完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>
標(biāo)簽 > 神經(jīng)網(wǎng)絡(luò)
神經(jīng)網(wǎng)絡(luò)可以指向兩種,一個(gè)是生物神經(jīng)網(wǎng)絡(luò),一個(gè)是人工神經(jīng)網(wǎng)絡(luò)。
文章:3657個(gè) 瀏覽:103363次 帖子:192個(gè)
Deep Voice是百度AI研究院一個(gè)由深度神經(jīng)網(wǎng)絡(luò)構(gòu)建的高質(zhì)量語(yǔ)音轉(zhuǎn)(TTS )系統(tǒng)。該系統(tǒng)不僅提高的模擬的時(shí)間,百度還優(yōu)化了它出錯(cuò)的概率。甚至還在...
2018-04-02 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí) 1.5萬(wàn) 0
深度學(xué)習(xí)應(yīng)用在超分辨率領(lǐng)域的9個(gè)模型
我們?cè)窒磉^(guò)的實(shí)時(shí)圖像識(shí)別只是其中一種應(yīng)用。我們還可以利用深度學(xué)習(xí)來(lái)做超分辨率。我們這次就分享一下用于超分辨率的深度學(xué)習(xí)基本框架,以及衍生出的各種網(wǎng)絡(luò)模...
2018-07-13 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)深度學(xué)習(xí) 1.5萬(wàn) 0
使用tf.keras 訓(xùn)練、導(dǎo)出及提供神經(jīng)網(wǎng)絡(luò)的整個(gè)流程
我們希望訓(xùn)練出的模型能夠準(zhǔn)確預(yù)測(cè)新圖像的這些標(biāo)簽。為此,我們會(huì)嘗試使用針對(duì)天氣和地面標(biāo)簽提供兩種獨(dú)立輸出的網(wǎng)絡(luò)。預(yù)測(cè)天氣標(biāo)簽是 多類別分類問(wèn)題的一個(gè)例子...
2018-09-17 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)圖像TensorFlow 1.5萬(wàn) 0
梯度爆炸問(wèn)題的介紹和如何解決爆炸問(wèn)題詳細(xì)概述
最近在做一個(gè)文本檢測(cè)的項(xiàng)目,在訓(xùn)練的過(guò)程中遇到了很嚴(yán)重的梯度爆炸情況,今天就來(lái)談?wù)勌荻缺ㄔ趺唇鉀Q。
2018-04-30 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)梯度 1.5萬(wàn) 0
認(rèn)知卷積神經(jīng)網(wǎng)絡(luò)如何處理圖像_它為何重要?
卷積神經(jīng)網(wǎng)絡(luò)是當(dāng)今大多數(shù)機(jī)器學(xué)習(xí)實(shí)踐者的重要工具。但是,理解卷積神經(jīng)網(wǎng)絡(luò)并開(kāi)始嘗試運(yùn)用著實(shí)是一個(gè)痛苦的過(guò)程。本文的主要目的是了解卷積神經(jīng)網(wǎng)絡(luò)如何處理圖像...
2019-01-27 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)圖像識(shí)別 1.5萬(wàn) 0
構(gòu)建一個(gè)決策樹并查看它如何進(jìn)行預(yù)測(cè)
正如你所看到的,決策樹非常直觀,他們的決策很容易解釋。 這種模型通常被稱為白盒模型。 相反,正如我們將看到的,隨機(jī)森林或神經(jīng)網(wǎng)絡(luò)通常被認(rèn)為是黑匣子模型。...
2018-07-16 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)決策樹 1.5萬(wàn) 0
引入Mask R-CNN思想通過(guò)語(yǔ)義分割進(jìn)行任意形狀文本檢測(cè)與識(shí)別
網(wǎng)絡(luò)架構(gòu)由四部分組成,骨干網(wǎng)feature pyramid network (FPN) ,文本候選區(qū)域生成網(wǎng)絡(luò)region proposal netw...
2018-08-07 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)文本 1.5萬(wàn) 0
三種回歸算法及其優(yōu)缺點(diǎn),將會(huì)為我們理解和選擇算法提供很好的幫助
在這一簡(jiǎn)單的模型中,單變量線性回歸的任務(wù)是建立起單個(gè)輸入的獨(dú)立變量與因變量之間的線性關(guān)系;而多變量回歸則意味著要建立多個(gè)獨(dú)立輸入變量與輸出變量之間的關(guān)系。
2018-03-23 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí) 1.5萬(wàn) 0
可以將深度學(xué)習(xí)圖像分類器用于目標(biāo)檢測(cè)嗎?
本文緣起于一位網(wǎng)友向原作者請(qǐng)教的兩個(gè)關(guān)于目標(biāo)檢測(cè)的問(wèn)題:①如何過(guò)濾或忽略我不感興趣的類?②如何在目標(biāo)檢測(cè)模型中添加新的類?這是否可行?
2018-05-24 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí) 1.4萬(wàn) 0
算法是指解題方案的準(zhǔn)確而完整的描述,是一系列解決問(wèn)題、高度符合邏輯性、可執(zhí)行性的指令集合,代表運(yùn)用系統(tǒng)方法描述解決問(wèn)題的策略機(jī)制。
2023-02-15 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)大數(shù)據(jù) 1.4萬(wàn) 0
從神經(jīng)網(wǎng)絡(luò)入門嵌入式視覺(jué)應(yīng)用的機(jī)器學(xué)習(xí)
目前嵌入式視覺(jué)領(lǐng)域最熱門的話題之一就是機(jī)器學(xué)習(xí)。機(jī)器學(xué)習(xí)涵蓋多個(gè)行業(yè)大趨勢(shì),不僅在嵌入式視覺(jué) (EV) ,而且在工業(yè)物聯(lián)網(wǎng)和云計(jì)算中均發(fā)揮著極為顯赫的作...
2018-01-07 標(biāo)簽:嵌入式神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí) 1.4萬(wàn) 0
為什么CNN不能從數(shù)據(jù)中學(xué)習(xí)平移不變性?
論文的觀點(diǎn)是數(shù)據(jù)集里的圖像自帶“攝影師偏差”,很可惜論文作者做出的解釋很糟糕,一會(huì)兒講分布,一會(huì)兒講數(shù)據(jù)增強(qiáng),非常沒(méi)有說(shuō)服力。但是這個(gè)觀點(diǎn)確實(shí)值得關(guān)注,...
2018-06-30 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)集CNN 1.4萬(wàn) 0
通過(guò)深度學(xué)習(xí)方法為黑白老照片自動(dòng)上色,帶我們重新憶起那段老時(shí)光!
現(xiàn)在,隨著數(shù)據(jù)集的增加,由于我們處理的是高分辨率圖像,因此我們需要更多的計(jì)算能力。為此,我個(gè)人更喜歡使用 Deep Cognition 的 Deep L...
2018-09-07 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)圖像深度學(xué)習(xí) 1.4萬(wàn) 0
標(biāo)準(zhǔn)自編碼器能學(xué)習(xí)生成緊湊的數(shù)據(jù)表達(dá)并重建輸入數(shù)據(jù),然而除了像去噪自編碼器等為數(shù)不多的應(yīng)用外,它的應(yīng)用卻極其有限。其根本原因在于自編碼器將輸入轉(zhuǎn)換為隱含...
2018-04-19 標(biāo)簽:編碼器神經(jīng)網(wǎng)絡(luò) 1.4萬(wàn) 0
訓(xùn)練神經(jīng)網(wǎng)絡(luò)的五大算法
神經(jīng)網(wǎng)絡(luò)模型的每一類學(xué)習(xí)過(guò)程通常被歸納為一種訓(xùn)練算法。訓(xùn)練的算法有很多,它們的特點(diǎn)和性能各不相同。問(wèn)題的抽象人們把神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程轉(zhuǎn)化為求損失函數(shù)f的...
2017-11-16 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)算法 1.4萬(wàn) 0
移動(dòng)機(jī)器人避障常用傳感器及神經(jīng)網(wǎng)絡(luò)算法
動(dòng)機(jī)器人是機(jī)器人的重要研究領(lǐng)域,人們很早就開(kāi)始移動(dòng)機(jī)器人的研究。移動(dòng)機(jī)器人智能的一個(gè)重要標(biāo)志就是自主導(dǎo)航,而實(shí)現(xiàn)機(jī)器人自主導(dǎo)航有個(gè)基本要求——避障。
2018-05-15 標(biāo)簽:傳感器神經(jīng)網(wǎng)絡(luò)移動(dòng)機(jī)器人 1.4萬(wàn) 0
tf.data API 通過(guò) tf.data.Dataset.prefetch 轉(zhuǎn)換提供了一個(gè)軟件 pipelining 操作機(jī)制,該轉(zhuǎn)換可用于將數(shù)據(jù)生...
2019-01-11 標(biāo)簽:加速器神經(jīng)網(wǎng)絡(luò)管道 1.4萬(wàn) 0
圖像生成領(lǐng)域的一個(gè)巨大進(jìn)展:SAGAN
近年來(lái),生成圖像建模領(lǐng)域出現(xiàn)了不少成果,其中最前沿的是GAN,它能直接從數(shù)據(jù)中學(xué)習(xí),生成高保真、多樣化的圖像。雖然GAN的訓(xùn)練是動(dòng)態(tài)的,而且對(duì)各方面的設(shè)...
2018-10-08 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)圖像GAN 1.4萬(wàn) 0
一種新穎的基于強(qiáng)化學(xué)習(xí)的圖像復(fù)原算法—RL-Restore
至此,RL-Restore算法已經(jīng)擁有了較好的工具選取策略,還需要解決對(duì)“中間結(jié)果”進(jìn)行復(fù)原的挑戰(zhàn)。前文已經(jīng)提到,由于前面的復(fù)原步驟可能引入新的未知失真...
2018-05-26 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)圖像CNN 1.3萬(wàn) 0
一款只通過(guò)單個(gè)普通的2D攝像頭就能實(shí)時(shí)捕捉視頻中的3D動(dòng)作的系統(tǒng)
在CNN的骨骼預(yù)測(cè)當(dāng)中,最重要的骨盆的3D姿勢(shì),他們提出的姿態(tài)公式得出的結(jié)果,吻合度可與世界最先進(jìn)的離線方法媲美。通過(guò)組合預(yù)測(cè)2D和3D關(guān)節(jié)位置來(lái)確保關(guān)...
2018-05-14 標(biāo)簽:3D神經(jīng)網(wǎng)絡(luò)手機(jī)攝像頭 1.3萬(wàn) 0
編輯推薦廠商產(chǎn)品技術(shù)軟件/工具OS/語(yǔ)言教程專題
電機(jī)控制 | DSP | 氮化鎵 | 功率放大器 | ChatGPT | 自動(dòng)駕駛 | TI | 瑞薩電子 |
BLDC | PLC | 碳化硅 | 二極管 | OpenAI | 元宇宙 | 安森美 | ADI |
無(wú)刷電機(jī) | FOC | IGBT | 逆變器 | 文心一言 | 5G | 英飛凌 | 羅姆 |
直流電機(jī) | PID | MOSFET | 傳感器 | 人工智能 | 物聯(lián)網(wǎng) | NXP | 賽靈思 |
步進(jìn)電機(jī) | SPWM | 充電樁 | IPM | 機(jī)器視覺(jué) | 無(wú)人機(jī) | 三菱電機(jī) | ST |
伺服電機(jī) | SVPWM | 光伏發(fā)電 | UPS | AR | 智能電網(wǎng) | 國(guó)民技術(shù) | Microchip |
Arduino | BeagleBone | 樹莓派 | STM32 | MSP430 | EFM32 | ARM mbed | EDA |
示波器 | LPC | imx8 | PSoC | Altium Designer | Allegro | Mentor | Pads |
OrCAD | Cadence | AutoCAD | 華秋DFM | Keil | MATLAB | MPLAB | Quartus |
C++ | Java | Python | JavaScript | node.js | RISC-V | verilog | Tensorflow |
Android | iOS | linux | RTOS | FreeRTOS | LiteOS | RT-THread | uCOS |
DuerOS | Brillo | Windows11 | HarmonyOS |