66问答网
所有问题
当前搜索:
卷积神经网络用于
如何计算
卷积神经网络
中接受野尺寸
答:
pooling 理论在于,图像中相邻位置的像素是相关的。对一幅图像每隔一行采样,得到的结果依然能看。经过一层
卷积
以后,输入的图像尺寸变化不大,只是缩小了卷积核-1。根据相邻数据的相关性,在每个nxn区域内,一般2x2,用一个数代表原来的4个数,这样能把数据缩小4倍,同时又不会损失太多信息。一副24*...
卷积神经网络
采用softmax了吗
答:
如果是多分类问题,output layer的激活函数是softmax,和是否CNN无关
如何直观解释
卷积神经网络
的工作原理
答:
rbf
神经网络
即径向基函数神经网络(Radical Basis Function)。径向基函数神经网络是一种高效的前馈式神经网络,它具有其他前向网络所不具有的最佳逼近性能和全局最优特性,并且结构简单,训练速度快。同时,它也是一种可以广泛应用于模式识别、非线性函数逼近等领域的神经网络模型。
人工智能有哪些应用?
视频时间 00:35
什么样的数据适合用
卷积神经网络
处理
答:
当然是图像了,具体点说就是一个数据点,跟它的上下左右数据有关联的话,就适合用
卷积
。
怎么评判
卷积神经网络
训练得差不多了
答:
练得差不多了
请问一下,无基础学习
卷积神经网络
需要多久?
答:
卷积神经网络
有以下几种应用可供研究: 1、基于
卷积网络
的形状识别 物体的形状是人的视觉系统分析和识别物体的基础,几何形状是物体的本质特征的表现,并具有平移、缩放和旋转不变等特点,所以在模式识别领域,对于形状的分析和识别具有十分重要的意义,而二维图像作为三维图像的特例以及组成部分,因此二维图像...
卷积神经网络
一个人能搞成吗
答:
卷积神经网络
一个人能搞成。根据查询相关信息显示,卷积神经网络不是特别复杂的神经网络类型,而且有很多开源的深度学习框架可以使用,如果有一定的编程经验和数学基础,即使是一个人也可以建成。
如何理解
卷积神经网络
中的权值共享
答:
简单谈谈自己的理解吧。池化:把很多数据用最大值或者平均值代替。目的是降低数据量。
卷积
:把数据通过一个卷积核变化成特征,便于后面的分离。计算方式与信号系统中的相同。
为什么全连接神经网络在图像识别中不如
卷积神经网络
答:
输入数据是n*n的像素矩阵,再使用全连接
神经网络
,那么参数的个数会是指数级的增长,需要训练的数据太多。而CNN的话,可以通过共享同一个参数,来提取特定方向上的特征,所以训练量将比全连接神经网络小了很多。
棣栭〉
<涓婁竴椤
16
17
18
19
21
22
23
24
25
涓嬩竴椤
灏鹃〉
20
其他人还搜