相關(guān)文章

• 

  【復(fù)習(xí)】人工智能 第 8 章 人工神經(jīng)網(wǎng)絡(luò)及其應(yīng)用

  因為計算牽扯到導(dǎo)數(shù)，所以這章難的部分不會考太難。 人工神經(jīng)網(wǎng)絡(luò)是對人腦或生物神經(jīng)網(wǎng)絡(luò)若干基本特性的抽象和模擬。 深度學(xué)習(xí)是神經(jīng)網(wǎng)絡(luò)的發(fā)展。 人工智能曾經(jīng)歷過很長一段時間的停滯不前。 浩瀚的宇宙中，也許只有包含數(shù)千憶顆星球的銀河系的復(fù)雜性能夠與大腦相

  2024年01月19日

  瀏覽(38)

• 神經(jīng)網(wǎng)絡(luò)與人工智能：未來的前沿

  人工智能(Artificial Intelligence, AI)是一門研究如何讓機器具有智能行為的科學(xué)。在過去的幾十年里，人工智能研究主要集中在規(guī)則-基于的系統(tǒng)、知識-基于的系統(tǒng)以及黑盒模型。然而，在過去的幾年里，一種新的人工智能技術(shù)已經(jīng)吸引了廣泛的關(guān)注：神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)是一種模

  2024年02月21日

  瀏覽(94)
• 

  人工智能之卷積神經(jīng)網(wǎng)絡(luò)(CNN)

  前言：今天我們重點探討一下卷積神經(jīng)網(wǎng)絡(luò)(CNN)算法。 _ 20世紀(jì)60年代，Hubel和Wiesel在研究貓腦皮層中用于局部敏感和方向選擇的神經(jīng)元時發(fā)現(xiàn)其獨特的網(wǎng)絡(luò)結(jié)構(gòu)可以有效地降低反饋神經(jīng)網(wǎng)絡(luò)的復(fù)雜性，繼而提出了卷積神經(jīng)網(wǎng)絡(luò)CNN（Convolutional Neural Networks）。 1980年，K.Fukushima提

  2024年02月20日

  瀏覽(19)
• 

  【人工智能】— 深度神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)（CNN）、多卷積核、全連接、池化

  Pre-training + Fine-tuning Pre-training(預(yù)訓(xùn)練) : 監(jiān)督逐層訓(xùn)練是多隱層網(wǎng)絡(luò)訓(xùn)練的有效手段, 每次訓(xùn)練一層隱層結(jié)點, 訓(xùn)練時將上一層隱層結(jié)點的輸出作為輸入, 而本層隱結(jié)點的輸出作為下一層隱結(jié)點的輸入, 這稱為”預(yù)訓(xùn)練”. Fine-tuning(微調(diào)) : 在預(yù)訓(xùn)練全部完成后, 再對整個網(wǎng)絡(luò)進行

  2024年02月10日

  瀏覽(48)

• 【人工智能】深度神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)（CNN）、多卷積核、全連接、池化

  Pre-trainin

  2024年02月16日

  瀏覽(44)

• 人工智能：CNN(卷積神經(jīng)網(wǎng)絡(luò))、RNN(循環(huán)神經(jīng)網(wǎng)絡(luò))、DNN(深度神經(jīng)網(wǎng)絡(luò))的知識梳理

  卷積神經(jīng)網(wǎng)絡(luò)（CNN），也被稱為ConvNets或Convolutional Neural Networks，是一種深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)架構(gòu)，主要用于處理和分析具有網(wǎng)格狀結(jié)構(gòu)的數(shù)據(jù)，特別是圖像和視頻數(shù)據(jù)。CNN 在計算機視覺任務(wù)中表現(xiàn)出色，因為它們能夠有效地捕獲和識別圖像中的特征，具有平移不變性（transla

  2024年02月05日

  瀏覽(41)
• 

  深度學(xué)習(xí)2.神經(jīng)網(wǎng)絡(luò)、機器學(xué)習(xí)、人工智能

  目錄 深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、機器學(xué)習(xí)、人工智能的關(guān)系 大白話解釋深度學(xué)習(xí) 傳統(tǒng)機器學(xué)習(xí) VS 深度學(xué)習(xí) 深度學(xué)習(xí)的優(yōu)缺點 4種典型的深度學(xué)習(xí)算法 卷積神經(jīng)網(wǎng)絡(luò) – CNN 循環(huán)神經(jīng)網(wǎng)絡(luò) – RNN 生成對抗網(wǎng)絡(luò) – GANs 深度強化學(xué)習(xí) – RL 總結(jié) 深度學(xué)習(xí) 深度學(xué)習(xí)、機器學(xué)習(xí)、人工智能

  2024年02月11日

  瀏覽(142)
• 

  人工智能卷積神經(jīng)網(wǎng)絡(luò)，CNN，梯度下降

  CNN，是針對圖像領(lǐng)域提出的神經(jīng)網(wǎng)絡(luò)。 得出的結(jié)論： 神經(jīng)元存在局部感受區(qū)域，也稱 感受野 細胞對角度有選擇性 如細胞對垂直光條響應(yīng)最強 細胞對運動方向有選擇性 1.視覺系統(tǒng)是分層，分級處理的。從低到高堆疊使用卷積和池化。 2.神經(jīng)系統(tǒng)是存在局部感受區(qū)域的。 第一

  2024年02月01日

  瀏覽(19)
• 

  【人工智能Ⅰ】實驗9：BP神經(jīng)網(wǎng)絡(luò)

  實驗9 BP神經(jīng)網(wǎng)絡(luò) 一、實驗?zāi)康?1：掌握BP神經(jīng)網(wǎng)絡(luò)的原理。 2：了解BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，以及前向傳播和反向傳播的過程。 3：學(xué)會利用BP神經(jīng)網(wǎng)絡(luò)建立訓(xùn)練模型，并對模型進行評估。即學(xué)習(xí)如何調(diào)用Sklearn中的BP神經(jīng)網(wǎng)絡(luò)。 4：學(xué)會使用BP神經(jīng)網(wǎng)絡(luò)做預(yù)測。 5：通過截圖和模型評

  2024年02月02日

  瀏覽(27)
• 

  深入了解神經(jīng)網(wǎng)絡(luò)：構(gòu)建人工智能的基石

  目錄 引言： 第一部分：神經(jīng)元 - 生物的靈感 第二部分：人工神經(jīng)元 - 數(shù)學(xué)的力量 第三部分：神經(jīng)網(wǎng)絡(luò) - 層層堆疊 第四部分：訓(xùn)練神經(jīng)網(wǎng)絡(luò) - 損失函數(shù)和反向傳播算法 結(jié)論： 神經(jīng)網(wǎng)絡(luò)是一種受到生物神經(jīng)系統(tǒng)啟發(fā)的人工智能模型，它重現(xiàn)了大腦中神經(jīng)元之間相互連接的方式

  2024年04月15日

  瀏覽(28)