shura的技术空间

在深度学习中遇到的几个重要的关键点词解释

【深度学习】神经网络入门/在进行这方面学习工作的时候，在网上搜集到了很多的资料与博客，之前一直把学习的笔记存放在有道云里，最近决定还是想要整理成博客所以接下来会一直把我之前的机器学习、深度学习、强化学习的相关知识和自己的经验整理成博客陆续更新/1.神经网络介绍深度学习是基于神经网络的研究，含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类...

刚刚接触深度学习的时候，最先了解的都是神经网络，在之前的神经网络介绍中我简单的介绍了神经网络，在本篇文章我将使用mnist手写体数据集为例子，教大家如何实现一个神经网络。1、基本结构基本的神经网络包含，输入层，隐藏层，输出层，我们本次使用两层神经网络为例 数据从输入层进入然后经历神经元进行特征提取，具体神经元展开如下图所示 数据需要经过乘权重w并与偏置b求和最终通过激活函数...

http://cs231n.github.io/convolutional-networks/#pool卷积神经网络（Convolutional Neural Network,CNN）是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，长期制霸计算机视觉领域。其核心主要是“卷积与池化”接下来我将介绍卷积神经网络进行特征提取的原理1、基本概念对比普通的神经网...

在卷积神经网络发展的过程中经历了很多革命性的创新，诞生了很多优秀的网络结构，接下来我将介绍几个经典网络结构LeNet，这是最早用于数字识别的卷积神经网络（CNN）AlexNet，2012 ILSVRC比赛远超第2名的CNN，比 LeNet更深，用多层小卷积层叠加替换单大卷积层 ZF Net，2013 ILSVRC比赛冠军  GoogLeNet，2014 ILSVRC比赛冠军  VGG...

Very Deep Convolutional Networks for Large-Scale Image Recognition在图像识别这一方面ImageNet挑战赛会定期产出优秀的模型从最初的AlexNet到VGG，RESNet，再到最新的DenseNet。每一次诞生出新的网络都会带来一次革新，今天要说的是VGG网络，ResNet和DenseNet会在接下来几篇介绍VGG模...

Deep Residual Learning for Image RecognitionResNet在2015年被提出，在ImageNet比赛classification任务上获得第一名（VGG是ImageNet2014年）在之前的VGG介绍中说过网络的深度对模型识别的准确度有很大的影响，但是在实际训练过程中，如果网络深度过深的话会引起在训练过程中发生退化的问题。为此我们的RestNe...

Densely Connected Convolutional Networks概述DenseNet是CVPR2017的最佳论文，主要是以ResNet为基础，在此之上进行改进优化，借鉴了ResNet的核心思想提出了全新的dense block结构。如果说ResNet是以网络深度取胜的话，那么denseNet则是以对特征入手，得到了更好的结果。DenseNet的核心思想来源于...