深度学习:卷积神经网络从入门到精通 李玉鑑 计算机网络·人工智能·0字 完本| 更新时间 本书专注讨论深度学习中应用非常广泛的模型——卷积神经网络,该模型特别适用于图像分类和识别、目标分割和检测以及人工智能游戏方面,受众对象包括计算机、自动化、信号处理、机电工程、应用数学等相关专业的研究生、教师以及算法...
本书专注讨论深度学习中应用非常广泛的模型——卷积神经网络,该模型特别适用于图像分类和识别、目标分割和检测以及人工智能游戏方面,受众对象包括计算机、自动化、信号处理、机电工程、应用数学等相关专业的研究生、教师以及算法工程师和科研工作者。本书的最大特色是对卷积神经网络进行由浅入深的分类描述,依次包括:现代...
本书专注讨论深度学习中应用非常广泛的模型——卷积神经网络,该模型特别适用于图像分类和识别、目标分割和检测以及人工智能游戏方面,受众对象包括计算机、自动化、信号处理、机电工程、应用数学等相关专业的研究生、教师以及算法工程师和科研工作者。本书的最大特色是对卷积神经网络进行由浅入深的分类描述,依次包括:现代雏...
自从卷积神经网络在深度学习领域闪亮登场之后,很快取得了突飞猛进的进展,不仅显著提高了手写字符识别的准确率,而且屡屡在图像分类与识别、目标定位与检测等大规模数据评测竞赛中名列前茅、战绩辉煌。此外,卷积神经网络在人脸验证、交通标志识别、视频游戏、视频分类、语音识别、机器翻译、围棋程序等各个方面也获得广泛的成功...
6)MXNet(发音为“mix-net”)起源于卡内基-梅隆大学和华盛顿大学,2017年1月30日进入Apache基金会成为孵化器项目,是一个功能齐全、可编程和可扩展的深度学习框架,支持各种深度学习模型(比如卷积神经网络、循环神经网络和长短期记忆网络),也是目前唯一支持生成对抗网络模型的深度学习框架。而且,MXNet提供了混合编程模型(命令...
本书专注讨论深度学习中应用非常广泛的模型——卷积神经网络,该模型特别适用于图像分类和识别、目标分割和检测以及人工智能游戏方面,受众对象包括计算机、自动化、信号处理、机电工程、应用数学等相关专业的研究生、教师以及算法工程师和科研工作者。本书的最大特色是对卷积神经网络进行由浅入深的分类描述,依次包括:现代雏...
[学习笔记]深度学习-卷积神经网络从入门到精通 第二章 预备知识 2.1激活函数 激活函数也就是人工神经网络的神经元上运行的函数。 理论上可以是非线性的,但一般选非线性的。如sigmod函数,双曲正切函数,硬限幅函数,斜面函数等等 2.2矩阵运算 包括转置,旋转,乘积,加减法,阿达马积,克罗内克积,逐元函数。
1.4卷积神经网络的缺陷和视图 视觉方面仍不如人类。 通过可视化技术,展现网络各层直觉的期望性质。 1.5卷积神经网络的GPU实现和cuddn库 cpu训练较慢,采用gpu加速。 cuda,也就是通用计算的并行计算平台和编程模型。以c语言为基础,并对c进行扩展, 在显卡芯片执行程序,提供深度神经网络加速库,完成多个函数层的快速实现...
1.1 深度学习的起源和发展 1 1.2 卷积神经网络的形成和演变 4 1.3 卷积神经网络的应用和影响 6 1.4 卷积神经网络的缺陷和视图 9 1.5 卷积神经网络的GPU实现和cuDNN库 10 1.6 卷积神经网络的平台和工具 10 1.7 本书的内容结构和案例数据 13 1.7.1 内容结构 13 ...
深度学习:卷积神经网络从入门到精通 李玉鑑 张婷 单传辉 刘兆英 等著 PREFACE 前言 随着谷歌的AlphaGo、IBM的Watson和百度的小度机器人等智能产品的问世,人工智能成为大众热烈讨论的焦点。深度学习作为其中的核心技术之一,经过学术界与工业界的积极推动,已经被广泛应用于计算机视觉、语音识别和自然语言处理等诸多领域。如果...