相關(guān)文章

• 【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(45)
• 

  人工智能-神經(jīng)網(wǎng)絡(luò)

  目錄 1 神經(jīng)元 2 MP模型 3 激活函數(shù) ? ? ? 3.1 激活函數(shù) ? ? ? 3.2 激活函數(shù)作用 ? ? ? 3.3?激活函數(shù)有多種 4、神經(jīng)網(wǎng)絡(luò)模型 5、神經(jīng)網(wǎng)絡(luò)應(yīng)用 6、存在的問題及解決方案 6.1 存在問題 6.2 解決方案-反向傳播 ? ? ? ?神經(jīng)元是主要由 樹突、軸突、突出 組成， 樹突 是從上面接收很

  2024年02月16日

  瀏覽(27)
• 

  人工智能 -- 神經(jīng)網(wǎng)絡(luò)

  什么是人工智能？通俗來講，就是讓機(jī)器能像人一樣思考。這個(gè)無需解釋太多，因?yàn)橥ㄟ^各種科幻電影我們已經(jīng)對(duì)人工智能很熟悉了。大家現(xiàn)在感興趣的應(yīng)該是——如何實(shí)現(xiàn)人工智能？ 從1956年夏季首次提出“人工智能”這一術(shù)語開始，科學(xué)家們嘗試了各種方法來實(shí)現(xiàn)它。這

  2024年02月05日

  瀏覽(24)
• 

  人工智能-卷積神經(jīng)網(wǎng)絡(luò)

  ? ? ? ? 人和動(dòng)物如何把看到的圖像轉(zhuǎn)化為大腦中的一個(gè)概念？ ? ? ? ? 我們知道計(jì)算機(jī)是把圖轉(zhuǎn)換為一大堆數(shù)字，通過訓(xùn)練可以知道這堆數(shù)字代表什么含義。但通過前面學(xué)過神經(jīng)網(wǎng)絡(luò)模型和梯度下降法的方法訓(xùn)練費(fèi)時(shí)費(fèi)力，而且一旦圖片進(jìn)行改變?nèi)缈s放、旋轉(zhuǎn)或其他變換，

  2024年02月16日

  瀏覽(23)

• 人工智能-線性神經(jīng)網(wǎng)絡(luò)

  線性神經(jīng)網(wǎng)絡(luò) 在介紹深度神經(jīng)網(wǎng)絡(luò)之前，我們需要了解神經(jīng)網(wǎng)絡(luò)訓(xùn)練的基礎(chǔ)知識(shí)。 本章我們將介紹神經(jīng)網(wǎng)絡(luò)的整個(gè)訓(xùn)練過程， 包括：定義簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)架構(gòu)、數(shù)據(jù)處理、指定損失函數(shù)和如何訓(xùn)練模型。 為了更容易學(xué)習(xí)，我們將從經(jīng)典算法———— 線性 神經(jīng)網(wǎng)絡(luò)開始，介

  2024年02月06日

  瀏覽(19)
• 

  人工智能之卷積神經(jīng)網(wǎng)絡(luò)(CNN)

  前言：今天我們重點(diǎn)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(shí)發(fā)現(xiàn)其獨(dú)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)

• 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(jī)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(shí)-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(95)
• 

  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(29)
• 

  深度學(xué)習(xí)2.神經(jīng)網(wǎng)絡(luò)、機(jī)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(jī)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(jī)器學(xué)習(xí) VS 深度學(xué)習(xí) 深度學(xué)習(xí)的優(yōu)缺點(diǎn) 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(duì)抗網(wǎng)絡(luò) – GANs 深度強(qiáng)化學(xué)習(xí) – RL 總結(jié) 深度學(xué)習(xí) 深度學(xué)習(xí)、機(jī)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(duì)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(xì)胞對(duì)角度有選擇性 如細(xì)胞對(duì)垂直光條響應(yīng)最強(qiáng) 細(xì)胞對(duì)運(yùn)動(dòng)方向有選擇性 1.視覺系統(tǒng)是分層，分級(jí)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)