電子發(fā)燒友App
人臉識(shí)別、語(yǔ)音翻譯、無(wú)人駕駛...這些高科技都離不開深度神經(jīng)網(wǎng)絡(luò)了！
- 人工智能(262996)
- 人臉識(shí)別(88028)
- 無(wú)人駕駛(126239)
相關(guān)推薦
熱點(diǎn)推薦
詳解深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用
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，通過深度學(xué)習(xí)解決若干問題的案例越來(lái)越多。一些傳統(tǒng)的圖像
2024-01-11 10:51:32
3474
3474
人臉識(shí)別、語(yǔ)音翻譯、無(wú)人駕駛...這些高科技都離不開深度神經(jīng)網(wǎng)絡(luò)了！
，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
無(wú)人駕駛與自動(dòng)駕駛的差別性
的駕駛環(huán)境；而無(wú)人駕駛汽車的本質(zhì)是一種全新的能夠自主導(dǎo)航的移動(dòng)運(yùn)輸類機(jī)器人，以人工智能取代了駕駛者，其外形設(shè)計(jì)、應(yīng)用場(chǎng)合并不拘泥于現(xiàn)有的模式。目前，無(wú)人駕駛汽車研發(fā)多數(shù)以傳統(tǒng)車型作為實(shí)驗(yàn)對(duì)象，但未
2017-09-28 16:50:52
無(wú)人駕駛導(dǎo)航平臺(tái)
`` 本帖最后由 hexiaoyan1111 于 2014-11-11 11:27 編輯
無(wú)人駕駛導(dǎo)航平臺(tái)作者：北京太速科技有限公司發(fā)達(dá)國(guó)家從20世紀(jì)70年代開始研究無(wú)人駕駛汽車,目前在可行性
2014-11-11 11:21:30
無(wú)人駕駛汽車的關(guān)鍵技術(shù)是什么？
無(wú)人駕駛汽車開發(fā)的關(guān)鍵技術(shù)主要有兩個(gè)方面:車輛定位和車輛控制技術(shù)。這兩方面相輔相成共同構(gòu)成無(wú)人駕駛汽車的基礎(chǔ)。
2020-03-18 09:02:01
無(wú)人駕駛電子與安全
認(rèn)為：“無(wú)人駕駛目前的兩種技術(shù)路線，傳統(tǒng)汽車廠商更趨向于通過技術(shù)的不斷積累，場(chǎng)景的不斷豐富，逐步從輔助駕駛過渡到半自動(dòng)駕駛，進(jìn)而最終實(shí)現(xiàn)無(wú)人駕駛;某些高科技公司則希望通過各種外部傳感器實(shí)時(shí)采集海量數(shù)據(jù)
2017-02-22 16:07:56
無(wú)人駕駛硬件系統(tǒng)主要包括哪些
本文是無(wú)人駕駛技術(shù)系列的第十篇，著重介紹無(wú)人駕駛硬件平臺(tái)設(shè)計(jì)。無(wú)人駕駛硬件系統(tǒng)是多種技術(shù)、多個(gè)模塊的集成，主要包括：傳感器平臺(tái)、計(jì)算平臺(tái)、以及控制平臺(tái)。本文將詳細(xì)介紹這三個(gè)平臺(tái)以及現(xiàn)有的解決方案
2021-09-09 08:16:33
深度神經(jīng)網(wǎng)絡(luò)是什么
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
神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)搜索有什么優(yōu)勢(shì)？
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
神經(jīng)網(wǎng)絡(luò)解決方案讓自動(dòng)駕駛成為現(xiàn)實(shí)
制造業(yè)而言，深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)開辟了令人興奮的研究途徑。為了實(shí)現(xiàn)從諸如高速公路全程自動(dòng)駕駛儀的短時(shí)輔助模式到專職無(wú)人駕駛旅行的自動(dòng)駕駛，汽車制造業(yè)一直在尋求讓響應(yīng)速度更快、識(shí)別準(zhǔn)確度更高的方法，而深度
2017-12-21 17:11:34
AI知識(shí)科普 | 從無(wú)人相信到萬(wàn)人追捧的神經(jīng)網(wǎng)絡(luò)
的信息，神經(jīng)網(wǎng)絡(luò)會(huì)用這些信息進(jìn)行學(xué)習(xí)、識(shí)別或進(jìn)行其它的處理。B、隱藏層隱藏層將給定的轉(zhuǎn)換應(yīng)用于網(wǎng)絡(luò)內(nèi)的輸入值。隱藏層的節(jié)點(diǎn)數(shù)目不定，但隱藏層越多，神經(jīng)網(wǎng)絡(luò)越強(qiáng)健。C、輸出層輸出層接收來(lái)自隱藏層的連接，它
2018-06-05 10:11:50
【PYNQ-Z2試用體驗(yàn)】基于PYNQ的神經(jīng)網(wǎng)絡(luò)自動(dòng)駕駛小車 - 項(xiàng)目規(guī)劃
這樣的常見平臺(tái)作為控制對(duì)象，基于FPGA硬件平臺(tái)與PYNQ軟件框架，由神經(jīng)網(wǎng)絡(luò)賦予其自動(dòng)駕駛的新技能。 二、主要功能自動(dòng)駕駛小車兩個(gè)主要功能：自動(dòng)控制行駛方向、交通標(biāo)識(shí)識(shí)別。自動(dòng)控制行駛方向的功能由小車
2019-03-02 23:10:52
【TL6748 DSP申請(qǐng)】基于DSP的無(wú)人駕駛和語(yǔ)音操作
申請(qǐng)理由： 我們團(tuán)隊(duì)準(zhǔn)備進(jìn)行汽車的無(wú)人駕駛和語(yǔ)音智能系統(tǒng)開發(fā)，因?yàn)樾枰M(jìn)行視頻和語(yǔ)音的高速處理，這里我們看中了TI的DSP。無(wú)人駕駛和語(yǔ)音操作是未來(lái)智能化的一個(gè)方向，這里正好正好利用廣州創(chuàng)龍的開發(fā)板
2015-09-10 11:08:15
【案例分享】ART神經(jīng)網(wǎng)絡(luò)與SOM神經(jīng)網(wǎng)絡(luò)
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)。整體感覺不是很難，只不過一些最基礎(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
【話題】無(wú)人駕駛汽車，真的要來(lái)了么？
無(wú)人駕駛技術(shù)中走得比較遠(yuǎn)的的一個(gè)。已研制出實(shí)體產(chǎn)品，并且已經(jīng)安全無(wú)故障地行駛48 萬(wàn)公里。奔馳作為一家傳統(tǒng)的汽車廠商在很久之前就在自己的車型上配備了自動(dòng)巡航功能，這也是最早自動(dòng)駕駛技術(shù)的雛形，因此奔馳在
2016-06-24 14:28:03
中國(guó)無(wú)人駕駛汽車市場(chǎng)將具有更大優(yōu)勢(shì)
，其中還包括在美國(guó)社區(qū)內(nèi)大量開展試點(diǎn)項(xiàng)目?！ 】査煞Q：“高科技和其他行業(yè)的競(jìng)爭(zhēng)日趨激烈，促使汽車行業(yè)在無(wú)人駕駛軟件和網(wǎng)絡(luò)安全方面的不懈努力加速發(fā)展。無(wú)法適應(yīng)時(shí)代變化的汽車廠商將會(huì)很遺憾地落后于時(shí)代，或至少將面臨一個(gè)非常不同的產(chǎn)業(yè)?！?/div>
2016-06-13 14:55:19
介紹無(wú)人駕駛硬件平臺(tái)設(shè)計(jì)
本文是無(wú)人駕駛技術(shù)系列的第十篇，著重介紹無(wú)人駕駛硬件平臺(tái)設(shè)計(jì)。無(wú)人駕駛硬件系統(tǒng)是多種技術(shù)、多個(gè)模塊的集成，主要包括：傳感器平臺(tái)、計(jì)算平臺(tái)、以及控制平臺(tái)。本文將詳細(xì)介紹這三個(gè)平臺(tái)以及現(xiàn)有的解決方案
2021-09-09 07:37:47
從AlexNet到MobileNet，帶你入門深度神經(jīng)網(wǎng)絡(luò)
摘要： 在2018年3月13日云棲社區(qū)，來(lái)自哈爾濱工業(yè)大學(xué)的沈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)。哈爾濱工業(yè)大學(xué)的沈
2018-05-08 15:57:47
內(nèi)幕！無(wú)人駕駛，一場(chǎng)重構(gòu)汽車產(chǎn)業(yè)的革命
和大量汽車工程數(shù)據(jù)積累。在機(jī)械時(shí)代，這些技術(shù)優(yōu)勢(shì)足以形成深厚的行業(yè)壁壘。而在目前的汽車技術(shù)變革中，所有的技術(shù)積累將轉(zhuǎn)化為數(shù)據(jù)優(yōu)勢(shì)?！ ≡?b class="flag-6" style="color: red">無(wú)人駕駛中，深度學(xué)習(xí)技術(shù)是核心。汽車通過各種傳感器識(shí)別周圍環(huán)境
2016-06-21 16:21:14
卷積神經(jīng)網(wǎng)絡(luò)如何使用
卷積神經(jīng)網(wǎng)絡(luò)(CNN)究竟是什么，鑒于神經(jīng)網(wǎng)絡(luò)在工程上經(jīng)歷了曲折的歷史，您為什么還會(huì)在意它呢? 對(duì)于這些非常中肯的問題，我們似乎可以給出相對(duì)簡(jiǎn)明的答案。
2019-07-17 07:21:50
卷積神經(jīng)網(wǎng)絡(luò)模型發(fā)展及應(yīng)用
神經(jīng)網(wǎng)絡(luò)已經(jīng)廣泛應(yīng)用于圖像分類、目標(biāo)檢測(cè)、語(yǔ)義分割以及自然語(yǔ)言處理等領(lǐng)域。首先分析了典型卷積神經(jīng)網(wǎng)絡(luò)模型為提高其性能增加網(wǎng)絡(luò)深度以及寬度的模型結(jié)構(gòu)，分析了采用注意力機(jī)制進(jìn)一步提升模型性能的網(wǎng)絡(luò)結(jié)構(gòu)，然后歸納
2022-08-02 10:39:39
可分離卷積神經(jīng)網(wǎng)絡(luò)在 Cortex-M 處理器上實(shí)現(xiàn)關(guān)鍵詞識(shí)別
卷積運(yùn)算，從而發(fā)現(xiàn)這種關(guān)聯(lián)性?！?循環(huán)神經(jīng)網(wǎng)絡(luò) (RNN)RNN 在很多序列建模任務(wù)中都展現(xiàn)出了出色的性能，特別是在語(yǔ)音識(shí)別、語(yǔ)言建模和翻譯中。RNN 不僅能夠發(fā)現(xiàn)輸入信號(hào)之間的時(shí)域關(guān)系，還能使用“門控
2021-07-26 09:46:37
基于深度神經(jīng)網(wǎng)絡(luò)的嬰兒哭聲識(shí)別算法
識(shí)別中使用的機(jī)器學(xué)習(xí)類型可以在嬰兒的哭聲識(shí)別研究中重復(fù)，前提是不同類型哭聲的聲學(xué)特征有明確的邊界。因此，嬰兒的哭聲識(shí)別實(shí)驗(yàn)過程與成人的語(yǔ)音識(shí)別研究過程相同。RBN和CNN是兩種著名的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)
2024-05-20 19:20:37
基于深度神經(jīng)網(wǎng)絡(luò)的激光雷達(dá)物體識(shí)別系統(tǒng)
的激光雷達(dá)物體識(shí)別技術(shù)一直難以在嵌入式平臺(tái)上實(shí)時(shí)運(yùn)行。經(jīng)緯恒潤(rùn)經(jīng)過潛心研發(fā)，攻克了深度神經(jīng)網(wǎng)絡(luò)在嵌入式平臺(tái)部署所面臨的算子定制與加速、量化策略、模型壓縮等難題，率先實(shí)現(xiàn)了高性能激光檢測(cè)神經(jīng)網(wǎng)絡(luò)并成功地在嵌入式平臺(tái)（德州儀TI TDA4系列）上完成部署。系統(tǒng)功能目前該系統(tǒng)：?支持接入禾賽Pandar 40和
2021-12-21 07:59:18
基于深度神經(jīng)網(wǎng)絡(luò)的激光雷達(dá)物體識(shí)別系統(tǒng)及其嵌入式平臺(tái)部署
基于深度神經(jīng)網(wǎng)絡(luò)的激光雷達(dá)物體識(shí)別系統(tǒng)及其嵌入式平臺(tái)部署
2021-01-04 06:26:23
基于毫米波雷達(dá)的手勢(shì)識(shí)別神經(jīng)網(wǎng)絡(luò)
方面的高精度。這一成功可以歸因于訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)之間的特征相似性?？傊?，這些結(jié)果證實(shí)了我們提出的神經(jīng)網(wǎng)絡(luò)模型在提取相關(guān)運(yùn)動(dòng)特征以進(jìn)行魯棒手勢(shì)識(shí)別方面的有效性。
不同神經(jīng)網(wǎng)絡(luò)性能比較
為了進(jìn)一步驗(yàn)證所提
2024-05-23 12:12:44
基于賽靈思FPGA的卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)設(shè)計(jì)
，看一下 FPGA 是否適用于解決大規(guī)模機(jī)器學(xué)習(xí)問題。卷積神經(jīng)網(wǎng)絡(luò)是一種深度神經(jīng)網(wǎng)絡(luò) (DNN)，工程師最近開始將該技術(shù)用于各種識(shí)別任務(wù)。圖像識(shí)別、語(yǔ)音識(shí)別和自然語(yǔ)言處理是 CNN 比較常見的幾大應(yīng)用。
2019-06-19 07:24:41
如何實(shí)現(xiàn)無(wú)人駕駛硬件平臺(tái)的設(shè)計(jì)？
如何實(shí)現(xiàn)無(wú)人駕駛硬件平臺(tái)的設(shè)計(jì)？
2021-11-02 09:29:23
成熟的無(wú)人駕駛方案離不開激光雷達(dá)
面世了。無(wú)人駕駛汽車的未來(lái)之路高科技屬性的創(chuàng)新產(chǎn)品被市場(chǎng)接受的過程都要經(jīng)過研發(fā)、小規(guī)模試驗(yàn)、相關(guān)政策法規(guī)出臺(tái)、消費(fèi)認(rèn)可銷量爆發(fā)的過程。例如，作為汽車領(lǐng)域的重大創(chuàng)新應(yīng)用，新能源汽車在中國(guó)從集中研發(fā)
2017-10-23 17:51:41
激光雷達(dá)-無(wú)人駕駛汽車的必爭(zhēng)之地
，企業(yè)研發(fā)活動(dòng)以及人工智能和出行領(lǐng)域的風(fēng)險(xiǎn)投資都有所增長(zhǎng)，這些都為新的出行解決方案提供了非常優(yōu)越的發(fā)展條件，推動(dòng)行業(yè)朝無(wú)人駕駛出行加速邁進(jìn)。連羅蘭貝格合伙人康伯涵都表示：“無(wú)人駕駛技術(shù)勢(shì)必將成為汽車行業(yè)
2017-10-20 15:49:06
百度無(wú)人駕駛車北京完成路測(cè)
公里/小時(shí)。百度無(wú)人駕駛車的路測(cè)成功創(chuàng)造了三個(gè)“最”：路況最復(fù)雜，自動(dòng)駕駛動(dòng)作最全面，環(huán)境理解精度最高。據(jù)百度稱，此次實(shí)際路測(cè)路線是從位于北京中關(guān)村軟件園的百度大廈附近出發(fā)，駛?cè)隚7京新高速公路，經(jīng)
2015-12-12 16:53:14
福特CEO曾揚(yáng)言無(wú)人駕駛將會(huì)在2020年實(shí)現(xiàn)商用，你們同意嗎？
的特斯拉，近年來(lái)在道路標(biāo)志、車輛行人、路況障礙、行車環(huán)境監(jiān)控識(shí)別等方面均制定了一系列促進(jìn)無(wú)人駕駛實(shí)踐及測(cè)試計(jì)劃。百度于去年9月的“2016百度世界大會(huì)”再次亮相無(wú)人車，并已獲得全球第15張無(wú)人車道
2017-02-07 14:58:38
粒子群優(yōu)化模糊神經(jīng)網(wǎng)絡(luò)在語(yǔ)音識(shí)別中的應(yīng)用
一定的早熟收斂問題,引入一種自適應(yīng)動(dòng)態(tài)改變慣性因子的PSO算法,使算法具有較強(qiáng)的全局搜索能力.將此算法訓(xùn)練的模糊神經(jīng)網(wǎng)絡(luò)應(yīng)用于語(yǔ)音識(shí)別中,結(jié)果表明,與BP算法相比,粒子群優(yōu)化的模糊神經(jīng)網(wǎng)絡(luò)具有較高
2010-05-06 09:05:35
解析深度學(xué)習(xí)：卷積神經(jīng)網(wǎng)絡(luò)原理與視覺實(shí)踐
解析深度學(xué)習(xí)：卷積神經(jīng)網(wǎng)絡(luò)原理與視覺實(shí)踐
2020-06-14 22:21:12
谷歌欲在英國(guó)首推無(wú)人駕駛汽車
前兩天，百度已經(jīng)在北京完成路測(cè)，如今國(guó)外又傳來(lái)谷歌無(wú)人駕駛汽車的消息。12月14日，谷歌在過去的兩年里，不斷與英國(guó)***進(jìn)行多次會(huì)談，希望能在英國(guó)推廣無(wú)人駕駛汽車。谷歌認(rèn)為，無(wú)人駕駛汽車技術(shù)可以讓
2015-12-14 14:07:13
基于BP神經(jīng)網(wǎng)絡(luò)的2DPCA人臉識(shí)別算法
提出了基于BP 神經(jīng)網(wǎng)絡(luò)的2DPCA 人臉識(shí)別算法。通過圖像預(yù)處理改善圖像質(zhì)量，降低圖像維數(shù)，然后用2DPCA 進(jìn)行特征提取，作為BP 神經(jīng)網(wǎng)絡(luò)的輸入，用改進(jìn)的BP 神經(jīng)網(wǎng)絡(luò)作為分類
2010-01-18 12:27:14
18
18《無(wú)人駕駛》7-2-3神經(jīng)網(wǎng)絡(luò)Q學(xué)習(xí)算法#無(wú)人駕駛
無(wú)人駕駛無(wú)人駕駛汽車
jf_49750429發(fā)布于 2022-11-11 18:36:09
從神經(jīng)網(wǎng)絡(luò)到深度學(xué)習(xí)
微軟研究人員在深度神經(jīng)網(wǎng)絡(luò)（deep neural network）上取得突破，
使其在性能上能趕上目前最先進(jìn)的語(yǔ)音識(shí)別技術(shù)。
2016-08-17 11:54:0649
49基于BP神經(jīng)網(wǎng)絡(luò)和局部與整體奇異值分解的人臉識(shí)別
基于BP神經(jīng)網(wǎng)絡(luò)和局部與整體奇異值分解的人臉識(shí)別matlab
2017-07-29 13:46:5324
24卷積神經(jīng)網(wǎng)絡(luò)（CNN）在無(wú)人駕駛中應(yīng)用的3D感知與物體檢測(cè)
無(wú)人駕駛的感知部分作為計(jì)算機(jī)視覺的領(lǐng)域范圍，也不可避免地成為CNN發(fā)揮作用的舞臺(tái)。本文是無(wú)人駕駛技術(shù)系列的第八篇，深入介紹CNN（卷積神經(jīng)網(wǎng)絡(luò)）在無(wú)人駕駛3D感知與物體檢測(cè)中的應(yīng)用。 CNN簡(jiǎn)介
2017-11-16 12:53:4423756
23756
基于BP神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法
）算法的提出，給多層網(wǎng)絡(luò)訓(xùn)練提供了有效的方法。采用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行人臉識(shí)別，主要包括特征提取和神經(jīng)網(wǎng)絡(luò)識(shí)別兩大部分。其理論基礎(chǔ)已經(jīng)相當(dāng)成熟，是現(xiàn)在進(jìn)行人臉識(shí)別普遍采用的方法。自20世紀(jì)90年代以來(lái)，國(guó)內(nèi)在人臉識(shí)別領(lǐng)
2017-12-01 10:07:035
5探尋神經(jīng)網(wǎng)絡(luò)的本質(zhì) 分析神經(jīng)網(wǎng)絡(luò)做機(jī)器翻譯和語(yǔ)音識(shí)別過程
使用新的解釋技術(shù)，來(lái)分析神經(jīng)網(wǎng)絡(luò)做機(jī)器翻譯和語(yǔ)音識(shí)別的訓(xùn)練過程,神經(jīng)網(wǎng)絡(luò)語(yǔ)言處理工作原理有待破解。
2017-12-12 14:31:081832
1832英偉達(dá)無(wú)人駕駛Xavier處理器幫助應(yīng)用程序使用深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)算法
該處理器可以幫助汽車在無(wú)人駕駛的應(yīng)用程序使用深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)算法，用來(lái)處理汽車內(nèi)外的傳感器數(shù)據(jù)、語(yǔ)言分析等內(nèi)容。通過該處理器可以快速的協(xié)調(diào)傳感器并感知用戶的操作，同時(shí)幫助駕駛員排除周圍的危險(xiǎn)和隱患。
2017-12-19 11:51:524927
4927基于深度神經(jīng)網(wǎng)絡(luò)的特征加權(quán)融合人臉識(shí)別方法DLWF
針對(duì)目前難以提取到適合用于分類的人臉特征以及在非限條件下進(jìn)行人臉識(shí)別準(zhǔn)確率低的問題，提出了一種基于深度神經(jīng)網(wǎng)絡(luò)的特征加權(quán)融合人臉識(shí)別方法（ DLWF）。首先，應(yīng)用主動(dòng)形狀模型（ASM）提取出人臉
2017-12-23 11:42:442
2三種典型的神經(jīng)網(wǎng)絡(luò)以及深度學(xué)習(xí)中的正則化方法應(yīng)用于無(wú)人駕駛
在前幾十年，神經(jīng)網(wǎng)絡(luò)并沒有受到人們的重視，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
10284【人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)】為什么神經(jīng)網(wǎng)絡(luò)選擇了“深度”？
由 Demi 于 星期四, 2018-09-06 09:33 發(fā)表 現(xiàn)在提到“神經(jīng)網(wǎng)絡(luò)”和“深度神經(jīng)網(wǎng)絡(luò)”，會(huì)覺得兩者沒有什么區(qū)別，神經(jīng)網(wǎng)絡(luò)還能不是“深度”（deep）的嗎？我們常用
2018-09-06 20:48:01937
937如何使用深度神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)實(shí)時(shí)人臉識(shí)別
變差。與此同時(shí)，現(xiàn)有大多數(shù)方法無(wú)法實(shí)時(shí)（在線）完成人臉識(shí)別任務(wù)，這也限制了人臉識(shí)別技術(shù)的應(yīng)用。為此，該文以深度神經(jīng)網(wǎng)絡(luò)為框架，使用大規(guī)模人臉庫(kù)構(gòu)造了一種新型實(shí)用的多層網(wǎng)絡(luò)應(yīng)用于大規(guī)模的人臉識(shí)別任務(wù)中并提出了
2019-12-04 16:57:007
7深度神經(jīng)網(wǎng)絡(luò)在識(shí)別物體上的能力怎樣
深度神經(jīng)網(wǎng)絡(luò)非常善于識(shí)別物體，但是當(dāng)涉及到他們的相互作用的推理時(shí)，即使是最先進(jìn)的神經(jīng)網(wǎng)絡(luò)也在努力。
2020-04-14 15:24:471200
1200邱錫鵬版神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)電子書免費(fèi)下載
近年來(lái)，以機(jī)器學(xué)習(xí)、知識(shí)圖譜為代表的人工智能技術(shù)逐漸變得普及。從車牌識(shí)別、人臉識(shí)別、語(yǔ)音識(shí)別、智能問答、推薦系統(tǒng)到自動(dòng)駕駛，人們?cè)谌粘Ｉ钪卸伎赡苡幸鉄o(wú)意地使用到了人工智能技術(shù)。這些技術(shù)的背后都
2020-05-18 08:00:000
0神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)的PDF電子書免費(fèi)下載
近年來(lái)，以機(jī)器學(xué)習(xí)、知識(shí)圖譜為代表的人工智能技術(shù)逐漸變得普及。從車牌識(shí)別、人臉識(shí)別、語(yǔ)音識(shí)別、智能問答、推薦系統(tǒng)到自動(dòng)駕駛，人們?cè)谌粘Ｉ钪卸伎赡苡幸鉄o(wú)意地使用到了人工智能技術(shù)。這些技術(shù)的背后都
2020-08-17 08:00:0014
14基于深度學(xué)習(xí)的人臉識(shí)別算法與其網(wǎng)絡(luò)結(jié)構(gòu)
基于深度學(xué)習(xí)的人臉識(shí)別算法，如何讓神經(jīng)網(wǎng)絡(luò)從訓(xùn)練數(shù)據(jù)中學(xué)習(xí)到有效、魯棒的生物特征是至關(guān)重要的。
2021-03-12 11:13:244125
4125
基于深度神經(jīng)網(wǎng)絡(luò)的圖像語(yǔ)義分割方法
對(duì)應(yīng)用于圖像語(yǔ)義分割的幾種深度神經(jīng)網(wǎng)絡(luò)模型進(jìn)行簡(jiǎn)單介紹，接著詳細(xì)闡述了現(xiàn)有主流的基于深度神經(jīng)網(wǎng)絡(luò)的圖像語(yǔ)義分割方法，依據(jù)實(shí)現(xiàn)技術(shù)的區(qū)別對(duì)圖像語(yǔ)義分割方法進(jìn)行分類，并對(duì)每類方法中代表性算法的技術(shù)特點(diǎn)、優(yōu)勢(shì)和
2021-04-02 13:59:4611
11基于深度學(xué)習(xí)的快速人臉識(shí)別算法及模型
無(wú)論是使用傳統(tǒng)的方法進(jìn)行人臉識(shí)別，還是使用神經(jīng)網(wǎng)絡(luò)進(jìn)行人臉識(shí)別，都存在運(yùn)算量大、運(yùn)算時(shí)間長(zhǎng)等問題，很難對(duì)視頻中的人臉進(jìn)行實(shí)時(shí)檢測(cè)與匹配。針對(duì)上述問題，使用輕量化神經(jīng)網(wǎng)絡(luò)進(jìn)行人臉檢測(cè)，使用運(yùn)算簡(jiǎn)單
2021-05-07 14:15:1213
13神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)知識(shí)
都離不開人工智能
領(lǐng)域研究者的長(zhǎng)期努力．特別是最近這幾年，得益于數(shù)據(jù)的增多、計(jì)算能力的增
強(qiáng)、學(xué)習(xí)算法的成熟以及應(yīng)用場(chǎng)景的豐富，越來(lái)越多的人開始關(guān)注這個(gè)“嶄新”的
研究領(lǐng)域：深度學(xué)習(xí)．深度學(xué)習(xí)以神經(jīng)網(wǎng)絡(luò)為主要模型
2022-07-19 14:21:080
0深度學(xué)習(xí)與圖神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)分享：Transformer
在過去的幾年中，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
2834
什么是神經(jīng)網(wǎng)絡(luò)？什么是卷積神經(jīng)網(wǎng)絡(luò)？
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
4833淺析三種主流深度神經(jīng)網(wǎng)絡(luò)
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
4321
卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
Learning）的應(yīng)用，通過運(yùn)用多層卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，可以自動(dòng)地進(jìn)行特征提取和學(xué)習(xí)，進(jìn)而實(shí)現(xiàn)圖像分類、物體識(shí)別、目標(biāo)檢測(cè)、語(yǔ)音識(shí)別和自然語(yǔ)言翻譯等任務(wù)。 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)包括：輸入層、卷積層、激活函數(shù)、池化層和全連接層。 在CNN中，輸入層通常是代表圖像的矩陣或向量，而卷積層是卷積神
2023-08-17 16:30:351927
1927卷積神經(jīng)網(wǎng)絡(luò)概述 卷積神經(jīng)網(wǎng)絡(luò)的特點(diǎn) cnn卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)
卷積神經(jīng)網(wǎng)絡(luò)概述 卷積神經(jīng)網(wǎng)絡(luò)的特點(diǎn) cnn卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)? 卷積神經(jīng)網(wǎng)絡(luò)（Convolutional neural network，CNN）是一種基于深度學(xué)習(xí)技術(shù)的神經(jīng)網(wǎng)絡(luò)，由于其出色的性能
2023-08-21 16:41:484333
4333卷積神經(jīng)網(wǎng)絡(luò)的工作原理 卷積神經(jīng)網(wǎng)絡(luò)通俗解釋
。CNN可以幫助人們實(shí)現(xiàn)許多有趣的任務(wù)，如圖像分類、物體檢測(cè)、語(yǔ)音識(shí)別、自然語(yǔ)言處理和視頻分析等。本文將詳細(xì)介紹卷積神經(jīng)網(wǎng)絡(luò)的工作原理并用通俗易懂的語(yǔ)言解釋。 1.概述 卷積神經(jīng)網(wǎng)絡(luò)是一個(gè)由神經(jīng)元構(gòu)成的深度神經(jīng)網(wǎng)絡(luò)，由輸入層、隱藏層和輸出層組成。在卷積神經(jīng)網(wǎng)絡(luò)中，
2023-08-21 16:49:245071
5071卷積神經(jīng)網(wǎng)絡(luò)如何識(shí)別圖像
卷積神經(jīng)網(wǎng)絡(luò)如何識(shí)別圖像? 卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network, CNN）由于其出色的圖像識(shí)別能力而成為深度學(xué)習(xí)的重要組成部分。CNN是一種深度神經(jīng)網(wǎng)絡(luò)，其結(jié)構(gòu)為
2023-08-21 16:49:272655
2655卷積神經(jīng)網(wǎng)絡(luò)層級(jí)結(jié)構(gòu) 卷積神經(jīng)網(wǎng)絡(luò)的卷積層講解
像分類、目標(biāo)檢測(cè)、人臉識(shí)別等。卷積神經(jīng)網(wǎng)絡(luò)的核心是卷積層和池化層，它們構(gòu)成了網(wǎng)絡(luò)的主干，實(shí)現(xiàn)了對(duì)圖像特征的提取和抽象。 一、卷積神經(jīng)網(wǎng)絡(luò)的層級(jí)結(jié)構(gòu) 卷積神經(jīng)網(wǎng)絡(luò)主要分為四個(gè)層級(jí)，分別是輸入層、卷積層、池化層和全連接層。 1. 輸入層 輸入層是卷積神經(jīng)網(wǎng)絡(luò)的第
2023-08-21 16:49:4210528
10528卷積神經(jīng)網(wǎng)絡(luò)的介紹 什么是卷積神經(jīng)網(wǎng)絡(luò)算法
卷積神經(jīng)網(wǎng)絡(luò)的介紹 什么是卷積神經(jīng)網(wǎng)絡(luò)算法 卷積神經(jīng)網(wǎng)絡(luò)涉及的關(guān)鍵技術(shù) 卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）是一種用于圖像分類、物體識(shí)別、語(yǔ)音識(shí)別等領(lǐng)域
2023-08-21 16:49:462801
2801卷積神經(jīng)網(wǎng)絡(luò)算法的優(yōu)缺點(diǎn)
卷積神經(jīng)網(wǎng)絡(luò)算法的優(yōu)缺點(diǎn) 卷積神經(jīng)網(wǎng)絡(luò)是一種廣泛應(yīng)用于圖像、語(yǔ)音等領(lǐng)域的深度學(xué)習(xí)算法。在過去幾年里，CNN的研究和應(yīng)用有了飛速的發(fā)展，取得了許多重要的成果，如在圖像分類、目標(biāo)識(shí)別、人臉識(shí)別、自然語(yǔ)言
2023-08-21 16:50:0410959
10959卷積神經(jīng)網(wǎng)絡(luò)和深度神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn) 卷積神經(jīng)網(wǎng)絡(luò)和深度神經(jīng)網(wǎng)絡(luò)的區(qū)別
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
5026卷積神經(jīng)網(wǎng)絡(luò)算法流程 卷積神經(jīng)網(wǎng)絡(luò)模型工作流程
卷積神經(jīng)網(wǎng)絡(luò)算法流程 卷積神經(jīng)網(wǎng)絡(luò)模型工作流程? 卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）是一種廣泛應(yīng)用于目標(biāo)跟蹤、圖像識(shí)別和語(yǔ)音識(shí)別等領(lǐng)域的深度學(xué)習(xí)模型，其
2023-08-21 16:50:193703
3703深度學(xué)習(xí)在語(yǔ)音識(shí)別中的應(yīng)用及挑戰(zhàn)
的挑戰(zhàn)。 二、深度學(xué)習(xí)在語(yǔ)音識(shí)別中的應(yīng)用 1.基于深度神經(jīng)網(wǎng)絡(luò)的語(yǔ)音識(shí)別：深度神經(jīng)網(wǎng)絡(luò)（DNN）和循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）是深度學(xué)習(xí)在語(yǔ)音識(shí)別中應(yīng)用的主要技術(shù)?；?b class="flag-6" style="color: red">這些網(wǎng)絡(luò)的語(yǔ)音識(shí)別系統(tǒng)能夠有效地提高識(shí)別精度和效率，并且被廣
2023-10-10 18:14:531549
1549卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)
卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)? 卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）是一種基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)模型，在圖像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言處理等領(lǐng)域有著廣泛的應(yīng)用。相比于
2023-12-07 15:37:255926
5926神經(jīng)網(wǎng)絡(luò)架構(gòu)有哪些
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
2335神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別中的應(yīng)用
隨著人工智能技術(shù)的飛速發(fā)展，神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別領(lǐng)域的應(yīng)用日益廣泛。神經(jīng)網(wǎng)絡(luò)以其強(qiáng)大的特征提取和分類能力，為圖像識(shí)別帶來(lái)了革命性的進(jìn)步。本文將詳細(xì)介紹神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別中的應(yīng)用案例，包括卷積神經(jīng)網(wǎng)絡(luò)（CNN）在面部識(shí)別、自動(dòng)駕駛、醫(yī)療診斷等領(lǐng)域的應(yīng)用，以及BP神經(jīng)網(wǎng)絡(luò)在手寫數(shù)字識(shí)別中的實(shí)踐。
2024-07-01 14:19:541629
1629卷積神經(jīng)網(wǎng)絡(luò)在語(yǔ)音識(shí)別中的應(yīng)用
隨著人工智能技術(shù)的飛速發(fā)展，語(yǔ)音識(shí)別技術(shù)作為人機(jī)交互的重要橋梁，受到了廣泛的關(guān)注和研究。語(yǔ)音識(shí)別技術(shù)旨在將人類語(yǔ)音信號(hào)轉(zhuǎn)換為文本信息，實(shí)現(xiàn)自然語(yǔ)言理解和人機(jī)交互。在這一過程中，卷積神經(jīng)網(wǎng)絡(luò)
2024-07-01 16:01:132059
2059深度神經(jīng)網(wǎng)絡(luò)模型有哪些
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?cè)谠S多領(lǐng)域取得了顯著的成功，如計(jì)算機(jī)視覺、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
3226神經(jīng)網(wǎng)絡(luò)建模的適用范圍有哪些
自然圖像、醫(yī)學(xué)圖像、衛(wèi)星圖像等。神經(jīng)網(wǎng)絡(luò)可以識(shí)別圖像中的物體、場(chǎng)景、人臉等，并可以用于圖像檢索、圖像分割、圖像標(biāo)注等任務(wù)。 語(yǔ)音識(shí)別 神經(jīng)網(wǎng)絡(luò)在語(yǔ)音識(shí)別領(lǐng)域也取得了顯著的進(jìn)展。它們可以用于將語(yǔ)音信號(hào)轉(zhuǎn)換為文本，實(shí)
2024-07-02 11:40:341451
1451卷積神經(jīng)網(wǎng)絡(luò)的原理是什么
卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，簡(jiǎn)稱CNN）是一種深度學(xué)習(xí)模型，廣泛應(yīng)用于圖像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言處理等領(lǐng)域。本文將詳細(xì)介紹卷積神經(jīng)網(wǎng)絡(luò)的原理，包括其
2024-07-02 14:44:081837
1837深度學(xué)習(xí)與卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用
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
1852bp神經(jīng)網(wǎng)絡(luò)是深度神經(jīng)網(wǎng)絡(luò)嗎
Network）有相似之處，但它們之間還是存在一些關(guān)鍵的區(qū)別。 一、引言 神經(jīng)網(wǎng)絡(luò)是一種模擬人腦神經(jīng)元結(jié)構(gòu)的計(jì)算模型，它由大量的神經(jīng)元（或稱為節(jié)點(diǎn)）組成，這些神經(jīng)元通過權(quán)重連接在一起。神經(jīng)網(wǎng)絡(luò)可以用于解決各種復(fù)雜的問題，如圖像識(shí)別、自然語(yǔ)言處理、語(yǔ)音識(shí)別等。在神經(jīng)網(wǎng)絡(luò)的研究中，
2024-07-03 10:14:301801
1801反向傳播神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別
神經(jīng)網(wǎng)絡(luò)在許多領(lǐng)域都有廣泛的應(yīng)用，如語(yǔ)音識(shí)別、圖像識(shí)別、自然語(yǔ)言處理等。然而，BP神經(jīng)網(wǎng)絡(luò)也存在一些問題，如容易陷入局部最優(yōu)解、訓(xùn)練時(shí)間長(zhǎng)、對(duì)初始權(quán)重敏感等。為了解決這些問題，研究者們提出了一些改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)模型，如徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)（Radial Basis Function Neu
2024-07-03 11:00:201742
1742如何設(shè)計(jì)人臉識(shí)別的神經(jīng)網(wǎng)絡(luò)
人臉識(shí)別技術(shù)是一種基于人臉特征信息進(jìn)行身份識(shí)別的技術(shù)，廣泛應(yīng)用于安全監(jiān)控、身份認(rèn)證、智能門禁等領(lǐng)域。神經(jīng)網(wǎng)絡(luò)是實(shí)現(xiàn)人臉識(shí)別的關(guān)鍵技術(shù)之一，本文將介紹如何設(shè)計(jì)人臉識(shí)別的神經(jīng)網(wǎng)絡(luò)。 人臉識(shí)別概述 人臉
2024-07-04 09:20:401527
1527深度神經(jīng)網(wǎng)絡(luò)與基本神經(jīng)網(wǎng)絡(luò)的區(qū)別
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
2554遞歸神經(jīng)網(wǎng)絡(luò)是循環(huán)神經(jīng)網(wǎng)絡(luò)嗎
遞歸神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network，簡(jiǎn)稱RNN）和循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network，簡(jiǎn)稱RNN）實(shí)際上是同一個(gè)概念，只是不同的翻譯方式
2024-07-04 14:54:592076
2076人工神經(jīng)網(wǎng)絡(luò)模型的分類有哪些
人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks, ANNs）是一種模擬人腦神經(jīng)元網(wǎng)絡(luò)的計(jì)算模型，它在許多領(lǐng)域，如圖像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言處理、預(yù)測(cè)分析等有著廣泛的應(yīng)用。本文將
2024-07-05 09:13:553436
3436卷積神經(jīng)網(wǎng)絡(luò)在人臉識(shí)別中的應(yīng)用
人臉識(shí)別技術(shù)作為人工智能領(lǐng)域的一個(gè)重要分支，近年來(lái)取得了顯著的發(fā)展。其核心在于通過計(jì)算機(jī)對(duì)人臉圖像進(jìn)行特征提取和識(shí)別，從而實(shí)現(xiàn)自動(dòng)的人臉身份確認(rèn)。隨著深度學(xué)習(xí)技術(shù)的興起，特別是卷積神經(jīng)網(wǎng)絡(luò)
2024-07-08 10:48:511764
1764pytorch中有神經(jīng)網(wǎng)絡(luò)模型嗎
處理、語(yǔ)音識(shí)別等領(lǐng)域取得了顯著的成果。PyTorch是一個(gè)開源的深度學(xué)習(xí)框架，由Facebook的AI研究團(tuán)隊(duì)開發(fā)。它以其易用性、靈活性和高效性而受到廣泛歡迎。在PyTorch中，有許多預(yù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型可供選擇，這些模型可以用于各種任務(wù)，如圖像分類、目標(biāo)檢測(cè)
2024-07-11 09:59:532576
2576殘差網(wǎng)絡(luò)是深度神經(jīng)網(wǎng)絡(luò)嗎
殘差網(wǎng)絡(luò)（Residual Network，通常簡(jiǎn)稱為ResNet） 是深度神經(jīng)網(wǎng)絡(luò)的一種 ，其獨(dú)特的結(jié)構(gòu)設(shè)計(jì)在解決深層網(wǎng)絡(luò)訓(xùn)練中的梯度消失和梯度爆炸問題上取得了顯著的突破，并因此成為圖像處理、語(yǔ)音識(shí)別等多個(gè)領(lǐng)域的重要模型。以下是對(duì)殘差網(wǎng)絡(luò)作為深度神經(jīng)網(wǎng)絡(luò)的詳細(xì)闡述。
2024-07-11 18:13:432112
2112FPGA在深度神經(jīng)網(wǎng)絡(luò)中的應(yīng)用
隨著人工智能技術(shù)的飛速發(fā)展，深度神經(jīng)網(wǎng)絡(luò)（Deep Neural Network, DNN）作為其核心算法之一，在圖像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言處理等領(lǐng)域取得了顯著成果。然而，傳統(tǒng)的深度神經(jīng)網(wǎng)絡(luò)模型
2024-07-24 10:42:461567
1567LSTM神經(jīng)網(wǎng)絡(luò)在語(yǔ)音識(shí)別中的應(yīng)用實(shí)例
語(yǔ)音識(shí)別技術(shù)是人工智能領(lǐng)域的一個(gè)重要分支，它使計(jì)算機(jī)能夠理解和處理人類語(yǔ)言。隨著深度學(xué)習(xí)技術(shù)的發(fā)展，特別是長(zhǎng)短期記憶（LSTM）神經(jīng)網(wǎng)絡(luò)的引入，語(yǔ)音識(shí)別的準(zhǔn)確性和效率得到了顯著提升。 LSTM
2024-11-13 10:03:022590
2590神經(jīng)網(wǎng)絡(luò)的初步認(rèn)識(shí)
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
148- 設(shè)計(jì)技術(shù)
- 可編程邏輯
- 電源/新能源
- MEMS/傳感技術(shù)
- 測(cè)量?jī)x表
- 嵌入式技術(shù)
- 制造/封裝
- 模擬技術(shù)
- RF/無(wú)線
- 接口/總線/驅(qū)動(dòng)
- 處理器/DSP
- EDA/IC設(shè)計(jì)
- 存儲(chǔ)技術(shù)
- 光電顯示
- EMC/EMI設(shè)計(jì)
- 連接器
- 行業(yè)應(yīng)用
- LEDs
- 汽車電子
- 音視頻及家電
- 通信網(wǎng)絡(luò)
- 醫(yī)療電子
- 人工智能
- 虛擬現(xiàn)實(shí)
- 可穿戴設(shè)備
- 機(jī)器人
- 安全設(shè)備/系統(tǒng)
- 軍用/航空電子
- 移動(dòng)通信
- 工業(yè)控制
- 便攜設(shè)備
- 觸控感測(cè)
- 物聯(lián)網(wǎng)
- 智能電網(wǎng)
- 區(qū)塊鏈
- 新科技
- 特色內(nèi)容
- 專欄推薦
- 學(xué)院
- 設(shè)計(jì)資源
- 設(shè)計(jì)技術(shù)
- 電子百科
- 電子視頻
- 元器件知識(shí)
- 工具箱
- VIP會(huì)員
- 最新技術(shù)文章
- 產(chǎn)品地圖
- 品牌地圖
- 社區(qū)
- 小組
- 論壇
- 問答
- 評(píng)測(cè)試用
- 企業(yè)服務(wù)
- 產(chǎn)品
- 資料
- 文章
- 方案
- 企業(yè)
- 供應(yīng)鏈服務(wù)
- 硬件開發(fā)
- 媒體服務(wù)
- 網(wǎng)站廣告
- 在線研討會(huì)
- 活動(dòng)策劃
- 新聞發(fā)布
- 新品發(fā)布
- 小測(cè)驗(yàn)
- 設(shè)計(jì)大賽
- 電子發(fā)燒友
- 關(guān)于我們
- 聯(lián)系我們
- 舉報(bào)投訴
- 社交網(wǎng)絡(luò)
- 微博
- 移動(dòng)端
- 發(fā)燒友APP
- 硬聲APP
- WAP
- 聯(lián)系我們
- 廣告合作
- 王婉珠：wangwanzhu@elecfans.com
- 內(nèi)容合作
- 張迎輝：mikezhang@elecfans.com
-
關(guān)注我們的微信
-
下載發(fā)燒友APP
-
電子發(fā)燒友觀察
版權(quán)所有 ? 湖南華秋數(shù)字科技有限公司
長(zhǎng)沙市望城經(jīng)濟(jì)技術(shù)開發(fā)區(qū)航空路6號(hào)手機(jī)智能終端產(chǎn)業(yè)園2號(hào)廠房3層（0731-88081133）
電子發(fā)燒友 （電路圖） 湘公網(wǎng)安備43011202000918
工商網(wǎng)監(jiān)
湘ICP備2023018690號(hào)-1
評(píng)論