卷积神经网络
0 人关注
卷积神经网络（Convolutional Neural Network，CNN），是一种前馈神经网络，人工神经元可以响应周围单元，可以进行大型图像处理。卷积神经网络包括卷积层和池化层。
使用CNN对历史文本和图像进行分类和解码
一组研究人员建立了一个CNN模型，可以分析和分类古代涂鸦；多项逻辑回归模型的AUC评分为0.82，而2D-CNN的准确度为0.94研究人员开源数据集，让整个社区参与这项研究介绍历史文本和图像对我来说具...
卷积神经网络百科全书，带你全方位认识CNN
深度卷积神经网络是这一波AI浪潮背后的大功臣。虽然很多人可能都已经听说过这个名词，但是对于这个领域的相关从业者或者科研学者来说，浅显的了解并不足够。近日，约克大学电气工程与计算机科学系的IsmaHad...
TensorFlow实战：CNN构建MNIST识别（Python完整源码）
在文章（TensorFlow实战：SoftMax手写体MNIST识别（Python完整源码））中，我们MNIST手写体识别数据集，使用TensorFlow构建了一个softMAX多分类器，达到了91%...
使用Python+Tensorflow的CNN技术快速识别验证码
近年来，机器学习变得愈加火热，中国选手柯洁与AlphaGo的人机大战更是引起热议。目前，在图像识别和视觉分析研究中，卷积神经网络（CNN）技术的使用越来越多。Tensorflow是由Google团队开...
字符级中文文本分类-CNN基于TensorFlow实现
基于CNN的文本分类问题已经有了一定的研究成果：CNN做句子分类的论文:ConvolutionalNeuralNetworksforSentenceClassification。以及字符级CNN的论文...
对比图像分类五大方法：KNN、SVM、BPNN、CNN和迁移学习
图像分类，顾名思义，就是为输入图像打上固定类别的标签。这是计算机视觉领域的核心问题之一。尽管听起来很简单，但图像分类有大量不同的实际应用。传统方式：特征描述和检测也许对一些样本任务有好处，但实际情况要...
CNN之反向传播算法简介
DNN反向传播首先回顾DNN的反向传播算法。在DNN中，首先计算出输出层的δL:利用数学归纳法，用δl+1的值一步步的向前求出第l层的δl，表达式为：有了δl的表达式，从而求出W,b的梯度表达式：有了...
从聚合-转移框架浅谈卷积神经网络的架构设计
聚合-转移框架卷积神经网络通常都是由许多不同的层级结构组成的。上图的篮框部分是被定义的L层网络单元，它总体包含聚合（Aggregation）和转移（Transformer）两个部分。具体来说，聚合可用...
利用Python实现卷积神经网络的可视化
摘要：本文简单说明了CNN模型可视化的重要性，以及介绍了一些可视化CNN网络模型的方法，希望对读者有所帮助，使其能够在后续深度学习应用中构建更好的模型。对于深度学习这种端到端模型来说，如何说明和理解其...
卷积神经网络(CNN)融合PMF模型构建推荐系统
用户对项目评分数据的稀疏是推荐系统质量恶化的主要因素之一。为了处理稀疏性问题，已经提出了几种推荐技术，其另外考虑辅助信息以提高评估预测的准确性。特别是，当评级数据稀少时，基于文档建模的方法通过额外使用...
CNN五大经典模型:Lenet，Alexnet，Googlenet，VGG，DRL
Lenet就从Lenet说起，可以看下caffe中lenet的配置文件，可以试着理解每一层的大小，和各种参数。由两个卷积层，两个池化层，以及两个全连接层组成。卷积都是5*5的模板，stride=1，池...
