<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[dwdffef的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/dwdffef</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; dwdffef]]></copyright><item><title><![CDATA[深度学习的应用及展望]]></title><link>https://blog.youkuaiyun.com/dwdffef/article/details/138471886</link><guid>https://blog.youkuaiyun.com/dwdffef/article/details/138471886</guid><author>dwdffef</author><pubDate>Sun, 05 May 2024 19:20:33 +0800</pubDate><description><![CDATA[目标检测是在给定的图片中精确找到物体所在位置，并标注出物体的类别。物体的尺寸变化范围很大，摆放物体的角度，姿态不定，而且可以出现在图片的任何地方，并且物体还可以是多个类别。]]></description><category></category></item><item><title><![CDATA[卷积神经网络及其数据集、算法评估介绍]]></title><link>https://blog.youkuaiyun.com/dwdffef/article/details/138070455</link><guid>https://blog.youkuaiyun.com/dwdffef/article/details/138070455</guid><author>dwdffef</author><pubDate>Mon, 22 Apr 2024 12:18:58 +0800</pubDate><description><![CDATA[MNIST数据集是由0-9手写数字图片和数字标签所组成的，由60000个训练样本和10000个测试样本组成，且每个样本都是一张28*28像素的灰度手写数字图片。如下图所示。]]></description><category></category></item><item><title><![CDATA[LeNet-5]]></title><link>https://blog.youkuaiyun.com/dwdffef/article/details/137527703</link><guid>https://blog.youkuaiyun.com/dwdffef/article/details/137527703</guid><author>dwdffef</author><pubDate>Mon, 08 Apr 2024 23:17:42 +0800</pubDate><description><![CDATA[在上一篇文章当中，详细介绍了全连接网络（MLP）和BP神经网络及其优化器的基本原理。但是MLP由于连接的权重过多，算得太慢，且难收敛，同时可能陷入局部最小值，也容易产生过拟合问题。为了解决这些问题，我们可以减少权值的连接，每一个节点只连接到上一层的少数神经元，即局部神经网络。如下图所示。具体如何解决呢？让我们回想人类解决问题的思路：信息分层处理。也就是说，我们可以在某些层提取特征的基础上，对信息进行再处理，得到更高级别的特征。因此，人们提出卷积神经网络。]]></description><category></category></item><item><title><![CDATA[BP神经网络&性能优化]]></title><link>https://blog.youkuaiyun.com/dwdffef/article/details/137212783</link><guid>https://blog.youkuaiyun.com/dwdffef/article/details/137212783</guid><author>dwdffef</author><pubDate>Sun, 31 Mar 2024 23:33:15 +0800</pubDate><description><![CDATA[多层感知机（Multilayer Perceptron, 缩写为MLP）是一种前馈型人工神经网络模型，主要用于解决非线性分类和回归问题。它的结构包含多个相互连接的层，这些层包括：输入层（Input Layer）：接收原始输入数据，这一层的每个节点（或称为神经元）对应输入数据的一个特征。隐藏层（Hidden Layers）：位于输入层和输出层之间，至少有一个或多个隐藏层。]]></description><category></category></item></channel></rss>