深度神经网络gcForest

基于深度神经网络的分类--实现与方法说明

1、分类系统的设计采用神经网络进行分类需要考虑以下几个步骤：数据预处理：将数据特征参数和目标数据整理成合适的输入和输出形式，可以使用过去一段时间的数据作为特征，然后将未来的数据作为输出标签，进行分类问题的预测。神经网络架构：本文是一个简化的多层神经网络架构：输入层：节点数量等于特征参数的数量。隐含层：可以根据实际情况增加多个隐含层，每个隐含层的节点数量可以根据经验或者调参进行设置。隐含层的激活函数
12134·2023-08-28 05:40

推荐几个不错的昇腾AscendCL学习资源

AscendCL（AscendComputingLanguage）是一套用于在昇腾平台上开发深度神经网络推理应用的API库，支持C&C++、Python语言，提供Device管理、Context管理、Stream
昇腾CANN·2023-08-28 03:42

CNN 02(CNN原理)

相比较其他浅层或深度神经网络，卷积神经网络需要考量的参数更少，使之成为一种颇具吸引力的深度学习结构。我们来看一下卷积网络的整体结构什么样子。1、32*32图片做一次卷积变成6张
Darren_pty·2023-08-27 23:45

深度Q学习的收敛性分析：通过渐近分析方法

目标网络1.2.2.经验回放2.神经网络2.1.前馈网络2.2.激活函数σ2.3.深度Q网络3.深度Q学习：算法和假设4.收敛性分析4.1.DQN的连续化深度Q学习是一种重要的强化学习算法，它涉及到训练一个深度神经网络
Yingjun Mo·2023-08-27 15:09

Layer Normalization

LayerNormalization训练最先进的深度神经网络是计算成本很高的。减少训练时间的一种方法是对神经元的活动进行归一化。
weixin_37958272·2023-08-27 10:55

BatchNormalization & LayerNormalization

BatchNorm就是在深度神经网络训练过程中使得每一层神经网络的输入保持相同分布深度神经网络随着网络深度加深，训练起来越困难，收敛越来越慢，很多论文都是解决这个问题的，比如ReLU激活函数，再
orangerfun·2023-08-27 10:24

Layer Normalization（层规范化）

详细内容在这篇论文：LayerNormalization训练深度神经网络需要大量的计算，减少计算时间的一个有效方法是规范化神经元的活动，例如批量规范化BN（batchnormalization）技术，然而
寂静的以·2023-08-27 10:21

论文阅读 The Power of Tiling for Small Object Detection

ThePowerofTilingforSmallObjectDetectionAbstract基于深度神经网络的技术在目标检测和分类方面表现出色。
Re-赟·2023-08-27 08:17

Resnet模型详解

Resnet是一种深度神经网络架构，被广泛用于计算机视觉任务，特别是图像分类。它是由微软研究院的研究员于2015年提出的，是深度学习领域的重要里程碑之一。
夏天是冰红茶·2023-08-27 02:12

ChatGPT是什么？

ChatGPT是由OpenAI开发的基于深度学习的自然语言处理模型，它的底层实现是基于深度神经网络。具体来说，Ch
悠然的笔记本·2023-08-26 18:11

强化学习系列--深度Q网络（DQN算法）

强化学习系列--深度Q网络（DQN算法）介绍示例代码（pytorch实现）示例代码（keras实现）介绍深度Q网络（DeepQ-Network，DQN）是一种强化学习算法，通过结合深度神经网络和Q-learning
lqjun0827·2023-08-26 16:14

理解图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。
·2023-08-26 10:11

机器学习之ResNet（残差网络）与常用的标准数据集

ResNet（ResidualNetwork）是一种深度神经网络，由微软实验室的何凯明等几位大神在2015年提出，并在当年的ImageNet竞赛中获得了分类任务第一名。
奋进的大脑袋·2023-08-25 12:46

一个比WGAN更优秀的模型(WGAN-GP)

主要还是改进了连续性限制的条件，因为，作者也发现将权重剪切到一定范围之后，比如剪切到[-0.01,+0.01]后，发生了这样的情况，发现大多数的权重都在-0.01和0.01上，这就意味了网络的大部分权重只有两个可能数，对于深度神经网络来说不能充分发挥深度神经网络的拟合能力
Lornatang·2023-08-24 21:25

《动手学深度学习》-28批量归一化

b站视频链接开源教程链接批量归一化将参数的量级进行统一，使得深度神经网络更好收敛：γ\gammaγ和β\betaβ是可学习的参数：批量归一化是一个线性变换，目的就是将方差和均值拉的比较好，使得变化不那么剧烈
Jiawen9·2023-08-24 17:48

【图像分类】基于卷积神经网络和主动学习的高光谱图像分类（Matlab代码实现）

本文目录如下：目录1概述2运行结果3参考文献4Matlab代码实现1概述文献来源：深度神经网络最近已广泛应用于高光谱图像（HSI）分类。
然哥依旧·2023-08-24 09:43

十八、深度学习模型30年演化史

1.1DNN深度神经网络（DeepNeuralNetworks，以下简称DNN）是深度学习的基础，DNN有时也叫做多层感知机（Multi-Layerperceptron,MLP）DNN内部的神经网络层可以分为三类
vandh·2023-08-24 08:48

开源ChatGPT系统源码 采用NUXT3+Laravel9后端开发 前后端分离版本

ChatGPT的核心技术是使用自然语言处理（NLP）和语义模型，以及基于机器学习的深度神经网络（DNN）来实现聊天机器人的对话管理，从而使机器人能够理解用户的输入，并且能够以自然语言的方式回答用户
软希网分享源码·2023-08-21 14:49

LEQNet: Light Earthquake Deep Neural Network for Earthquake Detection and Phase Picking 论文阅读笔记

LEQNet:LightEarthquakeDeepNeuralNetworkforEarthquakeDetectionandPhasePicking论文阅读笔记摘要本文设计一个轻量级的深度神经网络模型该模型可以在轻量级边缘设备运行使用更深的瓶颈递归结构深度可分离卷积减少了深度学习模型的大小使用斯坦福地震数据集训练对标
MoonpieXia·2023-08-21 13:59

torch 中 nn.init.xavier_uniform_ 方法

Xavier初始化是一种常用的权重初始化方法，旨在解决深度神经网络训练过程中的梯度消失和梯度爆炸问题。
高山莫衣·2023-08-20 17:47

无涯教程-TensorFlow - TensorBoard可视化

深度神经网络包括多达36，000个节点。TensorBoard帮助将这些节点折叠成块并突出显示相同的结构，这样可以更好地分析图形，重点放在计算图形的主要部分。以下示意图表示TensorBo
Hi无涯教程·2023-08-20 15:50

（论文总结）Compressed Video Action Recognition

代码地址：https://github.com/chaoyuaw/pytorch-coviar一、摘要首先，深度神经网络尽管在图像任务中表现出了非常好的效果，但是在视频任务中由于存在时序问题，它有时候并不能发挥出最好的作用
10生万物·2023-08-19 19:02

【图像分类】基于卷积神经网络和主动学习的高光谱图像分类（Matlab代码实现）

本文目录如下：目录1概述2运行结果3参考文献4Matlab代码实现1概述文献来源：深度神经网络最近已广泛应用于高光谱图像（HSI）分类。
长安程序猿·2023-08-19 15:06

一文读懂深度学习中的矩阵微积分

点击视学算法标星，更快获取CVML新技术鱼羊编译整理量子位报道|公众号QbitAI想要真正了解深度神经网络是如何训练的，免不了从矩阵微积分说起。
视学算法·2023-08-19 05:10

[NAS4](2023Neurocomputin)Bi-fidelity Evolutionary Multiobjective Search for Adversarially Robust...

论文链接：https://arxiv.org/abs/2207.05321代码链接：暂未公布摘要：【问题背景】人们发现深度神经网络容易受到对抗性攻击，因此在安全敏感的环境中引起了潜在的担忧。
Eavan努力努力再努力·2023-08-18 14:32

基于机器学习softmax回归训练多分类的深度神经网络结构模型

分类问题机器学习在监督学习领域主要解决两个问题，其中一个问题是分类问题，分类问题分为二分类问题还有多分类问题，而二分类问题相对来说很好解决，我们只需要构建输出层有一个神经元的神经网络，然后结合sigmoid函数，这样我们的神经网络就可以实现二分类问题。而神经网络的多分类问题就不是这样简单，假如我们要解决三分类的问题，那么我们构建神经网络的时候，我们需要建立一个输出层为三个神经元的神经网络，然后配合
幻风_huanfeng·2023-08-18 12:15

神经网络基础-神经网络补充概念-29-为什么使用深层表示

概念深层表示（DeepRepresentation）是指在深度神经网络的多个隐藏层中逐层提取和学习数据的特征表示。使用深层表示的原因高维特征提取：深层神经网络可以从原始数据中自动学习高维抽象特征。
丰。。·2023-08-18 02:56

matlab使用长短期记忆（LSTM）神经网络对序列数据进行分类|附代码数据

要训练深度神经网络对序列数据进行分类，可以使用LSTM网络。LSTM网络使您可以将序列数据输入网络，并根据序列数据的各个时间步进行预测。本示例使用日语元音数据集。
·2023-08-18 00:54

matlab使用长短期记忆（LSTM）神经网络对序列数据进行分类|附代码数据

要训练深度神经网络对序列数据进行分类，可以使用LSTM网络。LSTM网络使您可以将序列数据输入网络，并根据序列数据的各个时间步进行预测。本示例使用日语元音数据集。
·2023-08-18 00:21

神经网络基础-神经网络补充概念-58-端到端的深度学习

概念端到端深度学习（End-to-EndDeepLearning）是指将整个问题的解决过程从输入到输出都交由深度神经网络来完成，无需手工设计复杂的特征提取、预处理或后处理步骤。
丰。。·2023-08-17 23:25

神经网络基础-神经网络补充概念-36-dropout正则化

概念Dropout是一种常用的正则化技术，用于减少深度神经网络中的过拟合问题。
丰。。·2023-08-17 07:25

VGG16模型详解

它在图像分类任务中获得了当年的第二名，其准确率超过了之前的深度神经网络模型，并为后来的研究提供了重要的启示。1、网络模型结构这张图来源于论文
夏天是冰红茶·2023-08-17 06:19

神经网络基础-神经网络补充概念-39-梯度消失与梯度爆炸

简介梯度消失和梯度爆炸是在深度神经网络中训练过程中可能出现的问题，导致模型难以训练或无法收敛。这些问题与反向传播算法中的梯度计算有关。
丰。。·2023-08-16 22:59

存储系统如何支持大模型生成式AI

当时其实是卷积神经网络和深度神经网络蓬勃发展期，其主要目的是分类识别。当时冬瓜哥还做了一个4小时的视频，那真是我见过的最小白的白也能轻松入门，理清楚最基本的名词概念关系的视频了，没有之一。
浪潮圈·2023-08-16 14:06

深度学习Batch Normalization

批标准化（BatchNormalization，简称BN）是一种用于深度神经网络的技术，它的主要目的是解决深度学习模型训练过程中的内部协变量偏移问题。
Fasthand_·2023-08-16 07:00

深度学习神经网络学习笔记-多模态方向-11-Deep Voice: Real-time Neural Text-to-Speech

摘要本文提出DeepVoice，一种完全由深度神经网络构建的生产质量文本到语音系统。DeepVoice为真正的端到端神经语音合成奠定了基础。
丰。。·2023-08-16 04:36

【大模型】—AI大模型总体概述

这些模型通过学习海量数据和深度神经网络的优化，在各种任务上取得了令人瞩目的成果。本文将对AI大模型进行简要介绍，包括其定义、发展历程以及分类等。1.AI大模
麦道先生·2023-08-16 03:05

PyTorch 并行训练 DistributedDataParallel完整代码示例

使用大型数据集训练大型深度神经网络(DNN)的问题是深度学习领域的主要挑战。随着DNN和数据集规模的增加，训练这些模型的计算和内存需求也会增加。
·2023-08-15 16:09

概念解析 | 知识蒸馏(Knowledge Distillation)

教师指点弟子-深度神经网络知识蒸馏技术详解注1:本文系“概念解析”系列之一,致力于简洁清晰地解释、辨析复杂而专业的概念。本次辨析的概念是:知识蒸馏(KnowledgeDistillation)。
R.X. NLOS·2023-08-15 08:33

【深度学习】PyTorch快速入门

深度学习框架提供了一系列的函数、类和工具，用于定义、优化和执行各种深度神经网络模型。这些框架帮助研究人员和开发人员专注于模型的设计和创新，而无需过多关注底层的数值计算和优化。
RedJACK~·2023-08-15 07:11

pytorch之数据处理

pytorch之数据处理对于深度学习来说，要用大量的训练数据训练深度神经网络。因此，学习深度学习的过程中，学习数据处理是不可避免的。本文简单记录了一下我最近学习到的数据处理的基础知识。
这个人很懒他没有名字·2023-08-13 21:16

YOLOV8/YOLOv7/YOLOv5改进:引入GAMAttention注意力机制

因此，我们提出了一种全局调度机制，通过减少信息缩减和放大全局交互表示来提高深度神经网络的性能。我们沿着卷积空间注意子模块引入了用于通道注意的多层感知器3D置换。
陈子迩·2023-08-13 20:02

OpenCV实例（九）基于深度学习的运动目标检测（一）YOLO运动目标检测算法

2014年，Girshick等人首次采用深度神经网络实现目标检测，设计出R-CNN网络结构，实验结果表明，在检测任务中性能比DPM算法优越。同时，何恺明等人针对卷积神经网络(Convo
小幽余生不加糖·2023-08-13 10:42

如何确定PC Nvidia显卡是否支持CUDA以及cudaNN?

Nvidia显卡几乎已经垄断了当前火热的神经网络训练领域，cudaNN是NVIDIACUDA深度神经网络库(cuDNN)，而CUDA则是基于Nvidia的统一计算平台，界各地的深度学习研究人员和框架开发者都依赖
papaofdoudou·2023-08-13 07:43

DIP:《Deep Image Prior》经典文献阅读总结与实现

文章目录DeepImagePrior1.方法原理1.1研究动机1.2方法2.实验验证2.1去噪2.2超分辨率2.3图像修复2.4消融实验3.总结DeepImagePrior1.方法原理1.1研究动机动机深度神经网络在图像复原和生成领域有非常好的表现一般归功于神经网络学习到了图像的先验信息网络结构本身是否具有先验信息呢
留小星·2023-08-12 12:34

AI：03-基于深度神经网络的低空无人机目标检测图像识别的研究

文章目录数据集收集与预处理深度神经网络模型设计模型训练与优化目标检测与图像识别代码实现：实验结果与分析讨论与展望低空无人机的广泛应用为许多领域带来了巨大的潜力和机会。
一见已难忘·2023-08-12 05:04

深度学习阶段性回顾

本文针对过去两周的深度学习理论做阶段性回顾，学习资料来自吴恩达老师的2021版deeplearning.ai课程，内容涵盖深度神经网络改善一直到ML策略的章节。
猫咪的白手套·2023-08-11 06:20

现代C++中的从头开始深度学习：【4/8】梯度下降

一、说明在本系列中，我们将学习如何仅使用普通和现代C++编写必须知道的深度学习算法，例如卷积、反向传播、激活函数、优化器、深度神经网络等。
无水先生·2023-08-10 15:03

UPHDR-GAN: Generative Adversarial Network forHigh Dynamic Range Imaging with Unpaired Data

没有地面真相的数据集很难用于训练深度神经网络。最近，生成对抗网络(GenerativeAdversarialNetworks,GAN)已经证明了在缺少成对例子的情况下，其将图像从源域X转换到
Adagrad·2023-08-10 10:17

计算机视觉一 —— 介绍与环境安装

傲不可长欲不可纵乐不可极志不可满一、介绍研究理论和应用-研究如何使机器“看”的科学-让计算机具有人类视觉的所有功能-让计算机从图像中，提取有用的信息，并解释-重构人眼；重构视觉皮层；重构大脑剩余部分计算机视觉学习图学习重点1.各种深度神经网络模型
半自定义大剑仙·2023-08-10 09:17
上一页 8 9 10 11 12 13 14 15 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他