作者: apachecn_飞龙
1169人浏览
评论数：0
4年前
四、神经网络和深度学习 原文：Machine Learning for Humans, Part 4: Neural Networks & Deep Learning 作者：Vishal Maini 译者：飞龙 协议：CC BY-NC-SA 4.0 深度神经
作者: 行者武松
1074人浏览
评论数：0
4年前
本文来自AI新媒体量子位（QbitAI） 该文是对卷积神经网络的介绍，并假设你理解前馈神经网络。 如果不是，强烈建议读完《如何简单形象又有趣地讲解神经网络是什么？》这篇文章后后再来读该篇。 推荐文章链接： https://www.zhihu.com/quest
作者: yabmarlboro
2950人浏览
评论数：0
5年前
神经网络是一门重要的机器学习技术。它是目前最为火热的研究方向--深度学习的基础。学习神经网络不仅可以让你掌握一门强大的机器学习方法，同时也可以更好地帮助你理解深度学习技术。 本文以一种简单的，循序的方式讲解神经网络。适合对神经网络了解不多的同学。本文对阅
作者: 飞天小橘子
1272人浏览
评论数：0
4年前
一、BP神经网络回顾 人工全连接神经网络 （1）每相邻两层之间的每个神经元之间都是有边相连的 （2）当输入层的特征维度变得很高时，这时全连接网络需要训练 的参数就会增大很多，计算速度就会变得很慢 传统神经网络存在的问题： （1）权
作者: 云栖号资讯小哥
1262人浏览
评论数：0
2年前
云栖号资讯：【点击查看更多行业资讯】 在这里您可以找到不同行业的第一手的上云资讯，还在等什么，快来！ 近年来，图表示学习（Graph Embedding）和图神经网络（Graph Neural Network, GNN）成为网络数据分析与应用的热点研究问题，
作者: 【方向】
2653人浏览
评论数：0
4年前
1.简介 神经网络在各种数据方面处理上已经取得了很大的成功，包括图像、文本、时间序列等。然而，学术界或工业界都面临的一个问题是，不能以任何细节来理解其工作的过程，只能通过实验来检测其效果，而无法做出合理的解释。相关问题是对特定数据集经常存在某种
作者: 小旋风柴进
2495人浏览
评论数：0
5年前
深度学习的核心问题就是一个非常难的优化问题。所以在神经网络引入后的几十年间，深度神经网络的优化问题的困难性是阻碍它们成为主流的一个重要因素。并导致了它们在20世纪90年代到21世纪初期间的衰落。不过现在已经基本解决了这个问题。在本篇博文中，我会探讨优化神经网
作者: 技术小能手
5066人浏览
评论数：0
4年前
第一章 引言 一、本文动机 过去几年，计算机视觉研究主要集中在卷积神经网络上（通常简称为 ConvNet 或 CNN），在大量诸如分类和回归任务上已经实现了目前为止最佳的表现。尽管这些方法的历史可以追溯到多年前，但相对而言，对这些方法的理论理解及对结果的解释还
