徒手实现卷积神经网络--残差网络（ResNet） - 飞书文档
https://docs.feishu.cn/article/wiki/UvS0wYj3yizySKk0pGRclnUDnWb经典的卷积神经网络是由卷积层和池化层组合而成的。卷积层主要用于提取局部特征，池化层用于对图像数据进行压缩。卷积神经网络已经证明了深度学习的潜力，即通过增加 ...
飞搜侠
热门搜索
Homework3：《深度学习详解》CNN图像分类任务的实现 - 飞书文档
https://docs.feishu.cn/v/wiki/Ckraw5bgYiU5wnkZhCTc9vEHnDc/a8优化网络结构是提升卷积神经网络（CNN）性能的重要步骤。CNN通常由多个模块或组块结构组成，通过合理设计和优化这些结构，可以显著增强模型的学习能力和泛化性能。以下是几种 ...
深度学习算法的核心思想是如何实现的 - 飞书文档
https://docs.feishu.cn/v/wiki/ORW8wXKo1iNrIVkMqKNc3LtBneb/a91. 卷积神经网络（CNN）. 卷积神经网络是一种专门用于处理图像和视频数据的深度学习算法。它通过卷积层和池化层的组合，自动提取图像中的特征。 · 2. 循环神经网络（RNN）. 循环 ...
深度学习：强大的神经网络学习 - 飞书文档
https://docs.feishu.cn/v/wiki/Af76wZbh4i4YvtkOkDvc56D2nZc/a7ELMo模型使用字符嵌入来表示每个词语，这是通过卷积神经网络来实现的。 ELMo模型中的CNN主要用于从输入文本中提取字符级别的特征，这些特征可以捕捉到单词中的前缀和 ...
机器学习、深度学习与神经网络之比较 - 飞书文档
https://docs.feishu.cn/v/wiki/LgQLwmwTaiKrRBk8F0ScY6UFnqg/a4例如，在图像识别领域，深度学习模型可以学习到图像中不同物体的特征，从而准确地识别出图像中的物体类别。深度学习的核心技术包括神经网络架构，如卷积神经网络（CNN）用于图像 ...
入门| 机器学习研究者必知的八个神经网络架构
https://docs.feishu.cn/v/wiki/YPEWwMV7hiNkvdkxM1icwQ9Zndc/af卷积神经网络可用于从手写数字到3D 物体的与物体识别有关的所有工作。但是，从网下载的彩色照片中识别真实物体要比识别手写数字复杂得多。它百倍于手写数字的类别（1000：10）， ...
《StatQuest官方双语视频中的卷积神经网络在图像识别中有何优势？》
https://docs.feishu.cn/v/wiki/CUMWw0cUriqANmk24dUcVew7nH6/ah神经网络是深度学习的基础：视频通过系列教学，阐述了神经网络的基本概念和工作 ... 反向传播是训练神经网络的核心算法：详细解释了反向传播算法的基本思想和具体实现。
经典图神经网络的消息传递机制 - 飞书文档
https://docs.feishu.cn/v/wiki/OmzZwKmNRiCmzkkKGaUc5IPunDc/a4本次分享依次介绍了图神经网络如何通过消息传递机制和图卷积模块处理图结构数据，并针对其缺陷提出了改进和优化方法。进一步，通过介绍消息传递单纯复形网络和双曲几何深度 ...
GitHub上深度学习项目的代码结构与文档
https://docs.feishu.cn/v/wiki/PKWTwXYRCiyOqCk56WQcxT8pnVd/a4另一个值得关注的项目是[项目名称6]，它是一个用于视频分析的深度学习项目。该项目利用卷积神经网络对视频中的图像序列进行处理，能够实现对视频内容的分类、目标检测和行为 ...
卷积神经网络：自动提取有用信息 - 飞书文档
https://docs.feishu.cn/v/wiki/UdLFwdjgPiXm5tkVi0dcfcRMn0f/ac2015年11月3日 ... 层是深度学习的最高层次的构建块。层是一个容器，它通常接收加权输入，用一组非线性函数对其进行转换，然后将这些值作为输出传递到 ...