- 博客(4)
- 收藏
- 关注
RSS订阅原创 科研论文审稿如何切入
8、文章的结构、流程或写作是否需要改进（例如，增加副标题、缩短文本、重组章节或将细节从一个章节转移到另一个章节）？4、是否可以从额外的表格或图表中受益，或者从改进或删除（一些）现有的表格或数字中受益？3、统计分析、控制、抽样机制和统计报告（如P值、顺式、效应大小）是否适当且描述良好？2、应用/理论/方法/研究是否足够详细的说明，以允许其可复制性和/或再现性？7、作者是否清楚地说明了他们的研究/理论/方法/论点的局限性？6、作者是否明确强调了他们的研究/理论/方法/论点的优势？9、参考文献格式等问题。
2024-01-18 14:07:37
558
1
原创 深度神经网络的误差来源
5. 梯度消失/梯度爆炸误差：深度神经网络训练过程中梯度消失/梯度爆炸会影响网络的学习效果；7. 其他参数调节误差：如学习率过大或过小，训练策略不合理等都可能导致误差。1. 权重初始化误差：权重初始化不正确会影响网络的学习效果；6. 过拟合误差：模型拟合训练数据得太好，导致预测效果不佳；2. 训练数据误差：训练数据的噪声或者样本不足导致的误差；3. 激活函数误差：激活函数不合理会影响网络的学习效果；4. 标签误差：标签定义不清晰或者标签数据中存在噪声；
2023-04-11 14:13:07
439
1
原创 个人学习记录：Fourier-space Diffractive Deep Neural Network
在本文中，我们提出了一种用于全光学图像处理的傅立叶空间衍射深度神经网络(F-D²NN)，该网络以光速执行高级计算机视觉任务。F-D²NN是通过在光学系统的傅里叶平面或傅里叶和成像平面上放置极其紧凑的衍射调制层来实现的，其中光学非线性由铁电薄膜引入。我们证明了F-D²NN可以用深度学习算法训练，可用于异域显著性检测和高精度对象分类。
2023-03-30 13:21:18
1464
原创 个人学习记录：多尺度衍射U-Net:采用采样和跳过连接建模的鲁棒全光深度学习框架
衍射深度神经网络作为一种全光学学习框架，在运行速度、数据吞吐量和能耗方面具有很大的潜力。网络的深度和层间的错位是制约其进一步发展的两个问题。本文提出了一种基于多尺度特征融合的鲁棒全光网络框架(多尺度衍射U-Net, MDUNet)。通过引入采样和跳过连接，可以显著提高网络的深度扩展和对齐鲁棒性。
2023-03-23 21:35:10
1589
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