- 博客(4)
- 收藏
- 关注
RSS订阅原创 神经网络与深度学习（四）
循环神经网络（RNN）是处理序列数据的核心架构，通过时间步间的权重共享保留历史信息。其发展经历了从基础RNN到LSTM、GRU等改进型的演进，解决了梯度消失等训练难题。RNN在文本生成、时序预测等任务中表现优异，通过字符级建模和自回归生成实现上下文感知。虽然Transformer在长程依赖上更具优势，但RNN凭借简单性和实时性仍在特定领域保持价值。改进型如双向RNN、深度RNN进一步增强了模型性能，使其成为序列建模的重要工具。
2025-05-24 14:00:56
1591
原创 神经网络与深度学习（三）
目标检测是一种计算机视觉技术，利用神经网络对图像或视频中的物体（如人、建筑或汽车）进行分类和定位。目标检测模型以图像作为输入，然后输出所检测物体的边界框坐标，以及识别这些物体的标签。一幅图像可能包含多个物体，每个物体都有自己的边界框和标签，例如一辆车和一座建筑。这些物体也可以位于图像的不同区域，例如几辆车在不同的位置。这种概念通常被称为多物体检测。：此任务仅确定图像中是否存在某个物体。例如，图像中有狗吗？：用于确定物体的类别并使用边界框在图像中定位该物体。例如，图像中的狗在哪里，它是什么类型的狗？
2025-05-17 14:31:18
1375
原创 神经网络与深度学习（二）
卷积神经网络（CNN）是一种在计算机视觉领域取得显著成就的深度学习模型，其设计灵感来源于生物视觉系统。CNN主要由输入层、卷积层、池化层、全连接层和输出层构成，通过卷积核在图像上进行局部扫描，提取边缘、纹理等特征，并通过多层堆叠实现从低级到高级特征的抽象。CNN的特点包括权值共享、局部连接和层次化特征处理，这些特性使其在图像识别、目标检测等任务中表现出色。此外，CNN也应用于自然语言处理和语音识别等领域，展示了其处理序列数据的潜力。
2025-05-11 14:24:13
1518
转载 神经网络与深度学习（一）
神经网络也称为人工神经网络 (ANN) 或模拟神经网络 (SNN)，是机器学习的子集，也是深度学习算法的支柱；被称为“神经”，是因为它模仿大脑中神经元相互发出信号；很多科学发明都是从大自然中获得了想法，比如飞机的发明是受鸟类的启发，神经网络是一种受人脑启发的机器学习算法，它是一个由互连节点或人工神经元组成的网络，可以学习识别数据中的模式。
2025-04-30 14:43:58
278
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