在阅读了一些理论之后，我对以下术语感到有点困惑：深层神经网络前馈神经网络卷积神经网络深层信念网络..。然而，维基百科现在也让我很难区分所有的术语，它说：“深层神经网络、深层信念
浏览 0提问于2019-07-15得票数 3
回答已采纳
1回答
我们使用卷积神经网络。
由链接拍摄：
..。沿深度轴的连接范围总是等于输入卷的深度。在处理空间维度(宽度和高度)和深度维度时，必须再次强调这种不对称:连接在空间上是局部的(沿宽度和高度)，但总是沿输入体的整个深度填充
浏览 1提问于2017-05-29得票数 1
回答已采纳
1回答
卷积中的反向传播
、、、
我在理解反向传播是如何在卷积层中工作时遇到了一些困难。实际上，在计算隐藏层中的误差后，我们可以在误差图像中表示它。但是在那之后，我如何更新内核呢？
浏览 0提问于2015-05-05得票数 1
参考如下：https://github.com/kipr/opencv/blob/master/samples/cpp/matching_至_许多_images.cpp)是否有类似的服务可以作为服务？
浏览 0提问于2017-10-24得票数 1
回答已采纳
1回答
最近的论文密集连接卷积网络表明，他们的DenseNet深度学习体系结构优于最先进的ResNet体系结构。对于类似的架构，是否有类似的论文/存储库，但没有卷积(RNN/只是密集)？
浏览 18提问于2016-09-05得票数 2
我目前正在研究一项语音识别任务，将深入学习应用于标准声学模型(gmm-hmm)。如果是这样的话，它会不会明智地导致一些问题，当我在CNN上做的时候，是否通过在谱图的更大部分上进行模式识别来解决上下文依赖，这取决于上下文窗口的大小，但是引入RNN，CNN在当时只需要对一个帧进行分析(我认为它甚至可以得到
浏览 0提问于2017-07-06得票数 2
回答已采纳
我正在为Toxici评论分类Kaggle竞赛撰写一份大学报告，比较不同模型的不同尝试，我想知道卷积神经网络是否是一个模型，多输出层模型。另一方面，CNN是几层具有非线性激活函数(如ReLU或tanh )的卷积。它使用输入层上的卷积来计算输出，而不是完全连接的层或仿射层。
浏览 0提问于2018-03-12得票数 0
1回答
组合卷积运算
、、
读到关于1x1卷积的一篇文章，我发现了这个：
应该注意的是，两步卷积运算总是可以合并成一个，但在这种情况下，GoogLeNet和大多数其他深度学习网络中，卷积是非线性激活的，因此卷积不再是线性算子，不能组合他们说“两步卷积操作总是可以结合在一起”是什么意思？
浏览 0提问于2020-04-05得票数 0
回答已采纳
1回答
SqueezeNet使用1x1卷积。我试图在这个简单的例子中理解它:如果输入是一个MNIST数字，即形状1x28x28x1 (我使用批处理x高度x宽度x通道)。注意:我已经读过1x1卷积与完全连接的层是如何相同的？和1x1卷积。数学是怎么工作的？了，但这里略有不同。
浏览 0提问于2018-11-23得票数 3
2回答
当预训练深度学习模型(假设是深度卷积神经网络)以实现良好的权重初始化时，我是使用整个训练集而不进行验证(以避免信息泄漏)，还是只使用训练集的子集？
浏览 24提问于2020-07-07得票数 0
回答已采纳
2回答
然而，使用卷积神经网络也是有意义的，因为某种类型的滤波通常是一种非常有用的EEG方法，很可能考虑的时间应该是局部的，而不是作为一个整体来分析。
有什么好办法把这两种方法结合起来吗？为我的问题探索神经网络的两个主要好处似乎是无监督的方面，以及微调(例如，创建一个关于人口数据的网络，然后对一个人进行微调)。例如，我是否应该考虑一些其他的架构，比如一个深层次的信仰网络？
浏览 0提问于2017-03-21得票数 12
回答已采纳
1回答
我是一个学习机器的新生。我只想问一种改进方法(例如，朴素贝叶斯)的可能方法是什么，以获得更好的结果，将图像分类为文本或非文本图像，而不是仅仅输入x个图像，告诉系统哪些有文本，哪些没有？
浏览 6提问于2015-05-02得票数 1
回答已采纳
2回答
我试着训练一个分类器来识别我自己的签名。我就是这样造分类器的在一张纸上签名了50次，然后用它创建了50幅图像。我是怎么做功能工程的？img = cv2.imread(image,0)步骤2:执行自适应阈值，然后进行形态学开放以降低图像中的噪声。
edges = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_G
浏览 0提问于2018-12-03得票数 1
回答已采纳
2回答
我读过关于时间延迟神经网络(TDNN)的文章，我不确定我是否理解它。据我所知，tdnn的工作原理就像一维卷积神经网络(CNN)。
如果这些体系结构存在的话，它们之间有什么区别？
浏览 0提问于2021-01-20得票数 1
回答已采纳
这些类型是神经网络中的操作类型，例如卷积、深度或MaxPool。例如。只有卷积或深度卷积有一种叫做filter()的方法。
浏览 6提问于2022-02-11得票数 0
回答已采纳
1回答
我们知道批量归一化(BN)加速了深度神经网络的训练。但它对小型神经网络也有帮助吗？我一直在试验6层卷积-MLP网络，我看不到训练这个网络对BN有任何好处。
浏览 17提问于2021-06-14得票数 1
我目前正在建立一个CLDNN (卷积，LSTM，深度神经网络)的原始信号分类模型。我的问题也适用于多模型堆叠的其他网络。如果我的网络结构为我必须在每一层之后放一个下拉，还是只在输出之前放一个？输入->卷积->丢包-> LSTM ->退出-> DNN ->退出->输出输入-&
浏览 4提问于2017-01-20得票数 1
回答已采纳
我正在重新实现，但是我发现深度卷积并不比conv2d快(我还没有包括1×1的点卷积)。
浏览 2提问于2020-08-10得票数 2
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
