn)代人工智能的核心技術(shù)。在大數(shù)據(jù)背景下，這些技術(shù)均得到了質(zhì)的提升，人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的包含關(guān)系如下圖。
2018-07-01 10:17:002355 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 
深度學(xué)習(xí)和人工智能是 2017 年的熱詞；2018 年，這兩個(gè)詞愈發(fā)火熱，但也更加容易混淆。我們將深入深度學(xué)習(xí)的核心，也就是神經(jīng)網(wǎng)絡(luò)。
2018-04-02 09:47:0910661 
在前幾十年，神經(jīng)網(wǎng)絡(luò)并沒(méi)有受到人們的重視，直到深度學(xué)習(xí)的出現(xiàn)，人們利用深度學(xué)習(xí)解決了不少實(shí)際問(wèn)題（即一些落地性質(zhì)的商業(yè)應(yīng)用），神經(jīng)網(wǎng)絡(luò)才成為學(xué)界和工業(yè)界關(guān)注的一個(gè)焦點(diǎn)。本文以盡可能直白，簡(jiǎn)單的方式介紹深度學(xué)習(xí)中三種典型的神經(jīng)網(wǎng)絡(luò)以及深度學(xué)習(xí)中的正則化方法。為后面在無(wú)人駕駛中的應(yīng)用做鋪墊。
2018-06-03 09:27:0310284 深度學(xué)習(xí)屬于機(jī)器學(xué)習(xí)的一個(gè)子域，其相關(guān)算法受到大腦結(jié)構(gòu)與功能（即人工神經(jīng)網(wǎng)絡(luò)）的啟發(fā)。深度學(xué)習(xí)如今的全部?jī)r(jià)值皆通過(guò)監(jiān)督式學(xué)習(xí)或經(jīng)過(guò)標(biāo)記的數(shù)據(jù)及算法實(shí)現(xiàn)。深度學(xué)習(xí)中的每種算法皆經(jīng)過(guò)相同的學(xué)習(xí)過(guò)程。深度學(xué)習(xí)包含輸入內(nèi)容的非近線變換層級(jí)結(jié)構(gòu)，可用于創(chuàng)建統(tǒng)計(jì)模型并輸出對(duì)應(yīng)結(jié)果。
2018-06-23 12:25:0082103 
《神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)》是一本免費(fèi)的在線書。本書會(huì)教會(huì)你：
? 神經(jīng)網(wǎng)絡(luò)，一種美妙的受生物學(xué)啟發(fā)的編程范式，可以讓計(jì)算機(jī)從觀測(cè)數(shù)據(jù)中進(jìn)行學(xué)習(xí)
? 深度學(xué)習(xí)，一個(gè)強(qiáng)有力的用于神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的眾多技術(shù)的集合
2018-08-02 17:47:310 學(xué)習(xí)的比較外，我們還將研究他們未來(lái)的趨勢(shì)和走向。 深度學(xué)習(xí)與機(jī)器學(xué)習(xí)簡(jiǎn)介 一、什么是機(jī)器學(xué)習(xí)？ 通常，為了實(shí)現(xiàn)人工智能，我們使用機(jī)器學(xué)習(xí)。我們有幾種算法用于機(jī)器學(xué)習(xí)。例如： Find-S算法 決策樹算法（Decision trees） 隨機(jī)森林算法（Random forests） 人工神經(jīng)網(wǎng)絡(luò) 通常
2018-09-13 17:19:011543 開源的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)正步入成熟，而現(xiàn)在有許多框架具備為個(gè)性化方案提供先進(jìn)的機(jī)器學(xué)習(xí)和人工智能的能力。
2018-09-21 17:02:537126 怎樣理解非線性變換和多層網(wǎng)絡(luò)后的線性可分，神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)就是學(xué)習(xí)如何利用矩陣的線性變換加激活函數(shù)的非線性變換。
2018-10-23 14:44:214382 近年來(lái)，隨著科技的快速發(fā)展，人工智能不斷進(jìn)入我們的視野中。作為人工智能的核心技術(shù)，機(jī)器學(xué)習(xí)和深度學(xué)習(xí)也變得越來(lái)越火。一時(shí)間，它們幾乎成為了每個(gè)人都在談?wù)摰脑掝}。那么，機(jī)器學(xué)習(xí)和深度學(xué)習(xí)到底是什么，它們之間究竟有什么不同呢？
2019-05-11 10:13:134324 本文檔的詳細(xì)介紹的是快速了解神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)的教程資料免費(fèi)下載主要內(nèi)容包括了：機(jī)器學(xué)習(xí)概述，線性模型，前饋神經(jīng)網(wǎng)絡(luò)，卷積神經(jīng)網(wǎng)絡(luò)，循環(huán)神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)優(yōu)化與正則化，記憶與注意力機(jī)制，無(wú)監(jiān)督學(xué)習(xí)，概率圖模型，玻爾茲曼機(jī)，深度信念網(wǎng)絡(luò)，深度生成模型，深度強(qiáng)化學(xué)習(xí)
2019-02-11 08:00:0033 本質(zhì)上，深度學(xué)習(xí)提供了一套技術(shù)和算法，這些技術(shù)和算法可以幫助我們對(duì)深層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行參數(shù)化——人工神經(jīng)網(wǎng)絡(luò)中有很多隱含層數(shù)和參數(shù)。深度學(xué)習(xí)背后的一個(gè)關(guān)鍵思想是從給定的數(shù)據(jù)集中提取高層次的特征。因此，深度學(xué)習(xí)的目標(biāo)是克服單調(diào)乏味的特征工程任務(wù)的挑戰(zhàn)，并幫助將傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)進(jìn)行參數(shù)化。
2019-06-08 14:44:005014 
深度學(xué)習(xí)（DL）是機(jī)器學(xué)習(xí)中一種基于對(duì)數(shù)據(jù)進(jìn)行表征學(xué)習(xí)的方法，是一種能夠模擬出人腦的神經(jīng)結(jié)構(gòu)的機(jī)器學(xué)習(xí)方法。深度學(xué)習(xí)的概念源于人工神經(jīng)網(wǎng)絡(luò)的研究。而人工神經(jīng)網(wǎng)絡(luò)ANN（Artificial
2019-09-20 08:00:001 深度學(xué)習(xí)和機(jī)器學(xué)習(xí)已經(jīng)變得無(wú)處不在，那它們之間到底有什么區(qū)別呢？本文我們?yōu)榇蠹铱偨Y(jié)了深度學(xué)習(xí)VS機(jī)器學(xué)習(xí)的六大本質(zhì)區(qū)別。
2019-11-30 11:17:0215876 深度神經(jīng)網(wǎng)絡(luò)與其他很多機(jī)器學(xué)習(xí)模型一樣，可分為訓(xùn)練和推理兩個(gè)階段。訓(xùn)練階段根據(jù)數(shù)據(jù)學(xué)習(xí)模型中的參數(shù)（對(duì)神經(jīng)網(wǎng)絡(luò)來(lái)說(shuō)主要是網(wǎng)絡(luò)中的權(quán)重）；推理階段將新數(shù)據(jù)輸入模型，經(jīng)過(guò)計(jì)算得出結(jié)果。
2020-03-27 15:50:173572 深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的子集，是通過(guò)訓(xùn)練示例開發(fā)AI的科學(xué)。但是直到最近幾年，由于效率低下，它們在很大程度上已被AI社區(qū)駁回。在過(guò)去的幾年中，大量數(shù)據(jù)和計(jì)算資源的可用性使神經(jīng)網(wǎng)絡(luò)備受關(guān)注，并使開發(fā)能夠解決現(xiàn)實(shí)世界問(wèn)題的深度學(xué)習(xí)算法成為可能。
2020-07-24 09:26:191871 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 深度學(xué)習(xí)是機(jī)器學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)、人工智能、圖形化建模、優(yōu)化、模式識(shí)別和信號(hào)處理等技術(shù)融合后產(chǎn)生的一個(gè)領(lǐng)域。
2020-11-05 09:31:195356 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 深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)子領(lǐng)域，研究的算法靈感來(lái)自于大腦的結(jié)構(gòu)和功能，稱為人工神經(jīng)網(wǎng)絡(luò)。如果你現(xiàn)在剛剛開始進(jìn)入深度學(xué)習(xí)領(lǐng)域，或者你曾經(jīng)有過(guò)一些神經(jīng)網(wǎng)絡(luò)的經(jīng)驗(yàn)，你可能會(huì)感到困惑。因?yàn)槲抑牢覄傞_始
2021-01-20 11:20:0713 本文檔的主要內(nèi)容詳細(xì)介紹的是神經(jīng)網(wǎng)絡(luò)的介紹和在GIS中有什么樣的應(yīng)用說(shuō)明。
2021-01-21 14:28:2919 卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、注意力機(jī)制等方法在文本分類中的應(yīng)用和發(fā)展，分析多種典型分類方法的特點(diǎn)和性能，從準(zhǔn)確率和運(yùn)行時(shí)間方面對(duì)基礎(chǔ)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行比較，表明深度神經(jīng)網(wǎng)絡(luò)較傳統(tǒng)機(jī)器學(xué)習(xí)方法在用于文本分類時(shí)更具優(yōu)
2021-03-10 16:56:5637 本文檔的主要內(nèi)容詳細(xì)介紹的是神經(jīng)網(wǎng)絡(luò)的方法學(xué)習(xí)課件免費(fèi)下載包括了：神經(jīng)網(wǎng)絡(luò)發(fā)展史，神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)，深度神經(jīng)網(wǎng)絡(luò)進(jìn)展，發(fā)展趨勢(shì)與展望
2021-03-11 10:10:3718 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)十余年來(lái)快速發(fā)展的嶄新領(lǐng)域，越來(lái)越受到研究者的關(guān)注。卷積神經(jīng)網(wǎng)絡(luò)（CNN）模型是深度學(xué)習(xí)模型中最重要的一種經(jīng)典結(jié)構(gòu)，其性能在近年來(lái)深度學(xué)習(xí)任務(wù)上
2021-04-02 15:29:0421 3小時(shí)學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)課件下載
2021-04-19 09:36:550 隨著深度學(xué)習(xí)的不斷發(fā)展，卷積神經(jīng)網(wǎng)絡(luò)（CNN）在目標(biāo)檢測(cè)與圖像分類中受到研究者的廣泛關(guān)注。CNN從 Lenet5網(wǎng)絡(luò)發(fā)展到深度殘差網(wǎng)絡(luò)，其層數(shù)不斷增加?；?b class="flag-6" style="color: red">神經(jīng)網(wǎng)絡(luò)中“深度”的含義，在確保感受野相同
2021-05-19 16:11:005 傳播網(wǎng)絡(luò)完成訓(xùn)練過(guò)程，并通過(guò)脈沖編碼規(guī)則和自適應(yīng)的權(quán)值映射關(guān)系，將訓(xùn)練結(jié)果遷移至脈沖神經(jīng)網(wǎng)絡(luò)。實(shí)驗(yàn)結(jié)果表明，在多層脈沖神經(jīng)網(wǎng)絡(luò)中，遷移學(xué)習(xí)算法能夠有效解決訓(xùn)練過(guò)程中收斂困難的問(wèn)題，在 MNIST數(shù)據(jù)集和 CIFAR-10數(shù)據(jù)集上
2021-05-24 16:03:0715 深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)子集，它使用神經(jīng)網(wǎng)絡(luò)來(lái)執(zhí)行學(xué)習(xí)和預(yù)測(cè)。深度學(xué)習(xí)在各種任務(wù)中都表現(xiàn)出了驚人的表現(xiàn)，無(wú)論是文本、時(shí)間序列還是計(jì)算機(jī)視覺(jué)。
2022-04-07 10:17:052221 在過(guò)去的幾年中，神經(jīng)網(wǎng)絡(luò)的興起與應(yīng)用成功推動(dòng)了模式識(shí)別和數(shù)據(jù)挖掘的研究。許多曾經(jīng)嚴(yán)重依賴于手工提取特征的機(jī)器學(xué)習(xí)任務(wù)（如目標(biāo)檢測(cè)、機(jī)器翻譯和語(yǔ)音識(shí)別），如今都已被各種端到端的深度學(xué)習(xí)范式（例如卷積
2022-09-22 10:16:342834 
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 09:14:444833 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 來(lái)源：青榴實(shí)驗(yàn)室 1、引子 深度神經(jīng)網(wǎng)絡(luò)(DNNs)最近在圖像分類或語(yǔ)音識(shí)別等復(fù)雜機(jī)器學(xué)習(xí)任務(wù)中表現(xiàn)出的優(yōu)異性能令人印象深刻。 在本文中，我們將了解深度神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識(shí)和三個(gè)最流行神經(jīng)網(wǎng)絡(luò)：多層
2023-05-15 14:20:011616 
來(lái)源：青榴實(shí)驗(yàn)室1、引子深度神經(jīng)網(wǎng)絡(luò)(DNNs)最近在圖像分類或語(yǔ)音識(shí)別等復(fù)雜機(jī)器學(xué)習(xí)任務(wù)中表現(xiàn)出的優(yōu)異性能令人印象深刻。在本文中，我們將了解深度神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識(shí)和三個(gè)最流行神經(jīng)網(wǎng)絡(luò)：多層神經(jīng)網(wǎng)絡(luò)
2023-05-17 09:59:194321 
深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)的區(qū)別在于隱藏層的深度。一般來(lái)說(shuō)，神經(jīng)網(wǎng)絡(luò)的隱藏層要比實(shí)現(xiàn)深度學(xué)習(xí)的系統(tǒng)淺得多，而深度學(xué)習(xí)的在隱藏層可以有很多層。
2023-07-28 10:44:27981 
。 在深度學(xué)習(xí)中，使用了一些快速的算法，比如卷積神經(jīng)網(wǎng)絡(luò)以及深度神經(jīng)網(wǎng)絡(luò)，這些算法在大量數(shù)據(jù)處理和圖像識(shí)別上面有著非常重要的作用。 深度學(xué)習(xí)領(lǐng)域的發(fā)展不僅僅是科技上的顛覆，更是對(duì)人類思維模式的挑戰(zhàn)。雖然深度學(xué)習(xí)
2023-08-17 16:03:043074 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 17:07:365026 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 神經(jīng)網(wǎng)絡(luò)架構(gòu)是機(jī)器學(xué)習(xí)領(lǐng)域中的核心組成部分，它們模仿了生物神經(jīng)網(wǎng)絡(luò)的運(yùn)作方式，通過(guò)復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)實(shí)現(xiàn)信息的處理、存儲(chǔ)和傳遞。隨著深度學(xué)習(xí)技術(shù)的不斷發(fā)展，各種神經(jīng)網(wǎng)絡(luò)架構(gòu)被提出并廣泛應(yīng)用于圖像識(shí)別
2024-07-01 14:16:422335 深度神經(jīng)網(wǎng)絡(luò)（Deep Neural Networks，DNNs）是一類具有多個(gè)隱藏層的神經(jīng)網(wǎng)絡(luò)，它們在許多領(lǐng)域取得了顯著的成功，如計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理、語(yǔ)音識(shí)別等。以下是一些常見的深度神經(jīng)網(wǎng)絡(luò)
2024-07-02 10:00:013226 隨著人工智能技術(shù)的飛速發(fā)展，深度學(xué)習(xí)和卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network, CNN）作為其中的重要分支，已經(jīng)在多個(gè)領(lǐng)域取得了顯著的應(yīng)用成果。從圖像識(shí)別、語(yǔ)音識(shí)別
2024-07-02 18:19:171852 神經(jīng)網(wǎng)絡(luò)是一種強(qiáng)大的機(jī)器學(xué)習(xí)技術(shù)，可以用于建模和預(yù)測(cè)變量之間的關(guān)系。 神經(jīng)網(wǎng)絡(luò)的基本概念 神經(jīng)網(wǎng)絡(luò)是一種受人腦啟發(fā)的計(jì)算模型，由大量的節(jié)點(diǎn)（神經(jīng)元）組成，這些節(jié)點(diǎn)通過(guò)權(quán)重連接在一起。每個(gè)神經(jīng)元接收
2024-07-03 10:23:071693 在探討深度神經(jīng)網(wǎng)絡(luò)（Deep Neural Networks, DNNs）與基本神經(jīng)網(wǎng)絡(luò)（通常指?jìng)鹘y(tǒng)神經(jīng)網(wǎng)絡(luò)或前向神經(jīng)網(wǎng)絡(luò)）的區(qū)別時(shí)，我們需要從多個(gè)維度進(jìn)行深入分析。這些維度包括網(wǎng)絡(luò)結(jié)構(gòu)、訓(xùn)練機(jī)制、特征學(xué)習(xí)能力、應(yīng)用領(lǐng)域以及計(jì)算資源需求等方面。以下是對(duì)兩者區(qū)別的詳細(xì)闡述。
2024-07-04 13:20:362554 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，但它們在多個(gè)方面存在顯著的區(qū)別。本文將從多個(gè)維度深入探討
2024-07-04 14:08:163680 深度神經(jīng)網(wǎng)絡(luò)（Deep Neural Networks, DNNs）作為機(jī)器學(xué)習(xí)的一種復(fù)雜形式，是廣義人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks, ANNs）的重要分支。它們
2024-07-04 16:08:163803 深度學(xué)習(xí)和自然語(yǔ)言處理（NLP）是計(jì)算機(jī)科學(xué)領(lǐng)域中兩個(gè)非常重要的研究方向。它們之間既有聯(lián)系，也有區(qū)別。本文將介紹深度學(xué)習(xí)與NLP的區(qū)別。 深度學(xué)習(xí)簡(jiǎn)介 深度學(xué)習(xí)是一種基于人工神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)
2024-07-05 09:47:282121 BP神經(jīng)網(wǎng)絡(luò)（Backpropagation Neural Network）和卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，簡(jiǎn)稱CNN）是兩種在人工智能和機(jī)器學(xué)習(xí)領(lǐng)域
2024-07-10 15:24:442989 （Backpropagation Algorithm，簡(jiǎn)稱BP算法）來(lái)不斷調(diào)整網(wǎng)絡(luò)的權(quán)重和閾值，以最小化網(wǎng)絡(luò)輸出與目標(biāo)值之間的誤差。本文將從BP神經(jīng)網(wǎng)絡(luò)的基本原理、學(xué)習(xí)機(jī)制、訓(xùn)練過(guò)程以及應(yīng)用等方面進(jìn)行詳細(xì)闡述。
2024-07-10 15:49:291916 深度神經(jīng)網(wǎng)絡(luò)（Deep Neural Networks, DNNs）作為機(jī)器學(xué)習(xí)領(lǐng)域中的一種重要技術(shù)，特別是在深度學(xué)習(xí)領(lǐng)域，已經(jīng)取得了顯著的成就。它們通過(guò)模擬人類大腦的處理方式，利用多層神經(jīng)元結(jié)構(gòu)
2024-07-10 18:23:312814 AI大模型與深度學(xué)習(xí)之間存在著密不可分的關(guān)系，它們互為促進(jìn)，相輔相成。以下是對(duì)兩者關(guān)系的介紹： 一、深度學(xué)習(xí)是AI大模型的基礎(chǔ) 技術(shù)支撐 ：深度學(xué)習(xí)是一種機(jī)器學(xué)習(xí)的方法，通過(guò)多層神經(jīng)網(wǎng)絡(luò)來(lái)模擬
2024-10-23 15:25:503785 深度學(xué)習(xí)近年來(lái)在多個(gè)領(lǐng)域取得了顯著的進(jìn)展，尤其是在圖像識(shí)別、語(yǔ)音識(shí)別和自然語(yǔ)言處理等方面。卷積神經(jīng)網(wǎng)絡(luò)作為深度學(xué)習(xí)的一個(gè)分支，因其在圖像處理任務(wù)中的卓越性能而受到廣泛關(guān)注。 卷積神經(jīng)網(wǎng)絡(luò)的基本概念
2024-11-15 14:52:251300 深度學(xué)習(xí)中，神經(jīng)網(wǎng)絡(luò)是核心模型。今天我們用 Python 和 NumPy 構(gòu)建一個(gè)簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)。 神經(jīng)網(wǎng)絡(luò)由多個(gè)神經(jīng)元組成，神經(jīng)元之間通過(guò)權(quán)重連接。我們構(gòu)建一個(gè)包含輸入層、隱藏層和輸出層的簡(jiǎn)單
2025-01-23 13:52:15915 BP神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)之間存在著密切的關(guān)系，以下是對(duì)它們之間關(guān)系的介紹： 一、BP神經(jīng)網(wǎng)絡(luò)的基本概念 BP神經(jīng)網(wǎng)絡(luò)，即反向傳播神經(jīng)網(wǎng)絡(luò)（Backpropagation Neural Network
2025-02-12 15:15:211519 優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)率是提高模型訓(xùn)練效率和性能的關(guān)鍵步驟。以下是一些優(yōu)化BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)率的方法： 一、理解學(xué)習(xí)率的重要性 學(xué)習(xí)率決定了模型參數(shù)在每次迭代時(shí)更新的幅度。過(guò)大的學(xué)習(xí)率可能導(dǎo)致模型在
2025-02-12 15:51:371536 圖 1：基于深度學(xué)習(xí)的目標(biāo)檢測(cè)可定位已訓(xùn)練的目標(biāo)類別，并通過(guò)矩形框（邊界框）對(duì)其進(jìn)行標(biāo)識(shí)。 在討論人工智能（AI）或深度學(xué)習(xí)時(shí)，經(jīng)常會(huì)出現(xiàn)“神經(jīng)網(wǎng)絡(luò)”、“黑箱”、“標(biāo)注”等術(shù)語(yǔ)。這些概念對(duì)非專業(yè)
2025-09-10 17:38:45771 
日常生活中的智能應(yīng)用都離不開深度學(xué)習(xí)，而深度學(xué)習(xí)則依賴于神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)。什么是神經(jīng)網(wǎng)絡(luò)？神經(jīng)網(wǎng)絡(luò)的核心思想是模仿生物神經(jīng)系統(tǒng)的結(jié)構(gòu)，特別是大腦中神經(jīng)元之間的連接方式。
2025-12-17 15:05:13148
電子發(fā)燒友App
工商網(wǎng)監(jiān)
評(píng)論