卷积神经网络(Andrew 第71页

【LSTM时间序列预测】CNN优化LSTM时间序列预测（单变量单输出）【含Matlab源码 1688期】

⛄一、卷积神经网络（CNN）简介1卷积神经网络（CNN）定义卷积神经网络（convolutionalneuralnetwork,CNN），是一种专门用来处理具有类似网格结构的数据的神经网络。

Matlab领域·2023-02-17 12:01

时间序列预测--基于CNN的股价预测（Matlab代码实现）

目录1概述2运行结果3参考文献‍4Matlab代码1概述时间序列预测有很多方法，如传统的时序建模方法ARIMA、周期因子法、深度学习网络等，本次实验采用最简单的卷积神经网络进行训练。

我爱Matlab编程·2023-02-17 12:28

时序预测 | MATLAB实现BO-CNN贝叶斯算法优化卷积神经网络时间序列预测

时序预测|MATLAB实现BO-CNN贝叶斯算法优化卷积神经网络时间序列预测目录时序预测|MATLAB实现BO-CNN贝叶斯算法优化卷积神经网络时间序列预测预测效果基本介绍模型描述程序设计参考资料预测效果基本介绍

机器学习之心·2023-02-17 12:25

SVFormer：走进半监督动作识别的视觉 Transformer

·2023-02-17 11:22

论文阅读：Convolutional Neural Networks for Sentence Classification

转自：https://blog.csdn.net/chuchus/article/details/778474761.简介TextCNN是利用卷积神经网络对文本进行分类的算法，由YoonKim在“ConvolutionalNeuralNetworksforSentenceClassification

暴躁的猴子·2023-02-17 07:55

【每周一文】Convolutional Neural Network for text/sentence classification（2016）

概述卷积神经网络（CNN）相比于基于词袋模型的DNN有以下优点：1.能够捕获局部的位置信息2.能够方便的将不定长的输入转换成定长输入接入到DNN网络中3.相比于RNN模型计算复杂度低，在很多任务中取得不错的效果

下一步·2023-02-17 07:51

Matlab卷积神经网络（CNN）手写数字识别（一）

今天买的书到了，开始接触卷积神经网络，展示书中内容~Matlab卷积神经网络手写数字识别（一）机器学习的基本流程加载Matlab自带数据集机器学习的基本流程在机器学习中，一般将数据集划分为两大部分：一部分用于模型训练

猫西贝·2023-02-17 07:46

深度学习——自注意力机制和位置编码（笔记）

1.自注意力：①在深度学习中，经常使用卷积神经网络或者循环神经网络对序列进行编码②对于key,value和query，自注意力有一套自己的选法，因为key，value和query的值来自同一组输入。

钟楼小奶糕6·2023-02-16 22:48

Deep Learning for Spatio-Temporal Data Mining: A Survey

近年来，随着深度学习技术的进步，诸如卷积神经网络（CNN）和递归神经网络（RNN）之类的深度学习模型由于在空间和时间上都具有强大的层次特征学习能力而在各种机器学习任务中都取得了相当大的成功。

csdnzhiwang·2023-02-16 22:45

中文标题相似度检测

结构如下所示：学位论文题名基于卷积神经网络的人脸识别研究P2P流媒体视频点播系统设计和研究校园网安全体系的设计与实现无线传感器网络中

zh_jp·2023-02-16 22:00

DAY2 深度学习之卷积神经网络实现手写数字识别（MINIST）的收获

DAY2深度学习之卷积神经网络实现手写数字识别（MINIST）的收获导入相关包的理解importmatplotlib.pyplotasplt用来处理图像，fromtorch.utils.dataimportDataLoader

nodoth1sl·2023-02-16 21:40

记录|深度学习100例-卷积神经网络（CNN）minist数字分类 | 第1天

记录|深度学习100例-卷积神经网络（CNN）minist数字分类|第2天1.minist0-9数字分类效果图数据集如下：分类及预测图如下：预测标签值和真实标签值如下图所示，成功预测训练Loss/Accuracy

程序媛一枚~·2023-02-16 21:10

“深度学习”学习日记。--加深网络

基于之前介绍的网络，只需要通过叠加层，就可以创建深度网络之前的学习，已经学习到了很多东西，比如构成神经网络的各种层、参数优化方法、误差反向传播法，卷积神经网络现在将这些技术结合起来构建一个深度网络去完成

Anthony陪你度过漫长岁月·2023-02-16 21:09

卷积神经网络--卷积层与池化层的实现

2023.2.7一、池化层：池化是缩小高、长方向上的空间运算。如图，，Max池化的处理步骤，2×2的区域集约成1个元素，缩小空间大小；除了图中的Max池化之外，还有Average池化等。相对于Max池化是从目标区域中取出最大值，Average池化是计算目标区域的平均值。在图像识别领域，一般使用Max池化。可以很明显的看到，池化的窗口步幅为2，所以2×2的窗口移动间隔2个元素。另外，一般来说池化的窗

Anthony陪你度过漫长岁月·2023-02-16 21:39

卷积神经网络--用CNN的实现MINIST识别任务

2023.2.11通过已经实现的卷积层和池化层，搭建CNN去实现MNIST数据集的识别任务；一，简单CNN的网络构成：代码需要在有网络的情况下运行，因为会下载MINIST数据集，运行后会生成params.pkl保留训练权重；简单卷积层的基本参数："""简单的ConvNetconv-relu-pool-affine-relu-affine-softmaxParameters----------inp

Anthony陪你度过漫长岁月·2023-02-16 21:32

【论文精读】Deep Residual Learning for Image Recognition

1DegradationProblem深度卷积神经网络在图像分类方面取得了一系列突破。

拟禾·2023-02-16 21:27

《Attention Is All You Need》论文精读，并解析Transformer模型结构

多头注意力模型结构（2）MskedMulti-HeadAttention（3）相对位置编码（4）为什么对点积注意力进行缩放四、调整模型的结构超参数五、注意力可视化一、引言主导的序列转导模型是基于复杂的递归或卷积神经网络

Flying Bulldog·2023-02-16 21:24

卷积神经网络 [数学特性]

神经网络代表了人工智能中的连接主义思想，它是一种仿生的方法，被看做是对动物大脑神经系统的模拟。在实现时，它又和大脑的结构不同。从数学上看，多层神经网络本质上是一个复合函数。既然神经网络在本质上是一个复杂的复合函数，这会让我们思考一个问题：这个函数的建模能力有多强？即它能模拟什么样的目标函数？已经证明，只要激活函数选择得当，神经元个数足够多，使用3层即包含一个隐含层的神经网络就可以实现对任何一个从输

gukedream·2023-02-16 21:48

【论文精读】Attention Is All You Need

强烈建议先弄懂这篇博文：http://t.csdn.cn/VdJpK1Abstract❄️主要的序列转录模型是基于复杂的循环或卷积神经网络，其中包括一个编码器和一个解码器。

拟禾·2023-02-16 21:46

百度架构师手把手带你零基础实践深度学习——YOLO-V3

学习发展历程目标检测基础概念数据集及预处理数据读取数据预处理图像增广方法汇总批量数据读取与加速使用paddle.reader.xmap_readers实现多线程读取数据YOLO-V3模型设计思想产生候选区域卷积神经网络提取特征

张学义·2023-02-16 21:08

西瓜玲子5.27打卡日记

Datawhale零基础入门CV赛事-Task3字符识别模型卷积神经网络（简称CNN)是一类特殊的人工神经网络，是深度学习中重要的一个分支。

爱动脑筋的西瓜玲子·2023-02-16 21:45

来看看他对卷积神经网络的解释是否准确

chatGPT的回答在回答时候由于字数限制它不能一口气输出全部结果，此时可以采用两种方法让它继续输出：复制它的上一步回答给它，它会接着回复直接发送继续，它也会接着回复，但是在稍长的文章里会不连续第一次回答卷积神经网络

听风、·2023-02-16 20:48

【图像分类】基于PyTorch搭建卷积神经网络实现MNIST手写数字识别(附项目完整代码)

写在前面：首先感谢兄弟们的关注和订阅，让我有创作的动力，在创作过程我会尽最大能力，保证作品的质量，如果有问题，可以私信我，让我们携手共进，共创辉煌。在【图像分类】基于PyTorch搭建LSTM实现MNIST手写数字体识别（单向LSTM，附完整代码和数据集）文章中，我们使用了基于PyTorch搭建LSTM实现MNIST手写数字体识别，LSTM是单向的；在【图像分类】基于PyTorch搭建LSTM实现

机器不学习我学习·2023-02-16 20:36

matlab教程酷6网,12个神经网络可视化工具，很酷！

1draw_convnet一个用于画卷积神经网络的Python脚本

weixin_39687359·2023-02-07 13:01

Andrew Ng 深度学习课程——改善深层神经网络：超参数调试、正则化以及优化

感谢AndrewNg的公开课1，这个博客主要是记录公开课的学习过程与理解。文章目录深度学习实用层面数据集偏差(bias)与方差(variance)参数的初始化正则化(regularization)Dropout其他正则化方法梯度消失/梯度爆炸问题梯度检查代码实现算法优化mini-batch梯度下降指数加权平均动量梯度下降法(Momentum)RMSprop(rootmeansquareprop)A

sinat_18131557·2023-02-07 13:58

卷积神经网络中的Conv层和BN层融合细节

BN层批归一化层（BatchNormallization）是一种在卷积神经网络模型中大量使用，为了加速模型收敛的技术。为什么CNN中引入BN层可以加速网络的收敛呢？

海棠花不香·2023-02-07 13:27

快速入门使用tikz绘制深度学习网络图

【GiantPandaCV导语】本文主要介绍最最最基础的tikz命令和一些绘制CNN时需要的基础的LaTeX知识，希望能在尽可能短的时间内学会并实现使用tikz这个LaTeX工具包来绘制卷积神经网络示意图

*pprp*·2023-02-07 13:49

plotneuralnet使用教程

pyexamples文件夹下的test_simple.py文件会在文件夹下生成tex文件把文件拖入TexWorks，然后运行就会生成画好的图REF(18条消息)【论文作图】使用PlotNeuralNet绘制卷积神经网络

坠金·2023-02-07 13:18

图神经网络和计算机视觉,《卷积神经网络与计算机视觉》 —1.1.2图像处理与计算机视觉...

1.1.2图像处理与计算机视觉我们可以将图像处理视为计算机视觉的预处理步骤。更确切地说，图像处理的目标是提取基本图像基元，包括边缘和角点、滤波、形态学操作等。这些图像基元通常表示为图像。例如，为了执行语义图像分割(一种计算机视觉任务，见图1.1)，人们可能需要在该过程中对图像做一些滤波(图像处理任务)。图像处理主要集中在处理原始图像而不会给出关于这些图像的任何知识反馈，与图像处理不同，计算机视觉产

是权·2023-02-07 12:04

基于复数卷积神经网络的辐射源识别方法

【摘要】辐射源识别技术是近年来通信与信号处理领域的重要研究方向，是实现军事信号对抗与民用信号监管处理任务的基础。由于辐射源信号的种类、数量的急剧增加以及所处的电磁环境的复杂多变，传统的辐射源识别方法会出现识别性能下降的问题，因此提出一种基于CVCNN的辐射源识别方法。通过训练CVCNN来学习辐射源信号的有效特征并进行准确识别；采用100类民航客机广播式ADS-B信号用于辐射源识别，并对比了不同神经

罗伯特之技术屋·2023-02-07 11:59

complex neural network

complexneuralnetwork近年来，复数卷积神经网络在图像，语音等领域受到重视，在这里分享一些自己的理解，若有错误，请指出！

mille19·2023-02-07 11:29

系统学习CV-CNN

系统学习CV-CNN参考CNN卷积神经网络概念特殊方法BatchNormalization批规范化网络模型数据增强参考https://zh-v2.d2l.ai/index.htmlCNN卷积神经网络概念性质空间不变性平移不变性

aoaoGofei·2023-02-07 11:26

复数卷积神经网络：CV-CNN

复数卷积神经网络(CV-CNN)用复数参数和变量进行复数输入数据的特征提取，并进行特征分类。

毛毛真nice·2023-02-07 11:56

卷积神经网络是干什么的,为什么叫卷积神经网络

卷积神经网络通俗理解卷积神经网络（ConvolutionalNeuralNetworks,CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（FeedforwardNeuralNetworks），是深度学习

小浣熊的技术·2023-02-07 11:48

卷积神经网络的历史和各层的作用

目录一历史发展二卷积层2.1卷积层的作用2.1.1提取图像的特征2.1.2局部感知，参数共享2.1.3二维卷积运算2.1.4特征图和感受野2.1.5卷积中的填充和步幅2.1.6卷积层的多输入通道三池化层3.1池化层的作用3.1.1最大池化层和平均池化层四归一化层4.1归一化的作用4.2什么是归一化？五：神经网络的应用5.1图像和分类识别5.2自然语言处理(NLP)5.3图像着色一历史发展卷积神经网

<阿睿>·2023-02-07 11:12

卷积神经网络学习——第一部分：认识并搭建两层卷积神经网络

卷积神经网络——第一部分：认识并搭建卷积神经网络一、序言二、网络实现1、模型构建2、类和函数的意义及性质（1）nn.Conv2d（2）F.max_pool2d（3）F.relu（4）F.log_softmax

吕守晔_Ryan·2023-02-07 11:32

卷积神经网络中各个层对数据形状的改变

一般卷积神经网络的输入是一个四维张量，NCHW或NHWC格式的4-DTensor，N是batch_size白话就是一个批次有几张图片,C是通道数，彩色图片是3，黑白是1，H是高度，W是图片宽度，然后卷积层的参数一般有必选的两个个

羸弱的穷酸书生·2023-02-07 11:01

神经网络入门必做项目【浅留个脚印】

知乎上看到一个神经网络入门必做项目：1、使用Python实现深度神经网络2、神经网络实现手写字符识别系统3、使用卷积神经网络进行图片分类4、神经网络实现人脸识别任务5、基于无监督学习的自编码器实现6、自联想器的

霉霉屁·2023-02-07 09:19

【论文阅读】Pose from Shape: Deep Pose Estimation for Arbitrary 3D Objects

更准确地说，我们训练了一个卷积神经网络，它将测试图像和

PandAiTech_Seven·2023-02-07 09:40

北邮教授石川：图神经网络需要解决的几个关键问题

会上，四位国内学者对图表示学习和图神经网络的最新理论进展和应用探索进行了介绍，题目分别是：《图卷积神经网络》中国中文信息学会·社会媒体处理专委会副主任、中科院计算所研究员沈华伟《图神经网络(GNN)及认知推理

喜欢打酱油的老鸟·2023-02-07 09:37

自注意力和位置编码（比较卷积神经网络、循环神经网络和自注意力）

卷积神经网络和自注意力都拥有并行计算的优势，而且自注意力的最大路径长度最短。但是因为其计算复杂度是关于序列长度的二次方，所以在很长的序列中计算会非常慢。

流萤数点·2023-02-07 09:32

认知推理：从图表示学习和图神经网络的最新理论看AI的未来

会上，四位国内学者对图表示学习和图神经网络的最新理论进展和应用探索进行了介绍，题目分别是：《图卷积神经网络》中国中文信息学会·社会媒体处理专委会副主任、中科院计算所研究员沈华伟《图神经网络(GNN)及认知推理

智源社区·2023-02-07 09:31

tensorflow中tf.nn.conv1d和layers.conv1d的区别

在用tensorflow做一维的卷积神经网络的时候会遇到tf.nn.conv1d和layers.conv1d这两个函数，但是这两个函数有什么区别呢，通过计算得到一些规律。

孤独的猿行客·2023-02-07 08:22

【学习笔记】行人异常行为检测的综述

摘要首先，针对人群异常行为检测任务及其现状进行介绍；其次，重点探讨卷积神经网络、自编码网络和生成对抗网络在人群异常行为检测任务上的研究进展；然后，列举该领域常用的数据集，并比较和分析了深度学习方法在U

Bite.Z·2023-02-07 08:43

ODE网络：一场颠覆RNN的革命即将到来

与其他形式的人工智能相比，RNN-NLP在现实世界中的应用要多得多，包括使用卷积神经网络识别和处理图像。\n从某

flybirding1001·2023-02-07 07:22

一文理清深度学习前馈神经网络

Index多层感知机（MLP）介绍深度神经网络的激活函数深度神经网络的损失函数多层感知机的反向传播算法神经网络的训练技巧深度卷积神经网络前馈神经网络（feedforwardneuralnetwork）是一种最简单的神经网络

SamLam·2023-02-07 07:23

d2l卷积神经网络学习笔记（2）——浅谈残差网络ResNet

1.关于残差网络残差网络从实现原理上并不复杂，但是关于具体的原理一开始比较难理解，找了一些资料也有了一点想法。(1).我们要解决什么问题首先，网络的性能并不是随网络层数加深而上升的，这是很符合直觉的，毕竟有过拟合的先例。但是实际上，即使网络还处于欠拟合，更深层次的网络也会导致性能的下降，也就是网络退化，要理清这一现象，需要先引入一个概念，恒等映射。恒等映射简单的讲就是f(x)=x，在我们预期中，一

Tsparkle·2023-02-07 07:14

Corner-based对象检测算法三连之——开山鼻祖CornerNet

概述论文中提出的CornerNet，是一种新的对象检测方法，其使用一个单一的卷积神经网络将对象的边界框检测定义为一对关键点，即左上角和右下角。

mrhalyang·2023-02-06 22:59

Max Pooling和 Average Pooling的区别，使用场景分别是什么？

池化操作时在卷积神经网络中经常采用过的一个基本操作，一般在卷积层后面都会接一个池化操作，但是近些年比较主流的ImageNet上的分类算法模型都是使用的max-pooling，很少使用average-pooling

thequitesunshine007·2023-02-06 21:51

YOLOv4理论深度剖析

解剖物体检测器所有的目标检测器都将图像作为输入，并通过卷积神经网络主干压缩特征。在图像分类中，这些主干是网络的末端，可以

求则得之，舍则失之·2023-02-06 19:00

推荐频道

卷积神经网络(Andrew