深度神经网络gcForest

AlphaGo Zero学习二

接上文继续学习一个新的深度神经网络构成：方便回顾，下面重复学习一对新的深度神经网络概述：新的网络中，使用了一个参数为θ（需要通过训练来不断调整）的深度神经网络fθ。
ericblue·2023-09-18 07:00

（十三）从零开始学人工智能-强化学习:值函数近似和策略梯度

强化学习–值函数近似和策略梯度文章目录强化学习--值函数近似和策略梯度1.值函数近似1.1线性函数近似1.1.1状态价值函数近似1.1.2动作价值函数近似1.2深度神经网络近似2.策略梯度声明参考资料前两节内容都是强化学习的一些基础理论
小花技术大本营·2023-09-18 06:36

空间金字塔池化网络SPPNet详解

SPP-Net是出自2015年发表在IEEE上的论文-《SpatialPyramidPoolinginDeepConvolutionalNetworksforVisualRecognition》，这篇论文解决之前深度神经网络的一个大难题
zuo668·2023-09-17 19:42

2018-09-08 自编码器

更重要的是，自编码器可以作为强大的特征检测器，它们可以用于无监督的深度神经网络预训练。最后，他们能够随机生成与训练数据非常相似的新数据；这被称为生成模型。
码农阿欣·2023-09-14 20:37

【人工智能 》机器学习》深度学习】

文章目录前言人工智能（求解、规划、感知）机器学习（分类、回归、关联）K-meansNLPCNNLTSMKNN深度学习（神经网络、深度神经网络、深度增强学习）神经网络前言昨天接了一个面试题，里面居然涉及到
我辈李想·2023-09-14 13:19

梯度消失解释及简单举例

这个问题通常出现在深度神经网络中，其中有很多层堆叠在一起。梯度消失问题的主要原因是深度网络中的链式求导。在反向传播过程中，梯度是从网络的顶部一直传播到底部，每一层都要计算梯度并传递
汪VV·2023-09-14 09:50

残差网络、Dropout正则化、Batch Normalization浅了解

残差网络：为什么需要残差网络：残差网络的目的是为了解决深度神经网络在训练过程中遇到的退化问题，即随着网络层数的增加，训练集的误差反而增大，而不是过拟合。
请让我按时毕业·2023-09-14 02:34

2023.09.10 学习周报

本文工作深度学习1.GNN的构建步骤2.构建图的方法3.GNN的简单样例总结摘要本周阅读了三篇文章，第一篇是基于物理信息深度学习和激光雷达测量的时空风场预测，它将将Navier-Stokes方程编码到深度神经网络中
MoxiMoses·2023-09-14 00:51

DenseNet网络详解及Pytorch实现

DenseNet网络详解及Pytorch实现DenseNet网络简介DenseNet（DenselyConnectedConvolutionalNetworks）是由GaoHuang等研究人员于2017年提出的一种深度神经网络架构
积雨辋川·2023-09-13 19:49

ResNet网络详解及其PyTorch实现

ResNet的主要贡献在于解决了深度神经网络训练过程中的梯度消失和梯度爆炸等问题，使得可以训练非常深的神经网络，极大地提高了模型的
积雨辋川·2023-09-13 07:57

OpenCV之Googlenet图像分类

需要转载请联系博主如果文章对你有帮助、欢迎关注、点赞、收藏(一键三连)和订阅专栏哦目录前言一、加载网络模型二、构建输入三、执行推理四、解析输出前言GoogLeNet是google推出的基于Inception模块的深度神经网络模型
风间琉璃•·2023-09-12 23:34

batch normalization和layer normalization

另一方面，深度神经网络一般都是很多层的叠加，每一层的参数更新都会导致上层的输入数据在输出时分布规律发生了变化，并且这个差异会随着网络深度增大而增大。
张小猪的家·2023-09-12 16:23

paddle框架的使用

它还支持深度神经网络的超大规模训练和神经架构的自动设计。您可以使用Paddle构建用于训练的神经网络模型，具体步骤如下：导入桨模块和其他必要的模块，如numpy，paddle.nn等。
Helloorld_1·2023-09-12 14:07

图像识别的进步：从单标签到多标签分类

深度学习模型通过构建深度神经网络，可以自动学习和提取图像中的特征，并根据这些特征进行分类和识别。深度学习模型的性能取决于所选择的网络结构
matlabgoodboy·2023-09-12 11:49

【MFEN：轻量级多尺度特征提取：SR网络】

然而，基于深度神经网络的方法由于计算量大、内存消耗大，很难应用于嵌入式便携设备。针对上述问题，通过构造多尺度特征提取
小郭同学要努力·2023-09-12 05:13

为什么 AI 芯片时代必然到来——从TPU开始的几十倍性能之旅

TPU使深度神经网络（DNN）的计算速度提高了15-30倍，能耗效率比类似技术下的当代CPU和GPU高出了30-80倍。
人工智能学家·2023-09-11 16:41

不同温度与工况的放电曲线与内阻曲线

对于电动汽车电池SOC估计，可以使用深度神经网络（DNN）来训练模型。训练
dogRuning·2023-09-11 06:20

Bioinformatics2021 | sAMP-PFPDeep+：利用三种不同的序列编码和深度神经网络预测短抗菌肽

文章标题：sAMP-PFPDeep:Improvingaccuracyofshortantimicrobialpeptidespredictionusingthreedifferentsequenceencodingsanddeepneuralnetworks代码：https://github.com/WaqarHusain/sAMP-PFPDeep一、问题短抗菌肽(sAMPs)：红色是α-hel
羊飘·2023-09-10 18:25

模型量化技术-INT8

模型量化技术-INT8量化技术概述在一些支持向量化计算设备上面，单精度的浮点计算可以同时进行八个32bit单精度浮点，用于传统的深度神经网络训练和推断工作，在大部分设备上面都可以很好的支持8bit通常是整形计算
luzhoushili·2023-09-10 06:07

自然语言处理重点 第11章 机器阅读理解 复习

任务分类：完形填空形式（cloze-style）选项形式片段抽取形式（spanextraction）文本生成形式（free-answer/generation）阅读理解实现方法传统特征工程深层语义图匹配深度神经网络神经网络机器阅读理解基本框架嵌入编码
SiYuanFeng·2023-09-09 11:55

CVPR2023对抗攻击相关论文

arxiv.org/abs/2303.13846v1代码地址：GitHub-wkim97/FSR:FeatureSeparationandRecalibration(CVPR2023)摘要：由于特征层面的扰动积累，深度神经网络容易受到对抗性攻击
Doudou-82·2023-09-09 11:20

如何理解图神经网络的傅里叶变换和图卷积

图神经网络（GNN）代表了一类强大的深度神经网络架构。在一个日益互联的世界里，因为信息的联通性，大部分的信息可以被建模为图。例如，化合物中的原子是节点，它们之间的键是边。
AI 研习所·2023-09-09 01:18

【Two Stream network (Tsn)】(二) 阅读笔记

贡献将深度神经网络应用于视频动作识别的难点，是如何同时利用好静止图像上的appearanceinformation以及物体之间的运动信息motioninformation。
jjjhut·2023-09-07 09:12

【NLP保姆级教程】手把手带你RCNN文本分类(附代码)

本文首发于微信公众号：NewBeeNLP继续之前的文本分类系列传统文本分类之前介绍的都是属于深度神经网络框架的，那么在DeepLearning出现或者风靡之前，文本分类是怎么做的呢？
kaiyuan_nlp·2023-09-07 08:11

论文阅读-Retrieving and Reading : A ComprehensiveSurvey on Open-domain Question Answering

arxiv.org/pdf/2101.00774.pdf目录Abstract1简介2OPENQA的发展2.1OpenQA的起源2.2OpenQA的传统架构2.2.1问题分析2.2.2文献检索2.2.3答案提取2.3深度神经网络在
无脑敲代码，bug漫天飞·2023-09-07 07:16

改进YOLOv8：结合轻量化骨干，华为顶刊IJCV2022：G-GhostNet！

结合G-GhostNet轻量化设计，保持精度，计算量缩小轻量化网络常见的轻量化网络设计方法常见的YOLO结合轻量化骨干方法一、理论介绍二、改进方法yaml文件另外需要修改的地方三、运行测试建议轻量化网络深度神经网络模型被广泛应用在图像分类
一休哥※·2023-09-07 06:15

（2023|SaTML，解释&综述）迈向透明 AI：解释深度神经网络内部结构

TowardtransparentAI:Asurveyoninterpretingtheinnerstructuresofdeepneuralnetworks公众号：EDPJ目录0.摘要1.简介1.A可解释AI的重要性1.B范围1.C分类法（Taxonomy）2.权重2.A持续学习（Intrinsic，内在）2.B权重掩蔽（PostHoc，事后）2.C琐碎（frivolous）权重（Hazard，
EDPJ·2023-09-07 00:32

BT × IT | DeepST：通过深度学习识别空间转录组学中的空间域

DeepST使用预先训练好的深度神经网络模型从形态学图像块中提取特征向量，然后将提取的特征与基因表达和空间位置
尐尐呅·2023-09-06 18:03

深度神经网络之BiseNet

标题：深度神经网络之BiseNet1.模型介绍BiseNet是一种用于实时语义分割的神经网络模型，由华为公司提出。它结合了全卷积网络和空间金字塔池化模块的优点，可以同时实现高效率和高精度的语义分割。
TankOStao·2023-09-05 22:50

《深度学习-基于案例理解深度神经网络》开书计划

本书内容比较基础，共分10章预计需要话花费40个小时左右来阅读，大概需要2周的时间。平日每天1.5个小时，周末4-5个小时每天。希望通过本书来：更加系统的学习tensorflow1.0的使用。巩固机器学习相关的知识。
奶爸加油·2023-09-05 12:52

[论文翻译]Edge AI: On-Demand Accelerating Deep Neural Network Inference via Edge Computing

原文链接：https://arxiv.org/abs/1910.05316翻译：边缘人工智能：基于边缘计算按需加速深度神经网络计算EnLi1)LiekangZeng2)ZhiZhou3)XuChen4)
JUNLONG2·2023-09-05 09:02

TensorFlow是什么

它提供了一种简单而灵活的方法来构建各种类型的机器学习模型，包括卷积神经网络、循环神经网络、深度神经网络等。TensorFlow使用图和张量的概念来描述计算流程。
Bugkillers·2023-09-05 07:54

面向深度神经网络的特定领域架构

随着AI对算力的需求不断增长，以TPU为代表的面向DNN的特定领域架构为DNN计算提供了几十倍的性能提升以及能效优化。本文基于谷歌真实业务场景数据，介绍了TPU相对CPU/GPU的实际性能、能效指标。原文:ADomain-SpecificArchitectureforDeepNeuralNetworks摩尔定律的终结使人们意识到特定领域架构才是计算的未来。谷歌的张量处理单元(TPU)就是一个开创性
DeepNoMind·2023-09-04 20:45

在Ubuntu上安装CUDA和cuDNN以及验证安装步骤

在Ubuntu上安装CUDA和cuDNN以及验证安装步骤本教程详细介绍了如何在Ubuntu操作系统上安装CUDA（NVIDIA的并行计算平台）和cuDNN（深度神经网络库），以及如何验证安装是否成功。
cheungxiongwei.com·2023-09-04 18:45

让孩子更聪明，深度学习为儿童的智力发展提供了一种新的方式

这种气味教学法是一种新的学习方法，它是一种深度神经网络学习方式，深度学习正在改变我们思考学习的方式，他们的一些技巧与心理学家多年来所描述的并没有什么不同。
心理学说·2023-09-04 10:33

面向深度神经网络的特定领域架构

随着AI对算力的需求不断增长，以TPU为代表的面向DNN的特定领域架构为DNN计算提供了几十倍的性能提升以及能效优化。本文基于谷歌真实业务场景数据，介绍了TPU相对CPU/GPU的实际性能、能效指标。原文:ADomain-SpecificArchitectureforDeepNeuralNetworks摩尔定律的终结使人们意识到特定领域架构才是计算的未来。谷歌的张量处理单元(TPU)就是一个开创性
·2023-09-04 09:34

李宏毅机器学习笔记：RNN循环神经网络

因此，使用传统的深度神经网络解决不了问
ZEERO~·2023-09-03 21:55

一点思考｜漫谈 AI 中的「反馈」机制

本文探究反馈机制在深度神经网络中的体现，由于笔者知识浅薄，故仅列举个人认知范围内的以下几种「反馈」示例。
_Meilinger_·2023-09-03 03:44

【人工智能】—_深度神经网络、卷积神经网络（CNN）、多卷积核、全连接、池化

深度神经网络、卷积神经网络（CNN）、多卷积核、全连接、池化)文章目录深度神经网络、卷积神经网络（CNN）、多卷积核、全连接、池化)深度神经网络训练训练深度神经网络参数共享卷积神经网络（CNN）卷积多卷积核卷积全连接最大池化卷积
Runjavago·2023-09-02 11:38

深度神经网络+聚类的概述

【导读】本篇介绍了深度神经网络表示学习+聚类的方法（深度聚类）综述，有帮助的话，文末点个赞吧~聚类分析在机器学习和数据挖掘中非常重要。
风度78·2023-09-02 07:46

特征是如何在深度卷积神经网络中传递的？

作者：JasonYosinski,JeffClune,YoshuaBengio,HodLipsonAbstract许多以自然图像训练的深度神经网络(dCNN)都有一种奇怪的现象：这些网络在第一层学习类似于
ZhenyaoFor·2023-09-02 01:57

【闭源期刊】Elsevier旗下，1区（TOP），3个月录用

9.0期刊分区：JCR1区，中科院2区（无预警记录）检索情况：SCIE&EI双检，正刊自引率：6.90%国人占比：57.302%（国人发文友好）征稿领域：不平衡分类的计算智能问题研究，包括不平衡分类采样；深度神经网络
WangUnionpub·2023-09-01 17:00

【深度神经网络原理结合代码剖析】网络训练

关于网络训练代码的剖析还是用一个简单的网络，做图像分类任务来举例。在以下代码中，我们定义了一个ModelNet网络，包含了卷积池化和全连接层。接下来我们从路径path中读取了需要的训练数据。数据来源是Imagenet的数据集，从数据集中挑选了2个类别，船桨和蛇，分别放在文件夹‘/1’和文件夹‘/2’下面，1和2也分别作为他们的类别编号。由于Imagenet数据集中的数据大小不同，所以在使用之前需要
犟果·2023-09-01 06:29

卷积神经网络表征可视化研究综述

关键词：深度学习、卷积神经网络、可解释性、表征可视化、显著图近年来,以深度神经网络(Deepneuralnetworks,DNN)为代表的机器学习方法逐渐兴起[1].由于训练数据的增加[2-3]及计算能力的大幅提升
renhongxia1·2023-08-31 20:07

基于分类使用深度神经网络的金融市场预测

深度神经网络（DNNs）是使用多隐层的强大的人工神经网络(ANNs)。它最近在语音翻译和图像识别社区已经引起了强烈的关注，因为它具有优秀的预测性能，包括过度拟合的鲁棒性。
karwik·2023-08-30 04:10

Pytorch基础及实战(5)——模型组网

在深度学习中，模型组网即是指设计和构建深度神经网络模型的过程。深度神经网络模型通常由多个层（Layer）组成，每个层都包含多个神经元（Neuron），并通过一定的连接方式进行信息传递和特征提取。
穿着帆布鞋也能走猫步·2023-08-30 03:13

在DARTS空间中进行神经架构搜索(NAS)

前言神经架构搜索(NAS)：自动化设计高性能深度神经网络架构的技术神经架构搜索任务主要有三个关键组成部分，即：模型搜索空间，定义了一个要探索的模型的集合一个合适的策略作为探索这个模型空间的方法一个模型评估器
羽星_s·2023-08-29 16:38

YOLOv5、YOLOv8改进：NAMAttention注意力机制

它帮助深度神经网络抑制较不显著的像素或
陈子迩·2023-08-29 08:46

Skip Connection——提高深度神经网络性能的利器

可以参考一下这篇知乎所讲https://zhuanlan.zhihu.com/p/457590578
小宋加油啊·2023-08-29 08:40

人工智能与深度神经网络,人工智能的实现路径是

1、人工智能学习路线图？人工智能学习路线为：高等数学，概率论，python编程，机器学习，深度学习，各种算法实战。想学习人工智能，通过上面的学习路线学完，最好还要到人工智能企业里实战才行。如需学习人工智能，推荐选择【达内教育】。人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，【
阳阳2013哈哈·2023-08-28 07:42
上一页 7 8 9 10 11 12 13 14 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他