深度神经网络gcForest

深度学习初级课程 3.随机梯度下降法

深度学习初级课程1.单一神经元2.深度神经网络3.随机梯度下降法4.过拟合和欠拟合5.剪枝、批量标准化6.二分类问题应用.用TPU探测希格斯玻色子正文介绍在前两节课中，我们学习了如何从密集的层堆中构建完全连接的网络
cndrip·2023-01-03 11:15

Tensorflow实现卷积神经网络，用于人脸关键点识别

既然要开始学，当然是搭一个深度神经网络跑几个数据集感受一下作为入门最直观了。自己写代码实现的话debug的过程和运行效率都会很忧伤，我也不知道怎么调用GPU…所以还是站在巨人的肩膀上，用现成的框架吧。
i给i不不不·2023-01-03 11:05

神经网络、边缘计算（学习笔记）

神经网络、边缘计算（学习笔记）本文摘自这里，侵删深度神经网络的训练与应用只能在高性能的计算机集群上进行，为此各大科技巨头们都搭建了高性能深度学习平台来处理海量数据。
wx_21℃·2023-01-03 10:21

边境的悍匪—机器学习实战：第十一章 训练深度神经网络

第十一章训练深度神经网络文章目录第十一章训练深度神经网络前言一、思维导图二、主要内容1、梯度消失与梯度爆炸问题2、重用预训练层3、更快的优化器4、通过正则化避免过拟合5、总结和实用指南三、课后练习四、总结前言前面的一章我们了解了什么是神经网络
doubleZ7·2023-01-03 09:12

神经网络工业控制流程图,神经网络工业应用

深度神经网络具体的工作流程是什么样的？第一，深度神经网络不是黑盒，个人电脑开机直到神经网络运行在内存中的每一比特的变化都是可以很细微的观察的。没有任何神秘力量，没有超出科学解释的现象发生。
普通网友·2023-01-03 08:00

深度学习初级教程 2.深度神经网络

深度学习初级课程1.单一神经元2.深度神经网络3.随机梯度下降法4.过拟合和欠拟合5.剪枝、批量标准化6.二分类问题应用.用TPU探测希格斯玻色子正文介绍在这节课中，我们将看到我们如何构建能够学习复杂关系的神经网络
cndrip·2023-01-03 08:52

干货丨详解深度学习的一些关键术语

深度学习是一个过程，如数据挖掘，它采用深度神经网络架构，它是特定类型的机器学习算法。深度学习最近取得了令人吃惊的成就。但，至少在我看来，谨记一些事情是很重要的：1.深度学习不是万能的—
人工智能爱好者俱乐部·2023-01-03 08:22

HRNet:基于高清表示网络的人体姿势估计

深度神经网络的特征抽取使得特征图不断缩减，而优化的突破口在于想获得一个具有高清表示信息的特征来提升关键点检测的精度。
MingSun95·2023-01-03 07:50

基于残差神经网络的交通标志识别算法研究与应用实现

摘要在本项目项目中，我们将构建一个深度神经网络模型，并将其命名为residual_attention_network,即在残差网络的基础上引入注意
就是求关注·2023-01-03 06:49

Dropout详解：Dropout解决过拟合问题

Dropout是一种能够有效缓解过拟合的正则化技术，被广泛应用于深度神经网络当中。但是被dropout所丢掉的位置都有助于缓解过拟合的吗？
数学是算法的灵魂·2023-01-02 21:10

【自然语言处理】【数据增强】PromDA：应用于低资源NLU任务的、基于prompt的数据增强方法

的数据增强方法原始论文地址：2202.12499]PromDA:Prompt-basedDataAugmentationforLow-ResourceNLUTasks(arxiv.org)一、简介1.问题深度神经网络通常需要大规模
BQW_·2023-01-02 15:46

Deep CORAL: Correlation Alignment for Deep Domain Adaptation

Abstract深度神经网络能够从大量标记的输入数据中学习强大的表示，但是它们不能很好地概括输入分布的变化。提出了一种域自适应算法来补偿由于域移动而导致的性能下降。
gdtop818·2023-01-02 14:05

工业界常用嵌入式/移动端AI计算平台调研

随着时代发展，人们更加关注深度神经网络的实际应用性能，人工智能技术的一个趋势是在边缘计算平台上部署高性能的神经网络模型，并能在真实场景中实时运行，如移动端/嵌入式设备。
LionelZhao·2023-01-02 12:28

9--序列模型

9.1统计工具处理序列数据需要统计工具和新的深度神经网络架构。假设某股票在时刻t的价格为xt，则使用t时刻之前的价格来对t时刻的价格进行预估：这里可以使用不同的模型来对xt进行预估。
pepsi_w·2023-01-02 10:58

9.1_image-augmentation

9.1图像增广在5.6节（深度卷积神经网络）里我们提到过，大规模数据集是成功应用深度神经网络的前提。
给算法爸爸上香·2023-01-02 10:26

《Deep Speaker Feature Learning for Text-independent Speaker Verification》阅读笔记

摘要深度神经网络（DNN）最近经常被用来学习说话人特征。但是学习到的特征质量还不够好，因此在应用于说话人验证时，必须使用复杂的后端模型（神经模型或概率模型）来解决剩余的不确定性，就像原始特征一样。
44070509·2023-01-02 08:57

神经网络的激活函数

缺点：在深度神经网络中梯度反向传递时存在梯度爆炸和梯度消失
学渣渣渣渣渣·2023-01-02 07:55

分布式深度神经网络（DDNN）

本文出自论文DistributedDeepNeuralNetworksovertheCloud,theEdgeandEndDevices，是一种分布式的深度神经网络，可以在本地终端设备、边缘和云端进行网络推理
librahfacebook·2023-01-02 07:40

深度神经网络为何很难训练

原文假设你是一名工程师，接到一项从头开始设计计算机的任务。某天，你在工作室工作，设计逻辑电路，构建AND门，OR门等等时，老板带着坏消息进来：客户刚刚添加了一个奇特的设计需求：整个计算机的线路的深度必须只有两层：两层线路你惊呆了，跟老板说道：“这货疯掉了吧！”老板说：“他们确实疯了，但是客户的需求比天大，我们要满足它。”实际上，在某种程度上看，他们的客户并没有太疯狂。假设你可以使用贵重特殊的逻辑门
数据娃掘·2023-01-02 07:09

文献阅读：基于时延深度神经网络的说话人识别通用背景模型

在本研究中使用的DNN是最近被开发的延时深度神经网络（TDNN），该网络在大词汇量连续语音
Tristespirit·2023-01-02 07:37

为什么是深度神经网络而不是宽度神经网络？增加神经网络的深度相比于增加宽度有哪些优点？

为什么是深度神经网络而不是宽度神经网络？增加神经网络的深度相比于增加宽度有哪些优点？
KeEN丶X·2023-01-02 07:03

深度学习训练和推理有何不同？

在学校中学习——我们可以将其看作是深度神经网络经历「学习」阶段的一种类比。神经网络和大多数人一样——为了完成一项工作，需要接受教育。
IMWTJ·2023-01-02 07:32

第五章 深度神经网络为何很难训练

原文假设你是一名工程师，接到一项从头开始设计计算机的任务。某天，你在工作室工作，设计逻辑电路，构建AND门，OR门等等时，老板带着坏消息进来：客户刚刚添加了一个奇特的设计需求：整个计算机的线路的深度必须只有两层：两层线路你惊呆了，跟老板说道：“这货疯掉了吧！”老板说：“他们确实疯了，但是客户的需求比天大，我们要满足它。”实际上，在某种程度上看，他们的客户并没有太疯狂。假设你可以使用贵重特殊的逻辑门
GarfieldEr007·2023-01-02 07:31

为什么深度神经网络这么难训练

目录1、深度网络训练困难的原因：2、消失的梯度问题3、不稳定的梯度问题参考文章：为什么很难训练深度神经网络？
ytusdc·2023-01-02 07:59

图像分类中的对抗鲁棒性

攻击者的针对性2.2攻击者的能力2.3攻击者的知识3.攻击与防御3.1攻击方法3.2防御4.评估方法4.1评价指标4.2评估数据集和算法5.评估结果5.1CIFAR-10的评估结果5.3讨论6.结论摘要深度神经网络容易受到对抗样本的攻击
qq_40021158·2023-01-02 00:54

PyTorch 递归神经网络(Recursive Neural Networks)

深度神经网络在机器学习理解自然语言过程方面具有独特的特性。据观察，这些模型大多数将语言看作是单词或字符的扁平序列，并使用一种称为循环神经网络或RNN的模型。
m0_60105488·2023-01-01 20:24

手动实现循环神经网络RNN,神经网络rnn是什么意思

1、如何用PyTorch实现递归神经网络从Siri到谷歌翻译，深度神经网络已经在机器理解自然语言方面取得了巨大突破。
普通网友·2023-01-01 19:07

（很全面）综述---图像处理中的注意力机制

原文链接:https://blog.csdn.net/xys430381_1/article/details/89323444重磅好文：微软亚研：对深度神经网络中空间注意力机制的经验性研究论文：AnEmpiricalStudyofSpatialAttentionMechanismsinDeepNetworks
薛定谔的炼丹炉！·2023-01-01 14:25

NON-LOCAL-注意力机制

掩码的原理在于通过另一层新的权重，将图片数据中关键的特征标识出来，通过学习训练，让深度神经网络学到每一张新图片中需要关注的区域
qq_35975753·2023-01-01 14:24

Learning to Reweight Examples for Robust Deep Learning

LearningtoReweightExamplesforRobustDeepLearning一、总结用metalearning做的可解释性学习，很不错二、翻译abstract深度神经网络已被证明是非常强大的建模工具
菜菜的小孙同学·2023-01-01 14:49

2021NIPS | 即插即用,标准化注意力机制NAM

它帮助深度神经网络抑制较不显著的像素或通道。以往的许多研究都集中于通过注意力操作来捕捉显著特征。这些方法成功地
xdhe1216·2023-01-01 14:46

目标检测(二)——SPPNet

SPPNet是出自2015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
hhhcbw·2023-01-01 12:54

对Dueling DQN理论的深度分析。

马尔可夫性质决定了值函数(状态值与动作值函数)可以写成递归的形式，即贝尔曼等式：事实上，在很多任务中，或者使用深度神经网络对动作值函数和状态值函数进行参数化拟合时，我们是默认agent执行一个
难受啊！马飞...·2023-01-01 07:14

基于深度神经网络的中药材识别

摘要近年来,受到我国国民经济发展与社会财富积累增速加快的影响,人们对自己的身体健康也越来越重视,很多的人都选择在服用中草药来治疗疾病、改善体质,因此,我国的中药材行业在这一段时间内也迎来了蓬勃的发展。人们对中医健康养生越来越重视,而中药材是中医健康养生体系的重要组成部分。中药材种类纷繁复杂,普通人对中药材的辨识知识比较匮乏,这可能会导致误用等不良后果。自从2006年,深度学习被提出以来,它在文本、
小段学长·2023-01-01 07:56

语音增强——DNN（深度神经网络）频谱映射

内容来自B站视频：https://www.bilibili.com/video/BV1Vo4y1D7jJ/?spm_id_from=333.788&vd_source=77c874a500ef21df351103560dada737输出层得到的是干净语音的频谱M开头的是男性说话人，F开头的是女性说话人get_scp.py程序如下：importosimportnumpyasnpbase_path="
清泉_流响·2023-01-01 02:06

语音信号处理：语音增强DNN频谱映射

本文为自学总结整理知识点使用参考课程：基于深度神经网络频谱映射的语音增强方法引言原理数据集语音数据集TIMIT噪声数据集Noise-92数据准备无噪语音数据准备生成含噪数据噪声对模型结构参数配置文件数据集管理关于特征提取
橘の月半喵·2023-01-01 02:05

AI技术赋能数智化转型，激发企业变革创新

随着深度神经网络技术的逐渐成熟和计算能力的大幅提升，AI技术实现了飞跃式地发展，已经在工业、制造、能源、金融等各行各业得到了广泛有效地应用实践，大幅提升了现有的生产效率，助力传统行业实现跨越式升级，实现全行业的重塑
用友iuap·2022-12-31 17:05

如何优化深度神经网络

如何优化深度神经网络网络越深越容易过拟合？
w_ticker·2022-12-31 09:17

SIGIR阿里论文 | 可视化理解深度神经网络CTR预估模型

深度神经网络模型是核心业务中的核心模块，有效理解和评估这一“黑盒”算法变得非常重要。下面，我们针对可视化理解深度神经网络CTR预估模型进行探讨。主要作者：郭霖、叶卉、苏文博
weixin_34040079·2022-12-31 09:12

Pytorch模型转成ONNX和MNN

Pytorch模型转成ONNX和MNN准备工作一、MNN安装简介：MNN是一个轻量级的神经网络推理引擎，在端侧加载深度神经网络进行推理预测。
一个热爱学习的深度渣渣·2022-12-31 07:50

人工智能(AI）、深度学习(DL)、机器学习(ML)、神经网络（RNN/CNN）、自然语言处理（NLP）等概念科普

最初的深度学习是利用深度神经网络来解决特征表达的一种学习过程。深度神经网络本身并不是一个全新的
codenow.fun·2022-12-31 05:31

李沐动手学深度学习V2-图像增广和代码实现

图像增广大型数据集是成功应用深度神经网络的先决条件，因为解决了大型复杂网络的过拟合性。图像增广在对训练图像进行一系列的随机变化之后，生成相似但不同的训练样本，从而扩大了训练集的规模。
cv_lhp·2022-12-31 00:23

【百面机器学习笔记——第九章 前向神经网络算法】

百面机器学习笔记——第九章前向神经网络02深度神经网络中的激活函数04神经网络训练技巧05深度卷积神经网络06深度残差网络02深度神经网络中的激活函数Q1:常用的激活函数及其导数？
书玮嘎·2022-12-30 16:50

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
wen05054105·2022-12-30 12:16

语音处理——NN学习相关blog

基于深度学习的单通道语音增强https://www.cnblogs.com/LXP-Never/p/14142108.htmlabstract：介绍目前基于深度神经网络单通道的语音增强方法，大致可以分为两类
Hibiscus_Jin·2022-12-30 12:36

几行代码轻松实现，Tensorlayer 2.0推出深度强化学习基准库

2019-11-1116:37:04机器之心发布机器之心编辑部强化学习通过使用奖励函数对智能体的策略进行优化，深度强化学习则将深度神经网络应用于强化学习算法。
喜欢打酱油的老鸟·2022-12-30 08:24

基于深度学习的恶意软件检测Python代码及数据

download/sheziqiong/85947873资源下载地址：https://download.csdn.net/download/sheziqiong/85947873一、基于深度学习的恶意软件检测深度神经网络可以有效地挖掘原始数据中的潜在特征
biyezuopinvip·2022-12-30 07:22

《南溪的目标检测学习笔记》——权重初始化

2权重初始化的原因关于为什么要进行权重初始化，请阅读知乎文章《神经网络中的权重初始化一览：从基础到Kaiming》，以下简称为《初始化概览》；原因一：防止深度神经网络在正向（前向）传播过程中层激活函数的输出损失梯度出现爆炸或消失如果发生任何一种情况
songyuc·2022-12-30 02:15

49. 残差网络（ResNet）

对于深度神经网络，如果我们能将新添加的层训练成恒等映射（identityfunction）f（x）=x，新模型和原模型将同样有效。同时，由于新模型可能得出更优的解来拟合训练数据集，
chnyi6_ya·2022-12-29 23:16

深度学习自动编译和优化技术调研

深度学习自动编译和优化技术调研转自：https://moqi.com.cn/blog/deeplearning/作者：墨奇科技全栈开发在墨奇科技，我们需要将一些包含深度神经网络（DNN）的AI算法移植到边缘端的设备
Adenialzz·2022-12-29 20:27
上一页 21 22 23 24 25 26 27 28 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他