GMDH神经网络

通过神经网络模拟人类大脑的学习过程

通过神经网络模拟人类大脑的学习过程在本文中，我们将探讨深度学习的最新发展及其在各个领域的应用。首先，让我们来看看深度学习在计算机视觉领域的新进展。计算机视觉是指让计算机“看见”并理解图像和视频的能力。
M乔木·2024-02-06 03:05

2019年上半年收集到的人工智能卷积神经网络干货文章

2019年上半年收集到的人工智能卷积神经网络干货文章了解CNN这一篇就够了——关于卷积神经网络的介绍关于卷积的6个基本知识一文读懂深度学习中的各种卷积CNN卷积神经网络的三种基本模式（不懂的话还得多努力啊
城市中迷途小书童·2024-02-06 02:18

深度学习入门笔记（五）前馈网络与反向传播

5.1前馈网络一个最简单的前馈神经网络如图所示，对于每一个隐藏层，输入对应前一层每一个节点权重乘以节点输出值，输出则是经过激活函数（例如sigmoid函数）计算后的值。
zhanghui_cuc·2024-02-06 01:25

On the Spectral Bias of Neural Networks论文阅读

1.摘要众所周知，过度参数化的深度神经网络(DNNs)是一种表达能力极强的函数，它甚至可以以100%的训练精度记忆随机数据。这就提出了一个问题，为什么他们不能轻易地对真实数据进行拟合呢。
瞻邈·2024-02-06 01:50

动手学深度学习-13 循环神经网络进阶

循环神经网络进阶GRURNN存在的问题：梯度较容易出现衰减或爆炸（BPTT）⻔控循环神经⽹络：捕捉时间序列中时间步距离较⼤的依赖关系•重置⻔有助于捕捉时间序列⾥短期的依赖关系；•更新⻔有助于捕捉时间序列
Xavier学长·2024-02-06 00:52

深度学习--循环神经网络

目录第1关：学习单步的RNN：RNNCell第2关：探幽入微LSTM第3关：进阶RNN:学习一次执行多步以及堆叠RNN的构建第1关：学习单步的RNN：RNNCell本关任务：学习RNN循环神经网络的基本概念
粥粥粥少女的拧发条鸟·2024-02-06 00:18

深度学习之循环神经网络进阶

这一讲我们学习如何实现一个循环神经网络的分类器：我们要解决的问题是名字分类，我们根据名字找到其对应的国家。上一讲我们介绍了循环神经网络。
丘小羽·2024-02-06 00:47

恒源云 (Gpushare)_Restormer:用于高分辨率图像重建的高效Transformer

文章来源|恒源云社区原文地址|Restormer原文作者|咚咚摘要引入主题：由于卷积神经网络(CNNs)能够从大规模数据中学习到图像的generalizable特征，所以被广泛应用于图像重建和相关任务。
恒源云·2024-02-05 22:52

【DL】第 5 章：标准化流动模型

查看神经网络如何设计为可逆的构建RealNVP模型-规范化流程生成2D点的特定示例使用RealNVP模型生成新的点，这些点似乎是从数据分布中提取的了解RealNVP模型的两个关键扩展——GLOW和FFJORD
Sonhhxg_柒·2024-02-05 22:14

基于PSO-BP神经网络的风电功率MATLAB预测程序

微❤关注“电气仔推送”获得资料（专享优惠）参考文献基于风电场运行特性的风电功率预测及应用分析——倪巡天资源简介由于自然风具有一定的随机性、不确定性与波动性，这将会使风电场的功率预测受到一定程度的影响，它们之间也是存在着一些内在联系。通过最近的的历史气候情况，来做出相应的预测，对自然风的风速、风力等特点加以分析，以此找到合适的预测模型，对未来的预测结果有了一定的预测时间，从而较好的实现了对预测模型的
学习不好的电气仔·2024-02-05 21:07

Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版（五）

：飞龙协议：CCBY-NC-SA4.0第十二章：使用TensorFlow进行自定义模型和训练到目前为止，我们只使用了TensorFlow的高级API，Keras，但它已经让我们走得很远：我们构建了各种神经网络架构
绝不原创的飞龙·2024-02-05 20:21

深度神经网络的训练过程,深度神经网络如何训练

为期5周的课程学习中，你将全面了解AI深度学习的相关知识，掌握人工神经网络及卷积神经网络原理、循环神经网络原理、生成式对抗网络原理和深度学习的分布式处理，并应用于企业级项目实战。
小浣熊的技术·2024-02-05 19:39

神经网络研究主要内容,神经网络最新研究方向

神经网络属于什么的研究范畴谷歌人工智能写作项目：神经网络伪原创图神经网络是什么？人工神经网络涉及什么专业BP神经网络的研究方向神经网络的研究内容相当广泛，反映了多学科交叉技术领域的特点。
快乐的小肥熊·2024-02-05 19:08

温州大学《深度学习》课程课件（七、卷积神经网络基础）

IANGOODFELLOW等，2017年出版课程资源下载链接：https://github.com/fengdu78/deeplearning_ai_books授课计划模块1课程导学以及深度学习简介模块2神经网络基础模块
风度78·2024-02-05 19:05

温州大学《深度学习》课程课件（八、深度卷积神经网络）

这学期我上的另一门课是本科生的《深度学习》，主要用的是吴恩达老师的《深度学习》视频课的内容。使用教材：吴恩达《深度学习》课程笔记课外参考书：《深度学习》，人民邮电出版社，IANGOODFELLOW等，2017年出版课程资源下载链接：https://github.com/fengdu78/deeplearning_ai_books开放了pdf版本的ppt下载：https://github.com/f
风度78·2024-02-05 19:05

温州大学《深度学习》课程课件（一）

IANGOODFELLOW等，2017年出版课程资源下载链接：https://github.com/fengdu78/deeplearning_ai_books授课计划模块1课程导学以及深度学习简介模块2神经网络基础模块
风度78·2024-02-05 19:04

温州大学《深度学习》课程课件（三、浅层神经网络）

IANGOODFELLOW等，2017年出版课程资源下载链接：https://github.com/fengdu78/deeplearning_ai_books授课计划模块1课程导学以及深度学习简介模块2神经网络基础模块
风度78·2024-02-05 19:34

温州大学《深度学习》课程课件（四、浅层神经网络）

这学期我上的另一门课是本科生的《深度学习》，主要用的是吴恩达老师的《深度学习》视频课的内容。本章内容见“授课计划”的标红部分使用教材：吴恩达《深度学习》课程笔记，这门课基本按照吴恩达老师的课程进度进行，但使用的深度学习框架我改成了PyTorch。课外参考书：《深度学习》，人民邮电出版社，IANGOODFELLOW等，2017年出版课程资源下载链接（吴恩达老师的深度学习课程笔记以及相关资源）：htt
风度78·2024-02-05 19:04

深度神经网络中的BNN和DNN：基于存内计算的原理、实现与能量效率

前言前些天发现了一个巨牛的人工智能学习网站，通俗易懂，风趣幽默，忍不住分享一下给大家：https://www.captainbed.cn/zChatGPT体验地址文章目录前言引言内存计算体系结构深度神经网络
雪碧有白泡泡·2024-02-05 19:02

深度学习本科课程 实验5 循环神经网络

循环神经网络实验任务内容理解序列数据处理方法，补全面向对象编程中的缺失代码，并使用torch自带数据工具将数据封装为dataloader分别采用手动方式以及调用接口方式实现RNN、LSTM和GRU，并在至少一种数据集上进行实验从训练时间
11egativ1ty·2024-02-05 19:31

常用的几种卷积神经网络介绍

主要是想介绍下常用的几种卷积神经网络。【嵌牛鼻子】：深度学习神经网络【嵌牛提问】：什么
Shiki_3639·2024-02-05 19:43

Arxiv网络科学论文摘要6篇(2020-02-21)

深度图映射：通过神经网络视角观察图;建筑特征的机器学习和城市指标的幂律恢复;非线性网络动态与共识-分歧的分叉;特征值问题迭代方法的Entrywise收敛;基于连续影响的社会网络社团划分;公路交通电气化的经济活力和基础设施要求
ComplexLY·2024-02-05 19:30

人工智能福利站，初识人工智能，图神经网络学习，第一课

欢迎点赞✍评论⭐收藏人工智能领域知识链接专栏人工智能专业知识学习一图神经网络专栏文章目录初识人工智能(图神经网络)一、图神经网络学习(1)01.什么是图神经网络(GNN)？
普修罗双战士·2024-02-05 19:44

ML：2-2-3 多分类问题multicalss

文章目录1.多分类问题的定义2.softmax3.神经网络的softmax输出【吴恩达机器学习65-67】1.多分类问题的定义classification问题可能的output大于2种。
skylar0·2024-02-05 18:34

循环神经网络（RNN）简介与应用

循环神经网络（RNN）简介与应用一、RNN基本概念二、RNN原理解析2.1RNN网络结构RNN网络主要组件输入层(Input)，隐藏层(HiddenState)，输出层(Output)循环单元(RecurrentUnit
kadog·2024-02-05 17:33

企业级大数据平台应用场景介绍

从业务的角度看，企业级大数据平台功能可细分为查询检索、数据挖掘、统计分析、深度分析，其中深度分析分为机器学习和神经网络。
明月说数据·2024-02-05 16:10

Python 有重叠的切分图像 代码（overlap split image）

在深度神经网络训练过程中，常常需要将图像有重叠的切割后送入网络。我现在把这段简单的代码放出来供大家参考。
xiaoxifei·2024-02-05 15:14

读《Python神经网络编程》| “小学二年级都能学会的神经网络编程”

神经网络、AI等词汇出现的频率在现如今是非常高的。非人工智能专业的同学有没有必要学呢？当出现了线性方法不可以解决的生物学问题时，神经网络就应该派上用场了。
陈有朴·2024-02-05 15:49

梯度提升树系列1——梯度提升树（GBDT）入门：基本原理及优势

高精度预测能力2.2对各种类型数据的适应性2.3在数据不平衡情况下的优势2.4鲁棒性与泛化能力2.5特征重要性评估2.6高效处理大规模数据3.与其他算法的比较3.1与随机森林的比较3.2与支持向量机的比较3.3与神经网络的比较写在最后梯度提升树
theskylife·2024-02-05 13:04

Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版（六）

原文：Hands-OnMachineLearningwithScikit-Learn,Keras,andTensorFlow译者：飞龙协议：CCBY-NC-SA4.0第十四章：使用卷积神经网络进行深度计算机视觉尽管
绝不原创的飞龙·2024-02-05 13:54

向量数据库Milvas

Milvus是在2019年创建的，其唯一目标是存储、索引和管理由深度神经网络和其他机器学习（ML）模型生成的大规模嵌入向量。
hzhj·2024-02-05 13:51

深度学习本科课程 实验4 卷积神经网络

二维卷积实验1.1任务内容手写二维卷积的实现，并在至少一个数据集上进行实验，从训练时间、预测精度、Loss变化等角度分析实验结果（最好使用图表展示）（只用循环几轮即可）使用torch.nn实现二维卷积，并在至少一个数据集上进行实验，从训练时间、预测精度、Loss变化等角度分析实验结果（最好使用图表展示）不同超参数的对比分析（包括卷积层数、卷积核大小、batchsize、lr等）选其中至少1-2个进
11egativ1ty·2024-02-05 11:36

（阅读笔记）SecureML: A System for Scalable Privacy-Preserving Machine Learning

基础知识线性回归模型，值连续，损失函数多选择最小欧式距离计算；逻辑回归模型，二分类任务，值离散，损失函数多选择交叉熵计算；神经网络模
你看见的我·2024-02-05 10:27

Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版（一）

andTensorFlow译者：飞龙协议：CCBY-NC-SA4.0前言机器学习海啸2006年，GeoffreyHinton等人发表了一篇论文，展示了如何训练一个能够以最先进的精度（>98%）识别手写数字的深度神经网络
绝不原创的飞龙·2024-02-05 10:51

Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版（四）

原文：Hands-OnMachineLearningwithScikit-Learn,Keras,andTensorFlow译者：飞龙协议：CCBY-NC-SA4.0第二部分：神经网络和深度学习第十章：
绝不原创的飞龙·2024-02-05 10:51

TensorFlow 基础学习 - 4 (重点是调参)

简而言之：训练集就是用来告诉神经网络模型"这就是马的样子"、"这就是
叉叉敌·2024-02-05 10:19

机器学习——网易慕课笔记

文章目录机器学习笔记说在前面第一章1.1机器学习引言1.2开发环境准备1.3一个神经元的网络第二章计算机视觉加载`FashionMNIST`数据集构造神经元网络模型训练和评估模型自动终止训练第三章卷积神经网络
河篱·2024-02-05 10:18

卷积神经网络之优化参数(人马分类)

构造神经元网络模型时，我们一定会考虑需要几个卷积层，需要有几个过滤器，全连接层需要几个神经元？在下面中我们将解决这个问题在CV2中我们已经通过CNN成功的完成了人马识别的例子，但是识别的效果并不算很好。在CV3中我们将对其参数做优化。目录一.优化参数的三个方法1.手动修改2.for循环调参3.KerasTunner自动调参工具介绍1.安装2.准备训练数据和加载的库3.创建HyperParamete
the sourth wind·2024-02-05 10:48

卷积神经网络之优化参数(剪子包袱锤)

目录一.优化参数的三个方法1.手动修改2.for循环调参3.KerasTunner自动调参工具介绍1.安装2.准备训练数据和加载的库3.创建HyperParameters对象以及模型生成函数4.创建Hyperband对象4.开始优化5.获取最佳模型6.结果显示二.注释1.为什么二次调参无效，不起作用?(避坑)2.dropout的意义3.WARNING:tensorflow:Callbacksmet
the sourth wind·2024-02-05 10:48

TensorFlow入门实操笔记 3-4

就会中计真的一开电脑就学习大纲前言碎碎念第三章：卷积介绍3.1卷积神经网络3.2卷积神经程序3.3卷积网络结构3.4卷积神经网络训练代码第四章图像应用4.1准备训练数据4.2数据预处理4.3创建并训练模型
七水合硫酸亚铁有点脆·2024-02-05 10:40

人工智能：破局与创新的较量，谁将主宰未来？

1.2深度学习与神经网络的创新深度学习作为AI的核心技术之一，其基于神经网络的算法在近年来得到了快速发展。从LeNet、AlexNet到ResNet，再到GPT、BERT等模
猫之角·2024-02-05 09:14

Pytorch: nn.dropout

其主要作用包括：减少过拟合：Dropout阻止神经网络对某些特定输入值过度依赖，从而提高模型的泛化能力。
湫兮之风·2024-02-05 09:31

Pytorch机器学习——3 神经网络（五）

outline神经元与神经网络激活函数前向算法损失函数反向传播算法数据的准备PyTorch实例：单层神经网络实现3.3前向算法当我们使用前馈神经网络接受输入x并产生输出时，信息通过网络向前流动。
辘轳鹿鹿·2024-02-05 08:45

探索深度学习的边界：使用 TensorFlow 实现高效空洞卷积（Atrous Convolution）的全面指南

空洞卷积（AtrousConvolution），在TensorFlow中通过tf.nn.atrous_conv2d函数实现，是一种强大的工具，用于增强卷积神经网络的功能，特别是在处理图像和视觉识别任务时
程序员Chino的日记·2024-02-05 08:28

全面探索 TensorFlow 中的 tf.keras.layers.RNN 类及其在循环神经网络中的应用

tf.keras.layers.RNN类在TensorFlow中是实现循环神经网络（RNN）的一种灵活且强大的方式。这个类允许在神经网络模型中构建和操作RNN层，提供多种选项以满足特定需求。
程序员Chino的日记·2024-02-05 08:57

探索边缘计算的未来：MobileNetV3Small及其在高效图像处理中的创新应用

引言在不断发展的计算机视觉和深度学习领域中，对于更高效、更强大的神经网络的追求从未停止。
程序员Chino的日记·2024-02-05 08:55

批量归一化和残差网络

其目的是不断调整神经网络中间输出，从而使整个神经网络在各层的中间输出的数值更稳定。
英文名字叫dawntown·2024-02-05 08:20

深度学习在智能交互中的应用：人与机器的和谐共生

深度学习作为机器学习的一个重要分支，具有强大的特征学习和模式识别能力，可以模拟人脑的神经网络进行数据分析和预测。
wd90119·2024-02-05 08:37

【iOS ARKit】3D 人体姿态估计

绝大多数的现有3D人体姿态估计方法依赖2D人体姿态估计，通过获取2D人体姿态后再构建神经网络算法，实现从2D到3D人体姿态的映射。
扬帆起航&d·2024-02-05 07:57

继续PyTorch！

这种灵活性使得开发者可以像编写标准Python程序一样迭代构建神经网络模型，并实时查看中间结果和调整参
科学禅道·2024-02-05 06:15
上一页 12 13 14 15 16 17 18 19 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他