- 博客(6)
- 收藏
- 关注
原创 深度学习卷积神经网络案例及课程总结
深度学习是一种基于神经网络的机器学习技术,通过多层网络结构实现对数据的特征学习和分类。在学习深度学习课程期间,我对深度学习的基本概念、原理和应用有了更加深入的了解,并通过编写代码实践加深了对深度学习的理解。在深度学习的学习过程中,我学习了许多深度学习的经典模型,如卷积神经网络、循环神经网络、生成对抗网络等。这些模型都有其独特的优点和适用范围,可以用来处理不同类型的数据和任务。其中,我认为卷积神经网络应用最广泛,特别是在计算机视觉领域中,卷积神经网络被广泛应用于图像分类、目标检测、图像分割等任务中。
2023-04-20 11:14:50
613
1
原创 深度学习视觉应用
TP: 被正确地划分为正例的个数,即实际为正例且被分类器划分为正例的实例数FP: 被错误地划分为正例的个数,即实际为负例但被分类器划分为正例的实例数FN:被错误地划分为负例的个数,即实际为正例但被分类器划分为负例的实例数TN: 被正确地划分为负例的个数,即实际为负例且被分类器划分为负例的实例数这些概念是混淆矩阵(Confusion Matrix)中的四个元素,用于描述二分类问题中模型预测结果和实际情况之间的对应关系。
2023-04-02 16:07:59
291
原创 神经网络卷积神经网络
卷积神经网络(Convolutional Neural Network,CNN)的诞生可以追溯到二十世纪六七十年代的人工神经网络(Artificial Neural Networks,ANN)。ANN 是一种受到生物神经元启发的计算模型,旨在模拟人类大脑的工作原理。CNN 最早的雏形可以追溯到1980年代末和1990年代初。在这个时期,神经科学研究者发现,视觉皮层中的神经元具有一定的局部连接性和权值共享性质。这些发现启发了科学家们设计一种新的人工神经网络模型,即卷积神经网络。
2023-03-26 21:46:01
224
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
RSS订阅