贝叶斯神经网络

【深度学习】语言模型与注意力机制以及Bert实战指引之一

文章目录统计语言模型和神经网络语言模型注意力机制和Bert实战Bert配置环境和模型转换格式准备模型构建网络设计模型配置代码实战统计语言模型和神经网络语言模型区别：统计语言模型的本质是基于词与词共现频次的统计
weixin_40293999·2023-12-21 17:52

深度学习在训练什么，什么是模型

深度学习是机器学习的一个分支，它主要通过使用称为神经网络的复杂结构来学习数据的表征。在深度学习中，"训练"和"模型"是两个核心概念。训练在深度学习中，"训练"是指用数据来训练一个神经网络。
稻壳特筑·2023-12-21 17:40

详解Keras3.0 Data loading: Text data loading

这个函数可以自动将文本文件转换为整数序列，以便在神经网络中使用。
缘起性空、·2023-12-21 17:09

什么是深度学习，多模态学习，迁移学习，LLM

深度学习（DeepLearning）定义：深度学习是机器学习的一个子领域，它使用称为神经网络的算法结构，特别是那些具有多个层（或“深度”）的网络，来学习数据的高级特征和模式。
稻壳特筑·2023-12-21 17:38

马尔可夫链蒙特卡罗方法，变分贝叶斯推断和巴纳赫不动点在强化学习中的应用

1.马尔可夫链蒙特卡罗（MCMC）方法和变分贝叶斯推断方法马尔可夫链蒙特卡罗（MCMC）方法和变分贝叶斯推断方法在强化学习中的应用具有重要意义。
笑傲江湖2023·2023-12-21 16:54

面试题，手写soft_nms

目录有原理步骤：加注释版：soft_nms的优点有原理步骤：soft-nms详解_笔记大全_设计学院Soft-nms的实现过程可以分为几个步骤：1.输入预测框输入神经网络预测输出的所有框，每个框有四个坐标和一个类别得分
AI视觉网奇·2023-12-21 15:39

【AI-1】卷积神经网络

分享些AI的知识点，主要聊一下深度学习中的卷积神经网络。机器学习分哪些分支？
W Y·2023-12-21 15:00

浅谈深度学习中的不同归一化层

深度学习当然涉及训练精心设计的深度神经网络，并且各种设计决策会影响这些深度网络的训练机制。其中一些设计决策包括网络中要使用的网络层类型，例如卷积层、线性层、循环层等，以及我们的网络应该有多少层？
Garry1248·2023-12-21 14:23

简单的几个基础卷积操作

当构建卷积神经网络时，我们可以使用不同的卷积操作来提取图像特征。以下是一些常见的卷积操作，以及它们的PyTorch实现：标准卷积层：通过nn.Conv2d实现标准的卷积操作。
赢勾喜欢海·2023-12-21 12:44

YOLOv8改进 | 主干篇 | 利用MobileNetV1替换Backbone（轻量化网络结构）

这些模型基于简化的架构，并利用深度可分离卷积构建轻量级深度神经网络，其引入了两个简单的全局超参数，用于在延迟和准确性之间进行有效的权衡。
Snu77·2023-12-21 12:43

摔倒监测识别系统

摔倒监测识别系统基于神经网络人工智能视觉算法技术，利用现场已经装好的监控摄像头对监测区域内的场景进行实时视频监测。自动对视频图像信息进行分析识别，无需人工干预。
博瓦科技·2023-12-21 12:42

年度大盘点：AIGC、AGI、GhatGPT震撼登场！揭秘人工智能大模型的奥秘与必读书单

这里写目录标题前言01《ChatGPT驱动软件开发》02《ChatGPT原理与实战》03《神经网络与深度学习》04《AIGC重塑教育》05《通用人工智能》前言在2023年，人工智能领域经历了一场前所未有的大爆发
洁洁！·2023-12-21 12:23

神经网络：池化层知识点

1.CNN中池化的作用池化层的作用是对感受野内的特征进行选择，提取区域内最具代表性的特征，能够有效地减少输出特征数量，进而减少模型参数量。按操作类型通常分为最大池化(MaxPooling)、平均池化(AveragePooling)和求和池化(SumPooling)，它们分别提取感受野内最大、平均与总和的特征值作为输出，最常用的是最大池化和平均池化。2.全局池化的作用全局池化主要包括全局平均池化和全
是Dream呀·2023-12-21 12:47

神经网络：优化器和全连接层

SGD（随机梯度下降）随机梯度下降的优化算法在科研和工业界是很常用的。很多理论和工程问题都能转化成对目标函数进行最小化的数学问题。举个例子：梯度下降（GradientDescent）就好比一个人想从高山上奔跑到山谷最低点，用最快的方式奔向最低的位置。SGD的公式：动量（Momentum）公式：基本的mini-batchSGD优化算法在深度学习取得很多不错的成绩。然而也存在一些问题需解决：选择恰当的
是Dream呀·2023-12-21 11:08

从零开始的神经网络

先决条件在本文中，我将解释如何通过实现前向和后向传递（反向传播）来构建基本的深度神经网络。这需要一些关于神经网络功能的具体知识。
人工智能小豪·2023-12-21 11:36

Python新闻文本分类系统的设计与实现：基于Flask、贝叶斯算法的B/S架构

Python新闻文本分类系统的设计与实现：基于Flask、贝叶斯算法的B/S架构引言数据获取与处理数据分析与可视化文本分类模型结论引言在信息爆炸的时代，新闻数据的快速获取和准确分类变得尤为重要。
爱欲无极·2023-12-21 11:32

【论文笔记】Distilling the Knowledge in a Neural Network

不幸的是，使用整个模型集合进行预测繁琐，可能会因为计算成本过高而难以部署给大量用户，尤其是如果各个模型是庞大的神经网络时。
xhyu61·2023-12-21 10:48

DL-Paper精读：RepVGG

RepVGG：MakingVGG-styleConvNetsGreatAgainhttps://arxiv.org/abs/2101.03697BackgroundVGG在神经网络的发展历史中有着举足轻重的地位
星月野1·2023-12-21 10:15

深度学习---从入门到放弃（七）CNN进阶，迁移学习

从上图中可以看出现代卷积神经网络主要被用于各类图像识别和捕捉，而这些应用也归功于我们之后要讲到的Large-scaleCNNs以及迁移学习了。在CNN网络结构
佩瑞·2023-12-21 09:25

深度学习速成版01---神经网络

深度学习与机器学习的区别机器学习的特征工程步骤是要靠手动完成的，而且需要大量领域专业知识深度学习通常由多个层组成，它们通常将更简单的模型组合在一起，通过将数据从一层传递到另一层来构建更复杂的模型。通过大量数据的训练自动得到模型，不需要人工设计特征提取环节。深度学习算法试图从数据中学习高级功能，这是深度学习的一个非常独特的部分。因此，减少了为每个问题开发新特征提取器的任务。适合用在难提取特征的图像、
__Miracle__·2023-12-21 09:54

深度学习之CNN深度卷积神经网络-DenseNet（进阶）

1.简介DenseNet是在ResNet发表后深受其影响，同时又更为优秀的一种网络结构，由康威大学清华大学、facebook的三位作者共同提出，论文发表于2017，获得了CVPR2017的最佳论文奖。其核心即denseblock稠密块继承和发扬了ResNet中shortcut这一设计使得layer之间可以“稠密”互联，同时，正如其名，不只是层于层间的连接，而且是稠密连接(也借鉴了Inception
辣椒种子·2023-12-21 09:51

深度学习之CNN深度卷积神经网络-GoogLeNet（进阶）

1.简介GoogLeNet是2014年ChristianSzegedy等人在2014年大规模视觉挑战赛(ILSVRC2014)上使用的一种全新卷积神经网络结构，于2015年在CVPR发表了论文《GoingDeeperwithConvolutions
辣椒种子·2023-12-21 09:50

28. 深度学习进阶 - LSTM

我们上一节课，用了一个示例来展示了一下我们为什么要用RNN神经网络，它和全连接的神经网络具体有什么区别。
茶桁·2023-12-21 09:50

算法基础二：神经网络&深度学习进阶1

一、理念杂谈：1、两大主题：1）神经网络：一种受生物学启发的编程范式，能够让计算机从可观测数据中学习，模仿人类学习的过程；2）深度学习：用于神经网络学习的一套强大的技术；2、新的编程范式：神经网络是不同于以往的编程范式
Phyllis2016·2023-12-21 09:50

31. 深度学习进阶 - 全连接层及网络结构

之前的课程咱们学习了卷积以及池化，那到底卷积是如何构成卷积神经网络的呢？我们这节课来好好讲一下。全连接层整个卷积的运算就是经过卷积，再经过pooling，再经过卷积。会把这个图形变的很小。
茶桁·2023-12-21 09:17

人工智能Keras图像分类器（CNN卷积神经网络的图片识别篇）

上期文章我们分享了人工智能Keras图像分类器（CNN卷积神经网络的图片识别的训练模型），本期我们使用预训练模型对图片进行识别：KerasCNN卷积神经网络模型训练导入第三方库fromkeras.preprocessing.imageimportimg_to_arrayfromkeras.modelsimportload_modelimportnumpyasnpimportimutilsimpor
人工智能研究所·2023-12-21 09:05

池化层(pooling)

平均池化层3、总结池化层返回窗口中最大或平均值环节卷积层对位置的敏感性同样有窗口大小、填充和步幅作为超参数二、代码实现通常当我们处理图像时，我们希望逐渐降低隐藏表示的空间分辨率、聚集信息，这样随着我们在神经网络中层叠的上
奉系坤阀·2023-12-21 09:24

sklearn和tensorflow的理解

人工智能的实现是基于机器学习，机器学习的一个方法是神经网络，以及各种机器学习算法库。
月疯·2023-12-21 09:24

去噪深度卷积网络实战扩展（三）——DnCNN网络实战讲解

在近几年深度学习领域，有一类去噪神经网络非常出名，这就是DnCNN网络。英文是：Feed-forwarddenoisingconvolutionalneuralnetworks(DnCNNs)。
科技州与数据州·2023-12-21 07:01

神经网络为什么要用激活函数1？（转）

2.为什么要用如果不用激励函数，每一层输出都是上层输入的线性函数，无论神经网络有多少层，输出都是输入的线性组合。
起个名字真的好难啊哈哈·2023-12-21 07:24

AI无监督深度学习

SOM是一种无监督神经网络，它通过降低输入的维度来创建输入数据集的聚类。SOM在很多方面与传统的人工神经网
人工智能小豪·2023-12-21 07:36

AI生成对抗网络的解释

了解生成对抗网络（GAN）的不同方面和复杂性，GAN是一种在人工智能（AI）领域内外使用的神经网络。本文将向您介绍GAN，介绍什么是GAN，并解释如何使用它们。
人工智能小豪·2023-12-21 07:05

AI深度学习架构

虽然深度学习当然不是什么新鲜事物，但由于深度分层神经网络和使用GPU加速其执行的交集，它正在经历爆炸性增长。大数据也推动了这种增长。
人工智能小豪·2023-12-21 07:05

PyTorch比NumPy能省多少时间？（附代码）

上节，我已经展示了如何通过反向传播为前馈神经网络实现这些计算，让我们看看与NumPy相比，PyTorch为我们节省了多少时间。
人工智能小豪·2023-12-21 07:05

吴恩达深度学习笔记(28)-网络训练验证测试数据集的组成介绍

从今天开始我们进入新的一个大方向了，改善深层神经网络：超参数调试、正则化以及优化，首先进入深度学习的一个新层面，先认识下在深度学习中的数据集的分类。
极客Array·2023-12-21 06:18

03-IF6+：纯生信基于网络互作结合基因表达谱、拷贝数变异数据鉴定多发性骨髓瘤标志物

theMultipleMyelomaResearchConsortium）M3CN：多发性骨髓瘤分子关系网络（multiplemyelomamolecularcausalnetwork）RIMBANet：重构整合的分子贝叶斯网络
AAA肿瘤信息学王协·2023-12-21 05:34

去掉乘法运算的加法移位神经网络架构

[CVPR2020]AdderNet:DoWeReallyNeedMultiplicationsinDeepLearning?代码：https://github.com/huawei-noah/AdderNet/tree/master核心贡献用filter与inputfeature之间的L1-范数距离作为“卷积层”的输出为了提升模型性能，提出全精度梯度的反向传播方法根据不同层的梯度级数，提出自适应
Mr.zwX·2023-12-21 05:28

深度学习模型里的apis

在深度学习模型中，APIs（ApplicationProgrammingInterfaces）是一组接口或方法，用于与深度学习框架或库进行交互，以构建、训练和使用神经网络模型。
何处不逢君·2023-12-21 05:24

深度学习目标检测全连接层什么意思

在深度学习目标检测中，通常我们使用卷积神经网络（ConvolutionalNeuralNetwork，CNN）进行特征提取。CNN的主要结构包括卷积层和池化层，用于从输入图像中提取特征。
何处不逢君·2023-12-21 05:24

深度学习嵌入头embedding head解释

在目标跟踪和目标检测任务中，嵌入头的作用如下：特征提取：嵌入头通常连接在卷积神经网络（CNN）的顶部，用于提取输入图像或图像区域的高级特征。这些特征对于后
何处不逢君·2023-12-21 05:52

「65页PDF」让 PM 全面理解深度学习

访问「easyAI-产品经理的AI知识库」下载PDF下面是内容结构和长图：深度学习全景图深度学习概要卷积神经网络-CNN循环神经网络-RNN长短期记忆网络–LSTM生成对抗网络–GANs强化学习-Reinforcementlearning
easyAI人工智能知识库·2023-12-21 04:13

为什么GRU和LSTM能够缓解梯度消失或梯度爆炸问题？

3、利用梯度截断来缓解梯度爆炸问题4、门控循环单元（GRU）与普通的循环神经网络之间的关键区别是：GRU支持隐状态门控。模型有专门的机制来确定应该何时来更新隐状态，以及何时重置隐状态。这些
科学禅道·2023-12-21 02:48

Highway Networks网络详解

神经网络的深度对模型效果有很大的作用，可是传统的神经网络随着深度的增加，训练越来越困难，这篇paper基于门机制提出了HighwayNetwork，使用简单的SGD就可以训练很深的网络，而且optimization
will-wil·2023-12-21 01:05

深度学习｜BP神经网络

一、人工神经网络1.1人工神经网络理论人工神经网络（ArtificialNeuralNetwork,ANN）是由大量神经元相互连接，模拟人的大脑神经处理信息的方式，进行信息并行处理和非线性转换的复杂网络系统
智扬同学·2023-12-21 01:05

梯度下降法

在机器学习和深度学习中，梯度下降法被广泛应用于求解模型参数的优化问题，例如线性回归、逻辑回归、神经网络等。梯度下降法的基本思想是通过不断迭代，使目标函数的值逐步趋近于最小值。
调钟师·2023-12-21 01:32

深度学习网络的结构---AlexNet

它是一个基于卷积神经网络（CNN）的模型，其结构如下：-输入层：输入图像的尺寸是227x227x3。-卷积层1：96个11x11的卷积核，步长为4，使用ReLU激活函数，其中的卷积操作会使得输出大
调钟师·2023-12-21 01:32

常见的分类算法

本文将介绍十种常见的分类算法，包括K-近邻算法、决策树算法、朴素贝叶斯算法、支持向量机算法、逻辑回归算法、神经网络算法、随机森林算法、梯度提升算法、AdaBoost算法和XGBoost算法。
调钟师·2023-12-21 01:01

机器学习——神经网络（BP）

一.理论基础BP(BackPropagation)神经网络是1986年由Rumelhart和McClelland为首的科学家提出的概念，是一种按照误差逆向传播算法训练的多层前馈神经网络，是应用最广泛的神经网络
Jblhyano·2023-12-21 01:00

大模型的魔法

在神经网络中weightdecayweightdecay（权值衰减）的最终目的是防止过拟合。
YingJingh·2023-12-21 01:29

BP神经网络原理

1.基本概念1.1简介BP神经网络（BackPropagationNeuralNetwork）是一种基于误差反向传播算法（BackPropagationAlgorithm）的人工神经网络，也是应用最广泛的神经网络之一
Annual Mercury·2023-12-21 01:29
上一页 65 66 67 68 69 70 71 72 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他