码迷,mamicode.com
首页 >  
搜索关键字:卷积神经网络    ( 870个结果
卷积神经网络的理解
CNN中减少参数的2两个规则: 1、局部感知。生物学中,视觉皮层的神经元是局部感知信息的,只响应某些特定区域的刺激;图像的空间联系中,局部的像素联系较为紧密,距离较远的像素相关性较弱。 这个对应于算法中卷积核的大小,mnist手写识别在28*28的像素中取patch为5*5。 上图中:左边是全连接, ...
分类:其他好文   时间:2017-12-15 16:17:45    阅读次数:114
神经网络基础
转自:http://dataunion.org/11692.html,有修正 作者:张雨石 自今年七月份以来,一直在实验室负责卷积神经网络(Convolutional Neural Network,CNN),期间配置和使用过theano和cuda-convnet、cuda-convnet2。为了增进 ...
分类:其他好文   时间:2017-12-14 12:00:06    阅读次数:110
使用caffe训练mnist数据集 - caffe教程实战(一)
个人认为学习一个陌生的框架,最好从例子开始,所以我们也从一个例子开始。 学习本教程之前,你需要首先对卷积神经网络算法原理有些了解,而且安装好了caffe 卷积神经网络原理参考:http://cs231n.stanford.edu/syllabus.html Ubuntu安装caffe教程参考:htt ...
分类:其他好文   时间:2017-12-12 21:19:54    阅读次数:227
人工智能中卷积神经网络基本原理综述
人工智能Artificial Intelligence中卷积神经网络Convolutional Neural Network基本原理综述人工智能(Artificial Intelligence,简称A...
分类:其他好文   时间:2017-12-11 17:12:16    阅读次数:214
神经网络笔记
一、 1、一般训练集合的数量为权重数量的5-10倍 二、卷积神经网络 1、卷积核也可以理解为滤波器 2、卷积神经网络中一般包括了卷积和池化,包括最大值池化和平均值池化 3、卷积操作过程 4、池化操作 ...
分类:其他好文   时间:2017-12-11 14:16:41    阅读次数:137
『TensorFlow』读书笔记_简单卷积神经网络
卷积层relu激活,偏置项使用极小值初始化,防止Relu出现死亡节点; ...
分类:其他好文   时间:2017-12-07 16:04:57    阅读次数:204
cs231n spring 2017 lecture9 听课笔记
参考《deeplearning.ai 卷积神经网络 Week 2 听课笔记》。 1. AlexNet(Krizhevsky et al. 2012),8层网络。 学会计算每一层的输出的shape:对于卷积层,输出的边长 =(输入的边长 - filter的边长)/ 步长 + 1,输出的通道数等于fil ...
分类:编程语言   时间:2017-12-07 00:31:11    阅读次数:238
激活函数
激活函数 原创 2016年03月18日 15:31:32 标签: 激活函数 / 神经网络 / 深度学习 15192 原创 2016年03月18日 15:31:32 标签: 激活函数 / 神经网络 / 深度学习 15192 激活函数的作用 神经网络为什么要使用激活函数? 首先提一下激活函数的一般形式, ...
分类:其他好文   时间:2017-12-03 21:54:46    阅读次数:221
deeplearning.ai 卷积神经网络 Week 4 听课笔记
本周课程的主题是两大应用:人脸检测和风格迁移。 1. Face verification vs. face recognition Verification: 一对一的问题。 1) 输入:image, name/ID. 2) 输出:image是否对应这个name/ID。 Recognition: 一 ...
分类:其他好文   时间:2017-12-02 16:19:06    阅读次数:173
详解卷积神经网络(CNN)在语音识别中的应用
随着 CNN 在图像领域的发光发热,VGGNet,GoogleNet和ResNet的应用,为 CNN 在语音识别提供了更多思路,比如多层卷积之后再接 pooling 层,减小卷积核的尺寸可以使得我们能够训练更深的、效果更好的 CNN 模型。 ...
分类:其他好文   时间:2017-12-01 13:45:08    阅读次数:629
870条   上一页 1 ... 50 51 52 53 54 ... 87 下一页
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!