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 > 深度學(xué)習(xí)
文章：4761個(gè) 瀏覽：124712次 帖子：174個(gè)
神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的一些重要趨勢(shì)
大多數(shù)神經(jīng)網(wǎng)絡(luò)都是互相連接的，這意味著每個(gè)隱藏單元和每個(gè)輸出單元都連接到層另一邊的每個(gè)單元上。每個(gè)單元之間的連接稱為“重量”。重量可以是正的，也可以是負(fù)...
2020-04-17 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)神經(jīng)元深度學(xué)習(xí) 2.2k 0
有關(guān)深度學(xué)習(xí)的25個(gè)問題
否則，我們將獲得一個(gè)由多個(gè)線性函數(shù)組成的線性函數(shù)，那么就成了線性模型。線性模型的參數(shù)數(shù)量非常少，因此建模的復(fù)雜性也會(huì)非常有限。
2020-04-17 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí) 3.6k 0
深度學(xué)習(xí)算法和經(jīng)典神經(jīng)網(wǎng)絡(luò)之間有什么區(qū)別呢？最明顯的區(qū)別是：深度學(xué)習(xí)中使用的神經(jīng)網(wǎng)絡(luò)具有更多隱藏層。這些層位于神經(jīng)元的第一層（即輸入層）和最后一層（即輸...
2020-04-17 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)算法深度學(xué)習(xí) 3.3萬(wàn) 0
AI頂會(huì) “云”舉行，優(yōu)必選科技論文入選ICLR
目前最先進(jìn)的深度學(xué)習(xí)方法大多是對(duì)給定輸入特征的標(biāo)簽的條件分布進(jìn)行建模的判別法。這種方法的成功在很大程度上依賴于高質(zhì)量的帶標(biāo)簽的實(shí)例，此類實(shí)例并不容易獲得...
2020-04-17 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)人工智能深度學(xué)習(xí) 3k 0
神經(jīng)網(wǎng)絡(luò)超參數(shù)調(diào)優(yōu)
瀏覽有關(guān)功能優(yōu)化測(cè)試的維基詞條，就會(huì)發(fā)現(xiàn)有些功能很難對(duì)付。很多功能因找出優(yōu)化算法的問題而被廣泛使用。但本文將討論一項(xiàng)看似微不足道的功能——Beale功能。
2020-04-17 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)算法深度學(xué)習(xí) 4.5k 0
深度學(xué)習(xí)一直都是被幾大經(jīng)典模型給統(tǒng)治著，如CNN、RNN等等，它們無論再CV還是NLP領(lǐng)域都取得了優(yōu)異的效果，那這個(gè)GCN是怎么跑出來的？是因?yàn)槲覀儼l(fā)現(xiàn)...
2020-04-17 標(biāo)簽：圖像識(shí)別深度學(xué)習(xí)cnn 3.8k 0
一種將復(fù)雜數(shù)學(xué)表達(dá)式表示為一種語(yǔ)言的新方法
擅長(zhǎng)符號(hào)數(shù)學(xué)的人經(jīng)常依靠一種直覺。他們對(duì)給定問題的解決方案應(yīng)該是什么有一種感覺，例如觀察被積分函數(shù)中是否存在余弦，這意味著其積分可能存在正弦，然后進(jìn)行必...
2020-04-17 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí) 2.3k 0
深度學(xué)習(xí)走進(jìn)了一個(gè)死胡同？
雖然深度學(xué)習(xí)優(yōu)于其他技術(shù)，但它不是通用的，經(jīng)過數(shù)年的發(fā)展，它的瓶頸已經(jīng)凸顯出來。
2020-05-01 標(biāo)簽：人工智能深度學(xué)習(xí) 765 0
深度學(xué)習(xí)怎么實(shí)現(xiàn)圖像到圖像的翻譯
圖像到圖像的翻譯是一類視覺和圖形問題，其目標(biāo)是學(xué)習(xí)輸入圖像和輸出圖像之間的映射。 它可以應(yīng)用到廣泛的應(yīng)用程序中，例如收集樣式轉(zhuǎn)移，對(duì)象變形，季節(jié)轉(zhuǎn)移和照片增強(qiáng)。
2020-05-04 標(biāo)簽：深度學(xué)習(xí) 4.9k 0
AI 深度學(xué)習(xí) 機(jī)器學(xué)習(xí)和NLP四種先進(jìn)技術(shù)的不同
隨著人類技術(shù)的不斷發(fā)展，人工智能，深度學(xué)習(xí)，機(jī)器學(xué)習(xí)和NLP都是受歡迎的搜索熱詞。
2020-05-03 標(biāo)簽：AI機(jī)器學(xué)習(xí)深度學(xué)習(xí) 3.6k 0
深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)和可視化學(xué)習(xí)
與其他機(jī)器學(xué)習(xí)技術(shù)相比，深度學(xué)習(xí)的主要優(yōu)勢(shì)在于它能夠自動(dòng)學(xué)習(xí)輸入數(shù)據(jù)的抽象表示。
2020-05-03 標(biāo)簽：深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò) 2.7k 0
2020年中國(guó)迎來深度學(xué)習(xí)框架集中爆發(fā)之年
從當(dāng)前人工智能技術(shù)在場(chǎng)景中應(yīng)用分析，人工智能應(yīng)用薄，算法能力與人工能力的差距大。對(duì)于很多企業(yè)來說，想要用人工智能解決當(dāng)下遇到的問題，但是本身沒有技術(shù)，需...
2020-04-16 標(biāo)簽：ai深度學(xué)習(xí) 3.9k 0
當(dāng)前隨著人工智能算法模型的復(fù)雜度和精度愈來愈高，互聯(lián)網(wǎng)和物聯(lián)網(wǎng)產(chǎn)生的數(shù)據(jù)呈幾何倍數(shù)增長(zhǎng)，在數(shù)據(jù)量和算法模型的雙層疊加下，人工智能對(duì)計(jì)算的需求越來越大。
2020-04-16 標(biāo)簽：算法人工智能深度學(xué)習(xí) 2.3k 0
人工智能/AI結(jié)合了機(jī)器學(xué)習(xí)和深度學(xué)習(xí)，具有很強(qiáng)的自主學(xué)習(xí)能力。
2020-04-16 標(biāo)簽：AI人工智能深度學(xué)習(xí) 1.5k 0
關(guān)于深度學(xué)習(xí)用于多模態(tài)語(yǔ)義學(xué)習(xí)的簡(jiǎn)述
互聯(lián)網(wǎng)用戶所創(chuàng)造的“內(nèi)容”正在迅猛增長(zhǎng)，從不同渠道涌現(xiàn)的文本、圖像和視頻等不同類型的媒體數(shù)據(jù)以及用戶信息更加緊密混合。
2020-04-15 標(biāo)簽：互聯(lián)網(wǎng)深度學(xué)習(xí) 3.5k 0
深度學(xué)習(xí)和機(jī)器學(xué)習(xí)有何區(qū)別？
假設(shè)我們有一個(gè)輸入，設(shè)計(jì)了一個(gè)模型（有N個(gè)層次），通過訓(xùn)練模型，使得輸出仍然是輸入，即Input=Output，那么就可以自動(dòng)獲取輸入的一系列層次特征了。
2020-04-15 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)深度學(xué)習(xí) 5.4k 0
深度學(xué)習(xí)技術(shù)在條紋投影三維成像中的技術(shù)應(yīng)用
人類所處的物理世界空間是三維的，對(duì)三維信息的獲取和處理技術(shù)體現(xiàn)了人類對(duì)客觀世界的把握能力，因而從某種程度上來說它是體現(xiàn)人類智慧的一個(gè)重要標(biāo)志。
2020-04-15 標(biāo)簽：三維成像深度學(xué)習(xí) 5.3k 0
人工智能通常與數(shù)據(jù)相關(guān)聯(lián)。不太為人所知的是它藝術(shù)的一面——譜曲、將涂鴉轉(zhuǎn)化為照片式大作，還可以跳舞。
2020-05-01 標(biāo)簽：人工智能深度學(xué)習(xí) 615 0
世界四大前沿新科技，將顛覆我們對(duì)世界的認(rèn)知
隨著現(xiàn)在科技的不斷發(fā)現(xiàn)，越來越多的科學(xué)技術(shù)在不斷的變化當(dāng)中，人類的探索腳步從來沒有停歇過，對(duì)于未來的很多科技人們也對(duì)其充滿著很多的向往，很多新奇的科技成...
2020-04-14 標(biāo)簽：量子計(jì)算機(jī)深度學(xué)習(xí) 6.2k 0
毫無疑問，當(dāng)今最大的流行詞是人工智能或人工智能。包括Gartner，McKinsey和PWC在內(nèi)的大多數(shù)著名研究組織都以驚人的統(tǒng)計(jì)數(shù)據(jù)和未來預(yù)測(cè)來榮耀A...
2020-05-03 標(biāo)簽：AI深度學(xué)習(xí) 6.2k 0
換一批
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 | 無人機(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 |
關(guān)注我們的微信
下載發(fā)燒友APP
機(jī)器人發(fā)燒友
