卷积神经网络
来源:互联网 发布:乐视有没有mac 编辑:程序博客网 时间:2024/06/10 06:06
阅读网页发现,要学习深度学习,应该首先对卷积神经网络(Convolutional Neural Networks,简称CNN)开始,卷积神经网络由Yann LeCun提出,LeCun在2013年底加入Facebook负责新成立的人工智能实验室。
下面给出一些关于CNN的较好(也就是对初学者较易理解)的博文等资料
(1)卷积神经网络
该博文中有对CNN的三点个人认识,还不错,列举如下:
先明确一点就是,Deep Learning是全部深度学习算法的总称,CNN是深度学习算法在图像处理领域的一个应用。
第一点,在学习Deep learning和CNN之前,总以为它们是很了不得的知识,总以为它们能解决很多问题,学习了之后,才知道它们不过与其他机器学习算法如svm等相似,仍然可以把它当做一个分类器,仍然可以像使用一个黑盒子那样使用它。
第二点,Deep Learning强大的地方就是可以利用网络中间某一层的输出当做是数据的另一种表达,从而可以将其认为是经过网络学习到的特征。基于该特征,可以进行进一步的相似度比较等。
第三点,Deep Learning算法能够有效的关键其实是大规模的数据,这一点原因在于每个DL都有众多的参数,少量数据无法将参数训练充分。
0 0
- 卷积神经网络
- 卷积神经网络
- 卷积神经网络
- 卷积神经网络
- 卷积神经网络
- 卷积神经网络
- 卷积神经网络
- 卷积神经网络
- 卷积神经网络
- 卷积神经网络
- 卷积神经网络
- 卷积神经网络
- 卷积神经网络
- 卷积神经网络
- 卷积神经网络
- 卷积神经网络
- 卷积神经网络
- 卷积神经网络
- mybatis测试类
- Coursera《machine learning》--(2)单变量线性回归(Linear Regression with One Variable)
- 应该如何入门deep learning呢?从UFLDL开始!
- (转载)深度学习三十年创新路
- Coursera《machine learning》--(8)神经网络表述
- 卷积神经网络
- (转载)卷积神经网络
- 机器学习、深度学习的相关资料
- (转载)KL距离,Kullback-Leibler Divergence
- CCM - 极致发挥STM32F4性能的利器
- (转载)图像处理(卷积)
- Oracle:使用过程中的问题集锦
- (转载)Convolutional Neural Networks卷积神经网络
- RK3288的gpio设置