- 博客(4)
- 收藏
- 关注
RSS订阅原创 神经网络与深度学习（四）
它通过在每个时间步上同时运行两个独立的RNN，一个按照正序处理序列，另一个按照逆序处理序列，然后将它们的输出进行拼接或合并，以获得更全面的序列信息。长短期记忆网络（Long Short-Term Memory，LSTM）是一种特殊的循环神经网络（RNN）结构，主要用于处理具有长期依赖关系的时间序列数据。其中，隐藏层中的神经元不仅接收当前时间步的输入，还接收上一个时间步隐藏层的输出。在深度循环神经网络中，每个时间步的输入都会经过多个循环层进行处理，每个循环层都可以视为一个抽象层次，负责学习不同级别的表示。
2024-04-28 15:41:47
729
原创 神经网络与深度学习（三）
目标检测基本原理很多时候图像里有多个我们感兴趣的目标，我们不仅想知道它们的类别，还想得到它们在图像中的具体位置。在计算机视觉里，我们将这类任务称为目标检测（object detection）或物体检测。目标检测在多个领域中被广泛使用。例如，在无人驾驶里，我们需要通过识别拍摄到的视频图像里的车辆、行人、道路和障碍的位置来规划行进线路。机器人也常通过该任务来检测感兴趣的目标。安防领域则需要检测异常目标，如歹徒或者炸弹。先导入实验所需的包或模块。下面加载本节将使用的示例图像。
2024-04-22 17:55:37
762
原创 神经网络与深度学习（二）
网络结构：6个Feature map构成每个神经元对输入进行5*5卷积每个神经元对应 5*5+1 个参数，共6个feature map， 28*28 个神经元，因此共有 (5*5+1)*6*(28*28)=122,304 连接S2层（Pooling层）：C3层（卷积层）：S4层：与S2层工作相同。120个神经元每个神经元同样对输入进行5*5卷积，与S4全连接总连接数(5*5*16+1)*120=4812084个神经元与C5全连接总连接数(120+1)*84=10164。
2024-04-07 23:18:52
823
原创 神经网络与深度学习（一）
神经网络（Neural Network）最早由心理学家和神经学家开创，旨在寻求开发和检验神经的计算模拟。它是由具有适应性的简单单元组成的广泛并行互连的网络，它的组织能模拟生物神经系统对真实世界物体所作出的交互反应。今天的“神经网络”已是一个相当大的、多学科交叉的学科领域。神经网络可以用于分类（预测给定元组的类标号）和数值预测（预测连续值输出）等。
2024-03-30 22:49:50
941
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人