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，即通过增加网络 ...
飞搜侠
热门搜索
如何让等变神经网络可解释性更强？试试将它分解成「简单表示」
https://docs.feishu.cn/v/wiki/RAQMwEXVnifnXykjShtcc9HnnWx/a1神经网络是一种灵活且强大的函数近似方法。而许多应用都需要学习一个相对于某种对称性不变或等变的函数。图像识别便是一个典型示例—— 当图像发生平移时，情况不会发生 ...
AI神经网络如何实现自学习？ - 飞书文档
https://docs.feishu.cn/v/wiki/OudpwwsC0iP3qDkkCfoc7ns1nnb/a8人类的神经元是怎么处理输入的生物信号我不知道，我估计挺复杂的。但在我这里就很简单:我给每一个输入值设定一定的权重，然后做一个简单的加权求和，最后再加上一个偏移值就行 ...
如何让等变神经网络可解释性更强？试试将它分解成「简单表示」 - 飞书
https://agijuejin.feishu.cn/wiki/RAQMwEXVnifnXykjShtcc9HnnWx机器之心｜阅读原文转载请联系原作者取得授权神经网络是一种灵活且强大的函数近似方法。而许多应用都需要学习一个相对于某种对称性不变或等变的函数。
如何计算简单神经网络的前向与反向传播？ - 飞书文档
https://docs.feishu.cn/v/wiki/XhFDwymwMiEMT6kkSCKc3LKinHd/ae... 实现数据分析了。随着数据维度的增加，计算量也会指数级的增长，这里我们先用一个比较简单的例子，帮助理解多维数据（也就是向量）的计算原理，涉及非常复杂的数据计算 ...
神经网络的工作原理与人脑相似 - 飞书文档
https://docs.feishu.cn/v/wiki/Q0WYw98BbiWYVHkDy3IcyuyFnMd/a8神经网络是一种人工智能方法，用于教计算机以受人脑启发的方式处理数据。这是一种机器学习过程，称为深度学习，它使用类似于人脑的分层结构中的互连节点或神经元。它可以创建 ...
ChatGPT神经网络的训练过程 - 飞书文档
https://docs.feishu.cn/v/wiki/XRnOw1B72iS0JDkqVVgcAwTUnC9/a6用神经网络解决复杂问题比简单问题容易，因为权重变量多造成高维空间，多方向可寻到最小值，而变量少易陷入局部最低点，找不到“出路”。 第五章：神经网络训练的实践与知识.
深度学习：强大的神经网络学习 - 飞书文档
https://docs.feishu.cn/v/wiki/Af76wZbh4i4YvtkOkDvc56D2nZc/a7... 简单的神经网络，都有13002个参数可供调节。 所以，当我们讨论机器如何学习 ... ELMo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 ...
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神经网络是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法模型。它由大量的神经元相互连接而成，每个神经元接收来自其他神经元的输入信号，并根据一定的激活 ...
神经网络实现类人语言泛化面临哪些数据挑战？ - 飞书文档
https://docs.feishu.cn/v/wiki/IfSOwer6PiPlfAk1OK1cHh9jnZg/a6从神经网络的发展历程来看，它经历了多个阶段的演进。早期的神经网络模型相对简单，在处理语言任务时存在诸多局限性。然而，随着技术的不断进步和算法的优化，神经网络的 ...