卷积神经网络（CNN）是一种特殊类型的神经网络，在图像上表现特别出色。卷积神经网络由Yan LeCun在1998年提出，可以识别给定输入图像中存在的数字。
2022-09-21 10:12:50
1168 感知器是所有神经网络中最基本的，也是更复杂的神经网络的基本组成部分。它只连接一个输入神经元和一个输出神经元。
2023-08-31 16:55:502647 
处理技术也可以通过深度学习来获得更优异的效果，比如去噪、超分辨率和跟踪算法等。为了跟上时代的步伐，必须对深度学习与神经网络技术有所学习和研究。本文将介绍深度学习技术、神经网络与卷积神经网络以及它们在相关领域中的应用。
2024-01-11 10:51:323474 
元函数的变形。实验结果显示，我们提出的网络变形的神经网络学习理念在标准数据集和典型的神经网络上都是有效的。 9、报告题目：面向自然语言理解和机器翻译的深度学习 报 告 人：张 民 苏州大学 报告
2017-03-22 17:16:00
多层感知机 深度神经网络in collaboration with Hsu Chung Chuan, Lin Min Htoo, and Quah Jia Yong. 与许忠传，林敏涛和华佳勇合作
2021-07-12 06:35:22
03_深度学习入门_神经网络和反向传播算法
2019-09-12 07:08:05
源程序 5.3 Gaussian机 第6章自组织神经网络 6.1 竞争型学习 6.2 自适应共振理论(ART)模型 6.3 自组织特征映射(SOM)模型 6.4 CPN模型 第7章 联想
2012-03-20 11:32:43
近年来，深度学习的繁荣，尤其是神经网络的发展，颠覆了传统机器学习特征工程的时代，将人工智能的浪潮推到了历史最高点。然而，尽管各种神经网络模型层出不穷，但往往模型性能越高，对超参数的要求也越来越严格
2019-09-11 11:52:14
制造业而言，深度学习神经网络开辟了令人兴奋的研究途径。为了实现从诸如高速公路全程自动驾驶仪的短时辅助模式到专职无人驾驶旅行的自动驾驶，汽车制造业一直在寻求让响应速度更快、识别准确度更高的方法，而深度
2017-12-21 17:11:34
基于深度学习的神经网络算法
2019-05-16 17:25:05
解析深度学习：卷积神经网络原理与视觉实践
2020-06-14 22:21:12
请问：我在用labview做BP神经网络实现故障诊断，在NI官网找到了机器学习工具包（MLT），但是里面没有关于这部分VI的帮助文档，对于”BP神经网络分类“这个范例有很多不懂的地方，比如
2017-02-22 16:08:08
TF之NN：matplotlib动态演示深度学习之tensorflow将神经网络系统自动学习散点(二次函数+noise)并优化修正并且将输出结果可视化
2018-12-21 10:48:26
`本篇主要介绍：人工神经网络的起源、简单神经网络模型、更多神经网络模型、机器学习的步骤：训练与预测、训练的两阶段：正向推演与反向传播、以TensorFlow + Excel表达训练流程以及AI普及化教育之路。`
2020-11-05 17:48:39
项目名称：基于PYNQ-Z2的神经网络图形识别试用计划：申请理由：本人为一名嵌入式软件工程师，对FPGA有一段时间的接触，基于FPGA设计过简单的ASCI数字芯片。目前正好在学习基于python
2019-01-09 14:48:59
，分享项目的开展，实施过程，结果，展示项目结果，并全程开源项目源码。本人一直非常希望学习与实践Xilinx Zynq系列FPGA芯片与基于FPGA的神经网络技术，很高兴能够遇到这次PYNQ试用活动，望审核大大同意申请。
2018-12-19 11:36:24
，使用imshow（）函数，绘制出我们待测试的数据，从图中可以看出，我们待识别的数字为7。接下来调用查询函数query（），将图像数据作为输入参数。最终的输出为7，与期望一致，表明我们的神经网络图形识别
2019-03-18 21:51:33
` 本帖最后由 枫雪天 于 2019-3-2 23:12 编辑
本次试用PYNQ-Z2的目标作品是“基于PYNQ的神经网络自动驾驶小车”。在之前的一个多月内，已经完成了整个项目初步实现，在接下来
2019-03-02 23:10:52
电子发烧友总结了以“神经网络”为主题的精选干货，今后每天一个主题为一期，希望对各位有所帮助！（点击标题即可进入页面下载相关资料）人工神经网络算法的学习方法与应用实例（pdf彩版）卷积神经网络入门资料MATLAB神经网络30个案例分析《matlab神经网络应用设计》深度学习和神经网络
2019-05-07 19:18:14
今天学习了两个神经网络，分别是自适应谐振（ART）神经网络与自组织映射（SOM）神经网络。整体感觉不是很难，只不过一些最基础的概念容易理解不清。首先ART神经网络是竞争学习的一个代表，竞争型学习
2019-07-21 04:30:00
人工神经网络(Artificial Neural Network，ANN)是一种类似生物神经网络的信息处理结构，它的提出是为了解决一些非线性，非平稳，复杂的实际问题。那有哪些办法能实现人工神经网络呢？
2019-08-01 08:06:21
，如何用一个神经网络，写出一套机器学习算法，来自动识别未知的图像。一个 4 层的神经网络输入层经过几层算法得到输出层 实现机器学习的方法有很多，近年被人们讨论得多的方法就是深度学习。 深度学习是一种实现
2018-05-11 11:43:14
准确的模型。有了上述机制，现在可以通过让神经网络模型学习各种问题来自动解决问题，创建高精度模型，并对新数据进行推理。然而，由于单个神经网络只能解决简单的问题，人们尝试通过构建深度神经网络 (DNN
2023-02-17 16:56:59
简单理解LSTM神经网络
2021-01-28 07:16:57
分辨率、转换、迁移、描述等等都已经可以使用深度学习技术实现。其背后的技术可以一言以蔽之：深度卷积神经网络具有超强的图像特征提取能力。其中，风格迁移算法的成功，其主要基于两点：1.两张图像经过预训练
2018-05-08 15:57:47
本文使用keras搭建神经网络，实现基于深度学习算法的股票价格预测。本文使用的数据来源为tushare，一个免费开源接口；且只取开票价进行预测。import numpy as npimport
2022-02-08 06:40:03
利用ini文件前面板自动上色
2016-01-07 22:54:55
【深度学习】卷积神经网络CNN
2020-06-14 18:55:37
《深度学习工程师-吴恩达》03卷积神经网络—深度卷积网络：实例探究 学习总结
2020-05-22 17:15:57
卷积神经网络(CNN)究竟是什么，鉴于神经网络在工程上经历了曲折的历史，您为什么还会在意它呢? 对于这些非常中肯的问题，我们似乎可以给出相对简明的答案。
2019-07-17 07:21:50
十余年来快速发展的崭新领域，越来越受到研究者的关注。卷积神经网络（CNN）模型是深度学习模型中最重要的一种经典结构，其性能在近年来深度学习任务上逐步提高。由于可以自动学习样本数据的特征表示，卷积
2022-08-02 10:39:39
列文章将只关注卷积神经网络 （CNN）。CNN的主要应用领域是输入数据中包含的对象的模式识别和分类。CNN是一种用于深度学习的人工神经网络。此类网络由一个输入层、多个卷积层和一个输出层组成。卷积层是最重
2023-02-23 20:11:10
【新技术发布】基于深度神经网络的激光雷达物体识别系统及其嵌入式平台部署激光雷达可以准确地完成三维空间的测量，具有抗干扰能力强、信息丰富等优点，但受限于数据量大、不规则等难点，基于深度神经网络
2021-12-21 07:59:18
基于深度神经网络的激光雷达物体识别系统及其嵌入式平台部署
2021-01-04 06:26:23
最近在学习电机的智能控制，上周学习了基于单神经元的PID控制，这周研究基于BP神经网络的PID控制。神经网络具有任意非线性表达能力，可以通过对系统性能的学习来实现具有最佳组合的PID控制。利用BP
2021-09-07 07:43:47
基于光学芯片的神经网络训练解析，不看肯定后悔
2021-06-21 06:33:55
，看一下 FPGA 是否适用于解决大规模机器学习问题。卷积神经网络是一种深度神经网络 (DNN)，工程师最近开始将该技术用于各种识别任务。图像识别、语音识别和自然语言处理是 CNN 比较常见的几大应用。
2019-06-19 07:24:41
称为BP神经网络。采用BP神经网络模型能完成图像数据的压缩处理。在图像压缩中，神经网络的处理优势在于：巨量并行性；信息处理和存储单元结合在一起；自组织自学习功能。与传统的数字信号处理器DSP
2019-08-08 06:11:30
《深度学习工程师-吴恩达》02改善深层神经网络--超参数优化、batch正则化和程序框架 学习总结
2020-06-16 14:52:01
脉冲神经网络的学习方式有哪几种？
2021-10-26 06:58:01
BP神经网络图像压缩算法乘累加单元的FPGA设计
0 引 言 神经网络(Neural Networks)是人工神经网络(Ar-tificial Neural Networks)的简称，是当前的研究热点之一。人
2009-11-13 09:50:051774 BP神经网络图像压缩算法乘累加单元的FPGA设计
概 述神经网络(Neural Networks)是人工神经网络(Ar-tificial Neural Networks)的简称，是当前的研究热点之一。人脑在接受视觉
2010-03-29 10:05:12893 
微软研究人员在深度神经网络（deep neural network）上取得突破，
使其在性能上能赶上目前最先进的语音识别技术。
2016-08-17 11:54:06
49 神经网络图像压缩算法的FPGA实现技术研究，下来看看
2016-09-17 07:29:2319 《神经网络与深度学习》讲义
2017-07-20 08:58:240 利用深度压缩和DSD训练来提高预测精度。 深度神经网络已经成为解决计算机视觉、语音识别和自然语言处理等机器学习任务的最先进的技术。尽管如此，深度学习算法是计算密集型和存储密集型的，这使得它难以被部署
2017-11-16 13:11:352160 
深度学习神经网络未来发展将出现两大趋势：计算迁移和基于小样本集的学习算法；网络结构及效率不断优化，面向智能终端的AI处理芯片将出现；深度学习神经网络的压缩技术也将不断成熟。
2017-12-01 09:48:018118 蛋白质二级结构预测是结构生物学中的一个重要问题。针对八类蛋白质二级结构预测，提出了一种基于递归神经网络和前馈神经网络的深度学习预测算法。该算法通过双向递归神经网络建模氨基酸间的局部和长程相互作用
2017-12-03 09:41:149 Statsbot深度学习开发者Jay Shah带你入门神经网络，一起了解自动编码器、卷积神经网络、循环神经网络等流行的神经网络类型及其应用。
2018-01-15 17:11:3810006 深度学习和人工智能是 2017 年的热词；2018 年，这两个词愈发火热，但也更加容易混淆。我们将深入深度学习的核心，也就是神经网络。
2018-04-02 09:47:0910661 
《神经网络和深度学习》是一本免费的在线书。本书会教会你：
• 神经网络，一种美妙的受生物学启发的编程范式，可以让计算机从观测数据中进行学习
• 深度学习，一个强有力的用于神经网络学习的众多技术的集合
2018-08-02 17:47:310 由 Demi 于 星期四, 2018-09-06 09:33 发表 现在提到“神经网络”和“深度神经网络”，会觉得两者没有什么区别，神经网络还能不是“深度”（deep）的吗？我们常用
2018-09-06 20:48:01937 本文档的详细介绍的是快速了解神经网络与深度学习的教程资料免费下载主要内容包括了：机器学习概述，线性模型，前馈神经网络，卷积神经网络，循环神经网络，网络优化与正则化，记忆与注意力机制，无监督学习，概率图模型，玻尔兹曼机，深度信念网络，深度生成模型，深度强化学习
2019-02-11 08:00:0033 如何基于深度神经网络设计一个端到端的自动驾驶模型？如何设计一个基于增强学习的自动驾驶决策系统？
2019-04-29 16:44:055731 
本视频主要详细介绍了3d打印上色流程，分别是底色、色块上色、色彩调整、局部细节上色、光感调整。
2019-05-19 09:31:0910623 经过一段漫长时期的沉寂之后，人工智能正在进入一个蓬勃发展的新时期，这主要得益于深度学习和人工神经网络近年来取得的长足发展。更准确地说，人们对深度学习产生的新的兴趣在很大程度上要归功于卷积神经网络（CNNs）的成功，卷积神经网络是一种特别擅长处理视觉数据的神经网络结构。
2020-07-28 10:01:227595 1986年Rumelhart等人提出了人工神经网络的反向传播算法，掀起了神经网络在机器学习中的热潮，神经网络中存在大量的参数，存在容易发生过拟合、训练时间长的缺点，但是对比Boosting
2020-08-24 15:57:526804 向神经网络展示大量的人和车的图片，并告知其哪一张是车，哪一张是人，最终，这个神经网络就可以学会区分人和车。当新输入一张车或人的图片时，它会告诉你这是一个人还是一辆汽车。
2020-10-26 14:58:224481 
随着深度学习技术的快速发展，许多研究者尝试利用深度学习来解决文本分类问题，特别是在卷积神经网络和循环神经网络方面，出现了许多新颖且有效的分类方法。对基于深度神经网络的文本分类问题进行分析，介绍
2021-03-10 16:56:5637 本文档的主要内容详细介绍的是神经网络的方法学习课件免费下载包括了：神经网络发展史，神经网络理论基础，深度神经网络进展，发展趋势与展望
2021-03-11 10:10:3718 神经网络图像压缩是图像压缩和神经网络领域的主要研究方向之一，基于多层前馈神经网络的压缩算法在神经网络压缩算法中最有代表性。本文结合国家某科研项目对该类算法的硬件实现进行研究，具有重要的理论和实用价值。
2021-03-22 16:06:5411 逐步提高。由于可以自动学习样本数据的特征表示，卷积神经网络已经广泛应用于图像分类、目标检测、语乂分割以及自然语言处理等领域。首先分析了典型卷积神经网络模型为提髙其性能増加网络深度以及宽度的模型结构，分析了采用注
2021-04-02 15:29:0421 近年来，随着深度学习的飞速发展，深度神经网络受到了越来越多的关注，在许多应用领域取得了显著效果。通常，在较高的计算量下，深度神经网络的学习能力随着网络层深度的増加而不断提高，因此深度神经网络在大型
2021-04-12 10:26:5920 3小时学习神经网络与深度学习课件下载
2021-04-19 09:36:550 随着深度学习的不断发展，卷积神经网络（CNN）在目标检测与图像分类中受到研究者的广泛关注。CNN从 Lenet5网络发展到深度残差网络，其层数不断增加。基于神经网络中“深度”的含义，在确保感受野相同
2021-05-19 16:11:005 深度学习是推动当前人工智能大趋势的关键技术。在 MATLAB 中可以实现深度学习的数据准备、网络设计、训练和部署全流程开发和应用。联合高性能 NVIDIA GPU 加快深度神经网络训练和推断。
2022-02-18 13:31:442702 深度学习是机器学习的一个子集，它使用神经网络来执行学习和预测。深度学习在各种任务中都表现出了惊人的表现，无论是文本、时间序列还是计算机视觉。
2022-04-07 10:17:052221 神经网络（CNN）、长短期记忆（LSTM）和自动编码器）彻底改变了。曾有学者将本次人工智能浪潮的兴起归因于三个条件，分别是： · 计算资源的快速发展（如GPU） · 大量训练数据的可用性 · 深度学习从欧氏空间数据中提取潜在特征
2022-09-22 10:16:342834 
在介绍卷积神经网络之前，我们先回顾一下神经网络的基本知识。就目前而言，神经网络是深度学习算法的核心，我们所熟知的很多深度学习算法的背后其实都是神经网络。
2023-02-23 09:14:444833 来源：青榴实验室 1、引子 深度神经网络(DNNs)最近在图像分类或语音识别等复杂机器学习任务中表现出的优异性能令人印象深刻。 在本文中，我们将了解深度神经网络的基础知识和三个最流行神经网络：多层
2023-05-15 14:20:011616 
来源：青榴实验室1、引子深度神经网络(DNNs)最近在图像分类或语音识别等复杂机器学习任务中表现出的优异性能令人印象深刻。在本文中，我们将了解深度神经网络的基础知识和三个最流行神经网络：多层神经网络
2023-05-17 09:59:194321 
卷积神经网络原理：卷积神经网络模型和卷积神经网络算法 卷积神经网络（Convolutional Neural Network，CNN）是一种基于深度学习的人工神经网络，是深度学习技术的重要应用之
2023-08-17 16:30:302216 卷积神经网络概述 卷积神经网络的特点 cnn卷积神经网络的优点 卷积神经网络（Convolutional neural network，CNN）是一种基于深度学习技术的神经网络，由于其出色的性能
2023-08-21 16:41:484333 卷积神经网络的工作原理 卷积神经网络通俗解释 卷积神经网络（Convolutional Neural Network, CNN）是一种众所周知的深度学习算法，是人工智能领域中最受欢迎的技术之一
2023-08-21 16:49:245071 的深度学习算法。CNN模型最早被提出是为了处理图像，其模型结构中包含卷积层、池化层和全连接层等关键技术，经过多个卷积层和池化层的处理，CNN可以提取出图像中的特征信息，从而对图像进行分类。 一、卷积神经网络算法 卷积神经网络算法最早起源于图像处理领域。它是一种深
2023-08-21 16:49:462801 卷积神经网络算法原理 卷积神经网络（Convolutional Neural Network，CNN）是一种深度学习（Deep Learning）的模型，它能够自动地从图片、音频、文本等数据中提
2023-08-21 16:49:542026 卷积神经网络(Convolutional Neural Network，CNN)是一种深度学习神经网络，主要用于图像和视频的识别、分类和预测，是计算机视觉领域中应用最广泛的深度学习算法之一。该网络模型可以自动从原始数据中学习有用的特征，并将其映射到相应的类别。
2023-08-21 17:03:463199 深度神经网络是一种基于神经网络的机器学习算法，其主要特点是由多层神经元构成，可以根据数据自动调整神经元之间的权重，从而实现对大规模数据进行预测和分类。卷积神经网络是深度神经网络的一种，主要应用于图像和视频处理领域。
2023-08-21 17:07:365026 卷积神经网络模型搭建 卷积神经网络模型是一种深度学习算法。它已经成为了计算机视觉和自然语言处理等各种领域的主流算法，具有很大的应用前景。本篇文章将详细介绍卷积神经网络模型的搭建过程，为读者提供一份
2023-08-21 17:11:491592 深度神经网络是深度学习的一种框架，它是一种具备至少一个隐层的神经网络。与浅层神经网络类似
2023-10-11 09:14:331896 
神经网络架构是机器学习领域中的核心组成部分，它们模仿了生物神经网络的运作方式，通过复杂的网络结构实现信息的处理、存储和传递。随着深度学习技术的不断发展，各种神经网络架构被提出并广泛应用于图像识别
2024-07-01 14:16:422335 、Sigmoid或Tanh。 卷积神经网络（Convolutional Neural Networks，CNN）： 卷积神经网络是深度学习中最重
2024-07-02 10:00:013226 化能力。随着深度学习技术的不断发展，神经网络已经成为人工智能领域的重要技术之一。卷积神经网络和BP神经
2024-07-02 14:24:037113 。 引言 深度学习是机器学习的一个分支，它通过模拟人脑神经网络的结构和功能，实现对数据的自动学习和特征提取。卷积神经网络是深度学习中的一种重要模型，它通过卷积操作和池化操作，有效地提取图像特征，实现对图像的分类、检测和分割等任务。 卷积神经网络的基本
2024-07-02 14:45:444599 随着人工智能技术的飞速发展，深度学习和卷积神经网络（Convolutional Neural Network, CNN）作为其中的重要分支，已经在多个领域取得了显著的应用成果。从图像识别、语音识别
2024-07-02 18:19:171852 BP神经网络（Backpropagation Neural Network）是一种常见的前馈神经网络，它使用反向传播算法来训练网络。虽然BP神经网络在某些方面与深度神经网络（Deep Neural
2024-07-03 10:14:301801 深度神经网络（Deep Neural Networks, DNNs）作为人工智能领域的重要技术之一，通过模拟人脑神经元之间的连接，实现了对复杂数据的自主学习和智能判断。其设计方法不仅涉及网络
2024-07-04 13:13:491515 在探讨深度神经网络（Deep Neural Networks, DNNs）与基本神经网络（通常指传统神经网络或前向神经网络）的区别时，我们需要从多个维度进行深入分析。这些维度包括网络结构、训练机制、特征学习能力、应用领域以及计算资源需求等方面。以下是对两者区别的详细阐述。
2024-07-04 13:20:362554 深度神经网络（Deep Neural Networks, DNNs）作为机器学习的一种复杂形式，是广义人工神经网络（Artificial Neural Networks, ANNs）的重要分支。它们
2024-07-04 16:08:163803 深度神经网络（Deep Neural Network, DNN）作为机器学习领域中的一种重要技术，以其强大的特征学习能力和非线性建模能力，在多个领域取得了显著成果。DNN的核心在于其多层结构，通过
2024-07-09 11:00:115053 PyTorch，作为一个广泛使用的开源深度学习库，提供了丰富的工具和模块，帮助开发者构建、训练和部署神经网络模型。在神经网络模型中，输出层是尤为关键的部分，它负责将模型的预测结果以合适的形式输出。以下将详细解析PyTorch中神经网络输出层的特性及整个模型的构建过程。
2024-07-10 14:57:331362 深度神经网络（Deep Neural Networks, DNNs）作为机器学习领域中的一种重要技术，特别是在深度学习领域，已经取得了显著的成就。它们通过模拟人类大脑的处理方式，利用多层神经元结构
2024-07-10 18:23:312814 当然，PyTorch是一个广泛使用的深度学习框架，它提供了许多预训练的神经网络模型。 PyTorch中的神经网络模型 1. 引言 深度学习是一种基于人工神经网络的机器学习技术，它在图像识别、自然语言
2024-07-11 09:59:532576 深度学习近年来在多个领域取得了显著的进展，尤其是在图像识别、语音识别和自然语言处理等方面。卷积神经网络作为深度学习的一个分支，因其在图像处理任务中的卓越性能而受到广泛关注。 卷积神经网络的基本概念
2024-11-15 14:52:251300 深度学习中，神经网络是核心模型。今天我们用 Python 和 NumPy 构建一个简单的神经网络。 神经网络由多个神经元组成，神经元之间通过权重连接。我们构建一个包含输入层、隐藏层和输出层的简单
2025-01-23 13:52:15915 BP神经网络与深度学习之间存在着密切的关系，以下是对它们之间关系的介绍： 一、BP神经网络的基本概念 BP神经网络，即反向传播神经网络（Backpropagation Neural Network
2025-02-12 15:15:211519
电子发烧友App
工商网监
湘ICP备2023018690号-1
评论