在此基础上,使用深度学习框架搭建了目标检测模型,并对模型进行了训练和测试,验证了算法的性能和实用性。 总之,本研究对基于卷积神经网络的深度学习算法进行了全面的研究和分析,并在图像识别和目标检测等任务中进行了应用探索,为深度学习在实际应用中发挥更大的作用提供了参考和支持。
基于卷积神经网络的深度学习算法与应用 研究 -->第一章绪论 1.1课题研究背景和意义 上世纪1980年代后期,反向传播算法(即BackPropagation算法, 简称BP)的出现及其在人工神经网络学习过程中的应用13],极大推 进了机器学习的发展,引领了基于统计机器学习模型的发展浪潮。
基于卷积神经网络探讨深度学习算法与应用 近些年来,深度学习得到了广泛的关注,已经成为计算机科学机器学习重要的领域和方向,深度学习已经被引入到机器学习中,进而与人工智能这一最初的目标更为接近。深度学习... 高强,靳其兵,程勇 - 《电脑知识与技术》 被引量: 10发表: 2015年 利用卷积神经网络改进...
1融合数据增强与卷积神经网络的侧信道分析方法优化研究 2引入多层感知机和模糊C均值聚类的侧信道能量攻击研究 3基于长短期神经网络的电力transformer故障诊断研究 方向:只要是计算机,人工智能大类就可以了 结合 高阶复杂网络及其应用 1-基于模糊认知图结合智能进化算法的高阶复杂系统建模方法研究 ...