或
与
{{ forum.displayName }}
{{ forum.displayName }}
全部文章
只看精选
至
匹配程度
发表时间
降序
升序
收起
高级搜索
约找到 161 条结果，耗时 0.235 秒
Coursera上之前有个神经网络课程也很不错的不过现在Coursera改版之后，旧的资料都访问不到了不知道那个可什么时候重开Youtube上面有链接XXXXXXXXXXXXXXXXXXXXXXXXXXXXX
注册时间：2014/04/30 20:05:43
最后活动：1时12分前
从事基于天然神经网络的天线拓扑优化
本人主要研究方向为卷积神经网络结构，曾在KC论坛发表相关综述。Maxout和network in network 两个方法分别是将基于广义线性模型的卷积核替换成另外的更加复杂的结构以拟合非线性模型。
我们每个人从小到大经历了一系列的学习，所以我们获得了复杂的认知能力；科学家们也让神经网络经历一系列的数据输入，对神经网络进行一系列的训练，最后神经网络成功地完成了许多原来只有人能完成的任务。
当初就是贝尔实验室想用OpenGL实现神经网络，发现搞不定，找NVIDIA要技术支持，NVIDIA也觉得蛋疼，才推出cuda貌似咱们说的opengl根本不是一个版本，4.3和compute shader
提高神经网络的能力，可以分解成提高速度和提高容量。提高速度可以通过硬件性能上的提升、算法的优化实现；容量则分为两个方面，一个是承载神经网络的系统的容量（内存大小），一个是对网络进行训练的样本容量。
楼主的代码是raw tensorflow，实在是太难阅读了……如果我没有理解错的话，楼主把主卷积神经网络的每一个点附近的卷积操作（从patch到pixel），替换成了一个更小的卷积神经网络。
LZ神人是否应该开发复杂神经网络,使计算机可以以人脑模式运作,并将各种创造技法与科学知识作为训练等的进行注入,使之达到真正的类人脑的复杂的思维创新,而非死搬创造技法。
补正：PythonDPG算法的预印本论文需要大幅度修改较多内容，因为奖励机制必须真正能够控制和调整模型的输出，否则模型等同于直接堆积成规模的神经网络，无法利用强化学习的优势展开训练和推理。
本人现在准备制作一个印刷体数字字符识别系统，基于ＶＣ＋＋，ＢＰ神经网络的。我想问问我该如何入门呢？有没有一个参考框架啊？我不是很懂怎么入手代码，一片茫然，求各位大神给点建议，谢谢啦！
锐化二值化是上古视觉处理算法了，神经网络输入不需要预先经过这些步骤（因为CNN卷积层本来就是N个可以自适应的滤波器），二值化之后更是什么信息都不剩了。
机器学习的一种方式，叫做人工神经网络。我就讲讲这个神经网络。
有一只蚯蚓，它面前有一条路，路的左右两侧分别是两堵墙，一堵是黑色的，一堵是白色的。白色的墙带电，碰到就把蚯蚓电死了。
引用 CODELYOKO:我也在研究算法，我也是高二，主要集中在密码学、页面置换和神经网络，只是我发现真的竞赛学的东西就是在钻牛角尖。我完美主义但是这种就是过度的了.
注册时间：2014/05/10 13:57:56
最后活动：1个月8天前
被判无期秃刑的基于天然神经网络的全地形MOS爆破工程师
运行XXXXXXXXXX之后生成一个excel文件“dataset-KNSU.xlsx”；将文件内的数组输入给神经网络展开训练，以下为开发者运行的神经网络程序XXXXXX：运行上面的程序（运行的硬件环境是英特尔
下面是Geoff Hinton的《神经网络机器学习》课程视频的截图。
先别管这张图。为什么我要关注机器学习？在众多被冠以“机器学习”这样一个宣传噱头一样的名字的领域中，我最关注的是计算机视觉。
当下（2024年）人工智能领域主流的技术路线（人工神经网络算法及其衍生的大语言模型）就是在炼丹（行业自嘲），把要冶炼的“物品”（系统定义的自变量）随机设置条件加热反应，然后再不停地更换条件，目的就是让人工智能学习到最优的结果