CNN反向传播

BP神经网络计算过程：从数学原理到实践优化

引言：神经网络的时代意义与BP算法地位在深度学习重构人工智能边界的今天（Goodfellowetal.,2016），误差反向传播（Backpropagation，BP）算法作为神经网络训练的基石，其数学优雅性和工程实用性完美统一
Acd_713·2025-03-06 13:58

深度学习进阶：TensorFlow实战指南

本文还有配套的精品资源，点击获取简介：《TensorFlow实战Google深度学习框架》详细指导读者学习TensorFlow，涵盖基础概念、数据流图、API使用、张量和变量操作，深度学习基础如CNN和
ELSON麦香包·2025-03-06 13:53

TensorFlow.js - 使用 CNN(卷积神经网络) 识别手写数字

目录index.htmldata.jsscript.js备注参考文献index.htmlTensorFlow.jsTutorialdata.js/***@license*Copyright2018GoogleLLC.AllRightsReserved.*LicensedundertheApacheLicense,Version2.0(the"License");*youmaynotusethisf
宁静_致远_·2025-03-06 13:53

卷积神经网络应用-训练手写体数字数据集并展示识别精度

#卷积神经网络(CNN)训练手写体数据集importnumpyasnpimportmatplotlib.pyplotaspltimporttensorflow.kerasaskaimportdatetime
yeahamen·2025-03-06 12:17

深度学习实战：用TensorFlow构建高效CNN的完整指南

一、为什么每个开发者都要掌握CNN？在自动驾驶汽车识别路标的0.1秒里，在医疗AI诊断肺部CT片的精准分析中，甚至在手机相册自动分类宠物的日常场景里，卷积神经网络（CNN）正悄然改变着我们的世界。
芯作者·2025-03-06 11:13

基于opencv答题卡识别判卷

【CNN模型实现mnist手写数字识别】5.【fasterRCNN模型实现飞机类目标检测】6.【CNN-LS
深度学习乐园·2025-03-06 10:31

TensorFlow\Keras实战100例——BP\CNN神经网络~MINST手写数字识别

一.原理说明BP神经网络是一种多层的前馈神经网络，其主要的特点是：信号是前向传播的，而误差是反向传播的。
AI街潜水的八角·2025-03-06 08:45

QKV 注意力机制在Transformer架构中的作用，和卷积在卷积神经网络中的地位，有哪些相似之处？

QKV（Query-Key-Value）注意力机制在Transformer架构和卷积在卷积神经网络（CNN）中都起着核心作用，它们有以下一些相似之处：特征提取QKV注意力机制：在Transformer中
安意诚Matrix·2025-03-05 08:56

深入理解 Transformer：用途、原理和示例

它打破了传统循环神经网络（RNN）按顺序处理序列、难以并行计算以及卷积神经网络（CNN）在捕捉长距离依赖关系上的局限，另辟蹊径地采用多头注意力机制
范吉民(DY Young)·2025-03-05 01:55

计算机视觉｜ConvNeXt：CNN 的复兴，Transformer 的新对手

一、引言在计算机视觉领域，卷积神经网络（ConvolutionalNeuralNetworks，简称CNN）长期以来一直是核心技术，自诞生以来，它在图像分类、目标检测、语义分割等诸多任务中都取得了令人瞩目的成果
紫雾凌寒·2025-03-04 16:20

端到端自动驾驶——cnn网络搭建

论文参考：https://arxiv.org/abs/1604.07316demo今天主要来看一个如何通过图像直接到控制的自动驾驶端到端的项目，首先需要配置好我的仿真环境，下载软件udacity：https://d17h27t6h515a5.cloudfront.net/topher/2016/November/5831f3a4_simulator-windows-64/simulator-win
白云千载尽·2025-03-04 15:10

神经网络之CNN文本识别

1.参考我的第一篇文章了解CNN概念神经网络之CNN图像识别(torchapi调用)-CSDN博客2.框架目前对NLP的研究分析应用最多的就是RNN系列的框架，比如RNN,GRU,LSTM等等，再加上Attention
邪恶的贝利亚·2025-03-04 05:56

【WOA-CNN-LSTM】基于鲸鱼算法优化深度学习预测模型的超参数研究（Matlab代码实现）

欢迎来到本博客❤️❤️博主优势：博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。⛳️座右铭：行百里者，半于九十。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概述摘要：深度学习模型的超参数选择对模型的性能和泛化能力具有重要影响。本文提出了一种基于鲸鱼算法（WOA）优化长短期记忆神经网络（LSTM）模型的超参数选择方法。首先，我们介绍了LSTM模型的结构和训练过程。然后，我们
然哥爱编程·2025-03-03 10:25

反向传播（Backpropagation）直觉理解

反向传播（Backpropagation）直觉理解1.为什么要有反向传播？想象你在练习投篮，目标是让篮球进框。但你一开始投的方向可能偏左、偏右，或者力道过大、过小。
忍者算法·2025-03-03 07:32

论文阅读笔记2

OptimizingMemoryEfficiencyforDeepConvolutionalNeuralNetworksonGPUs1论文简介作者研究了CNN各层的访存效率，并揭示了数据结构和访存模式对
sixfrogs·2025-03-03 03:59

56、深度学习-自学之路-自己搭建深度学习框架-17、关于为什么LSTM可以解决RNN的梯度爆炸和梯度消失的问题的解析。

我的话太苍白，你们可以去哔哩哔哩上搜索一个"大白话讲解LSTM长短期记忆网络如何缓解梯度消失，手把手公式推导反向传播”不仅仅解释了为什么，还把公式的推导也给了出来。讲的已经非常好了。
小宇爱·2025-03-02 22:23

卷积神经网络（Convolutional Neural Network，CNN）详细解释（带示例）

主要组件卷积层：是CNN的核心组件，由多个卷积核组成。卷积核在数据上滑动，通过卷积操作提取数据的局部特征。卷积操作是将卷积核与数据的局
浪九天·2025-03-02 21:19

深度学习五大模型：CNN、Transformer、BERT、RNN、GAN解析

一、卷积神经网络（ConvolutionalNeuralNetwork,CNN）原理：CNN主要由卷积层、池化层和全连接层组成。
大模型_学习路线·2025-03-02 16:04

卷积这个词在卷积神经网络中应该怎么理解

在CNN中的应用：卷积操作是通过滑动窗口（卷积核）与输入数据进行点乘并求和来提取特征的。具体步骤定义卷积核：一个卷积核是一个小矩阵，通常为3x3、5x5等尺寸。
abments·2025-03-02 06:05

如何用 DeepSeek 进行卷积神经网络（CNN）的优化

如何用DeepSeek进行卷积神经网络（CNN）的优化卷积神经网络（CNN）在计算机视觉任务中取得了巨大的成功，例如图像分类、目标检测和图像生成。
一碗黄焖鸡三碗米饭·2025-03-01 20:57

互联网医院实时数据监测智能分析系统设计概述（上）

根据中国互联网络信息中心（CNNIC）发布的报告显示，我国互联网医疗用户规模达4.18亿人，较2023年12月增长372万人，占网民整体的37.7%，这表明互联网医
Allen_LVyingbo·2025-03-01 13:12

LSTM：解决梯度消失问题

当网络的层数增加时，反向传播的梯度会随着
AI天才研究院·2025-02-28 19:57

Python深度学习实践：使用TensorFlow构建图像分类器

我们将深入探讨卷积神经网络（CNN）的基本原理，实现一个能够识别MNIST手写数字的数据集模型，并通过实战代码演示整个过程，最终展示模型的训练与评估。
Evaporator Core·2025-02-28 13:42

金融风控与医疗影像算法创新前沿

医疗影像诊断领域则依托三维卷积神经网络（3D-CNN）架构，实现了对CT、MRI等多模态影像的精准病灶分割，诊断准确率较传统方法提升23.6%。
智能计算研究中心·2025-02-28 02:44

DCMNet一种用于目标检测的轻量级骨干结构模型详解及代码复现

早期的手工特征提取方法如Viola-Jones和HOG逐渐被卷积神经网络（CNN）取代，其中AlexNet在2012年的ILSVRC比赛中表现突出，推动了CNN在计算机视觉中的广泛应用。
清风AI·2025-02-27 21:03

注意力机制（Attention Mechanism）详细分类与介绍

1.注意力机制的背景与动机在传统的深度学习模型（如RNN、CNN等）中，信息处理通常是按照固定的规则和结构进行的，模型对输入的各个部分给予相同的关注。
Jason_Orton·2025-02-27 20:46

VIT（Vision Transformer）【超详细 pytorch实现

CNN的局限性：传统的CNN通过局部卷积核提取特征，虽然可以通过堆叠多层卷积扩大感受野，但仍然依赖于局部信息的逐步聚合，难以直接建模全局依赖关系。
周玄九·2025-02-27 17:54

深度学习-自学手册

人工智能机器学习神经网络前馈神经网络：没有回路的反馈神经网络：有回路的DNN深度神经网络CNN卷积神经网络RNN循环神经网络LSTM是RNN的一种，长短期记忆网络自然语言处理神经网络神经元-分类器Hebb
谁用了尧哥这个昵称·2025-02-27 15:37

PyTorch模型安卓部署流程(NCNN)全流程实战（2）代码详细解析

代码来源PyTorch模型安卓部署流程(NCNN)全流程实战（1）至于为什么要备注，因为我基础不好，就得一点一点来适合和我一样的慢羊羊学习项目整体结构1.布局文件不解析了比较简单最简单的线性布局main.xml2
咕咕学不会咋办·2025-02-27 15:06

计算机视觉：经典数据格式(VOC、YOLO、COCO)解析与转换(附代码)

第一章：计算机视觉中图像的基础认知第二章：计算机视觉：卷积神经网络(CNN)基本概念(一)第三章：计算机视觉：卷积神经网络(CNN)基本概念(二)第四章：搭建一个经典的LeNet5神经网络(附代码)第五章
全栈你个大西瓜·2025-02-27 05:57

深度学习的前沿与挑战：从基础到最新进展

深度学习的工作原理深度学习的关键技术1.卷积神经网络（CNN）2.循环神经网络（RNN）3.生成对抗网络（GAN）4.变分自编码器（VAE）5.自注意力机制与Transformer深度学习的应用1.计算机视觉
Jason_Orton·2025-02-27 03:09

第十三站：卷积神经网络（CNN）的优化

前言：在上一期我们构建了基本的卷积神经网络之后，接下来我们将学习一些提升网络性能的技巧和方法。这些优化技术包括数据增强、网络架构的改进、正则化技术。1.数据增强（DataAugmentation）数据增强是提升深度学习模型泛化能力的一种常见手段。通过对训练数据进行各种随机变换，可以生成更多的训练样本，帮助模型避免过拟合。常见的数据增强方法：旋转（Rotation）：随机旋转图像，增强模型对旋转变换
武狐肆骸·2025-02-27 03:08

深度学习：从神经网络到智能应用

二.深度学习的基本原理1.神经网络的组成2.激活函数3.反向传播（Backpropagation）三.深度学习的常见模型四.深度学习的应用场景五.深度学习的挑战与未来结语引言深度学习（DeepLearning
Jason_Orton·2025-02-27 00:43

论文笔记：Enhancing Sentence Embeddings in Generative Language Models

——>需要较大的训练批次，这会消耗大量的计算资源一些前沿的工作将焦点转向了最近开发的生成模型，期望利用其先进的文本理解能力，直接对输入句子进行编码，而无需额外的反向传播由于句子表示和自回归语言建模
UQI-LIUWJ·2025-02-26 20:17

复试英文准备方法

重点提升专业术语积累、文献结构理解和即时翻译能力：一、核心能力针对性训练专业术语速记建立术语库：-每天整理《算法导论》《人工智能：现代方法》等经典教材目录中的核心术语（如：Backpropagation-反向传播
小王Jacky·2025-02-26 11:12

在PyTorch中使用插值法来优化卷积神经网络（CNN）所需硬件资源

适用场景：在卷积神经网络（CNN）中的应用场景中，经常遇到计算资源有限，比如显存不够或者处理速度慢，需要用插值来降低计算量。
mosquito_lover1·2025-02-26 03:45

梯度累加（结合DDP）梯度检查点

梯度累积通过多次前向传播和反向传播累积梯度，然后一次性更新模型参数，从而模拟大批量训练的效果。总结：显存限制：GPU/TPU显存有限，无法一次性加载大批量数据。训练稳定性：大批量训练通常
糖葫芦君·2025-02-25 23:16

神经网络八股（3）

1.什么是梯度消失和梯度爆炸梯度消失是指梯度在反向传播的过程中逐渐变小，最终趋近于零，这会导致靠前层的神经网络层权重参数更新缓慢，甚至不更新，学习不到有用的特征。
SylviaW08·2025-02-25 22:37

目标检测进化史：从R-CNN到YOLOv11，技术的狂飙之路

随着深度学习技术的飞速发展，目标检测算法也取得了巨大的突破，从最初的R-CNN到如今的YOLOv11，每一次的技术演进都为该领域带来了新的活力和可能性。
紫雾凌寒·2025-02-25 17:32

论文学习3：深度学习增强的光声成像（PAI）的最新进展（综述）

详细说明代表性DL架构：卷积神经网络（CNN）、U-形神经网络（U-Net）和
superace7911·2025-02-25 15:50

神经网络与深度学习入门：理解ANN、CNN和RNN

在现代科技日新月异的今天，人工智能已经成为了我们生活中的重要组成部分。无论是智能手机的语音助手，还是推荐系统，背后都有一项核心技术在支撑，那就是神经网络与深度学习。今天，我们就来聊一聊这个听起来高大上的话题，其实它也没那么难懂！什么是神经网络？首先，我们要了解什么是神经网络。神经网络（ArtificialNeuralNetwork，简称ANN）是模拟人脑神经元连接方式的一种算法。它由一层层的“神经
shandianfk_com·2025-02-25 03:49

Python的PyTorch+CNN深度学习技术在人脸识别项目中的应用

二、关键技术深度学习：CNN在人脸检测、特征提取中表现优异。大数据：大规模数据集（如LFW、MegaFace）提升模型泛化能力。硬件加速：GPU、TPU等加速计算，提升实
mosquito_lover1·2025-02-25 01:07

YOLOv12：以注意力为中心的物体检测

相比以往的YOLO模型，YOLOv12摒弃了传统基于卷积神经网络（CNN）的结构，采用了全新的方法，融合了自注意力机制和高效的网络架构优化，提供了一个高精度、低延迟的实时目标检测模型。
那雨倾城·2025-02-24 23:21

大模型学习完整路径（一站式汇总），从零基础到精通！新手友好级指南

先来一张整体结构图，越是下面部分，越是基础：可以按以下步骤学习：1.理解基础概念需要了解深度学习的基本原理和常见术语，如神经网络、梯度下降、反向传播、监督学习、无监督学习、分类、回归、聚类
Python程序员罗宾·2025-02-24 22:45

浅显介绍图像识别的算法卷积神经网络（CNN）中的激活函数

激活函数的作用激活函数在神经网络中扮演着至关重要的角色，其主要作用包括但不限于以下几点：引入非线性：如果没有激活函数或仅使用线性激活函数，无论神经网络有多少层或多复杂，整个模型仍然只能表达线性映射。这意味着它无法学习和表示数据中的复杂模式。通过使用非线性的激活函数，如ReLU（修正线性单元）、Sigmoid、Tanh等，可以赋予神经网络学习复杂函数的能力。决定神经元是否被激活：激活函数根据输入信号
cjl30804·2025-02-24 15:31

生成对抗网络(GAN)：从概念到代码实践(附代码)

第一章：计算机视觉中图像的基础认知第二章：计算机视觉：卷积神经网络(CNN)基本概念(一)第三章：计算机视觉：卷积神经网络(CNN)基本概念(二)第四章：搭建一个经典的LeNet5神经网络(附代码)第五章
全栈你个大西瓜·2025-02-23 21:19

MTCNN 人脸检测技术揭秘：原理、实现与实战(附代码)

第一章：计算机视觉中图像的基础认知第二章：计算机视觉：卷积神经网络(CNN)基本概念(一)第三章：计算机视觉：卷积神经网络(CNN)基本概念(二)第四章：搭建一个经典的LeNet5神经网络(附代码)第五章
全栈你个大西瓜·2025-02-23 21:18

神经网络可视化工具

适合给初学者或者科普的时候展示时使用，非常的直观，并且每一层的卷积层都可以展开，让你更加清晰的观察里面的内部结构地址：http://tensorspace.org02NN-SVG在它的主页上有三种神经网络，一种是FCNN
G鲲鹏展翅Y·2025-02-23 18:58

End-to-End Object Detection with Transformers

arxiv.org/abs/2005.12872代码：https://github.com/facebookresearch/detr创新点：\作者摒弃了基于anchor、NMS等这种需要手工设计的模块，和R-CNN
M1kk0·2025-02-23 18:28

ShuffleNet V2（2018 CVPR）

论文标题ShuffleNetV2:PracticalGuidelinesforEfficientCNNArchitectureDesign论文作者NingningMa,XiangyuZhang,Hai-TaoZheng
刘若里·2025-02-23 14:57
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他