在阅读了一些理论之后，我对以下术语感到有点困惑：
深度学习
深层神经网络
人工神经网络
前馈神经网络
因此，在我看来，似乎很清楚的是，深层神经网络是具有多层(通常超过一个隐藏层)的人工神经网络。然而，我读过几次这样的话：
深层神经网络是一种具有多层结构的前馈神经网络。
我知道前馈神经网络是什么，但据我所知，深神经网络是指在输入和输出层之间有多个层次的所有人工神经网络？例如，难道不应该有深层递归神经网络吗？深层神经网络必须前馈神经网络是正确的吗？这将反过来意味着深递归神经网络不能被称为深神经网络。
此外，我看到有各种各样的深度学习架构，例如：
卷积神经网络
残差神经网络
深层信念网络
深玻耳兹曼
浏览 0提问于2019-07-15得票数 3
回答已采纳
在维基百科和deeplearning4j中都有这样的说法:深度学习神经网络是一种隐层大于1的神经网络.
对于我来说，这类NN在大学里是标准的，而DLNN现在非常夸张。去过那里，做过那件事-有什么大不了的？
我还听说堆叠的神经网络被认为是深度学习。深度学习是如何定义的？
我的神经网络的背景大多来自大学，而不是工作：
神经网络在工业中的应用研究
有5门关于artif的课程。情报。&马赫。学习。-也许其中有两个在NN上
用于小而简单的图像识别项目中使用的三层前馈神经网络。
没有对它们进行真正的研究(如博士论文)。
浏览 0提问于2016-10-04得票数 14
回答已采纳
什么时候将神经网络定义为深度神经网络(DNN)而不是神经网络？
据我所知，DNN是具有多层的神经网络，简单的神经网络通常有较少的层数。但又有多少人呢？还是有其他的定义？
使用Tensorflow、Caffee这样的培训网络是什么？据我所知，我还没有看到任何人手动设计一个包含许多层的网络。他们似乎推广了创建DNN的工具，但是如果您只创建一个包含两个层的网络，那么DNN实际上是DNN吗？
浏览 0提问于2016-12-28得票数 8
回答已采纳
1回答
我是深度学习的新手(特别是deeplearning4j)，并且正在尝试这些示例。特别是，我想知道在下面的CSV示例中使用了哪种类型的神经网络。这是一个深度学习神经网络，还是仅仅是“常规神经网络”。我确实理解普通神经网络和深度学习神经网络的不同之处在于，DL算法处理“消失梯度”问题，而普通神经网络不能。我的感觉是以下是常规神经网络，但我想确认一下。
MultiLayerConfiguration conf = new NeuralNetConfiguration.Builder()
.seed(seed)
.iterations(iterations)
浏览 10提问于2017-01-27得票数 0
回答已采纳
很少有疑问与h2o.deeplearning有关：
它是深神经网络还是深信念神经网络(它使用受限的Boltzman机器- RBM)？
在H2o的文献中，discussed.They没有使用SGD随机下降(这是正常神经网络使用的)。
如果我们不使用自动编码器和RBM，那么我们是否可以称之为深度信念神经网络。
H2o确实非常有趣，但由于这些疑问，使用它将非常困难。
浏览 1提问于2015-11-14得票数 2
1回答
前馈神经网络是属于深神经网络还是人工神经网络？
我怀疑是把我的帧工作称为深神经网络还是人工神经网络。
浏览 5提问于2022-02-04得票数 -1
1回答
用神经网络估计静止图像或视频流中的距离可行吗？
我有一个激光测距仪，提供视频输出以及距离测量。然而，距离测量需要将激光照射到环境中，这并不总是理想的或允许的。我想有一个选择，把这个转变为“被动”模式，图像被输入到一个神经网络，然后提供一个距离估计，而不需要激活激光。网络最初将在主动模式下接受来自游侠查找器的image+distance对的训练。
我不是神经网络方面的专家，虽然Google发现神经网络在图像分类和姿态估计方面有很多用途，但我找不到任何现有的距离估计技术。这看起来可行吗，还是我在浪费时间？一个基本的前馈网络，每N像素一个输入就足够了，还是我需要一个不同的架构？
浏览 3提问于2016-04-03得票数 5
回答已采纳
我正试图理解Scikit MLPClassifier和Tensorflow DNNClassifier在分类任务上的区别，并希望一些专家能够分享一些信息。据我所知，它们都支持反向传播、激活函数(包括relu)、optmizer (sgd/adam)。MLPClassifier还可以通过指定隐藏层和节点的#来建立深度神经网络。我看到的两种不同之处是，DNNClassifier支持GPU培训，而MLPClassifer不支持。除了GPU支持之外，它们之间还有其他区别吗？为什么要使用Tensorflow的DNNClassifier进行基本的深层神经网络训练(我这里说的是基本的神经网络，而不是CNN、
浏览 0提问于2017-11-01得票数 2
1回答
我正在尝试理解2D卷积神经网络和2D深度卷积神经网络在计算方面的异同。(我理解这些概念)。
例如，假设有一个3x3的输入图像，具有3个通道(RGB)，填充为1，步长为1。滤波器为2x2。
输出是什么？(可以忽略激活和偏差)
我知道普通的conv2D会有13x3的输出，而dw conv2D会有3。除此之外，我有点困惑。谢谢
浏览 0提问于2019-06-10得票数 4
1回答
仅用CPU训练神经网络
、、、
我正在远程服务器上的虚拟机上工作，我想在它上训练一个神经网络，但是我在这个VM中没有GPU。是否可以仅使用CPU在此VM上训练网络？如果是这样的话，它是否适用于大型数据集，还是会成为一个问题？
浏览 1提问于2019-02-27得票数 0
当然，我正在研究R中的神经网络，我曾经用python中的Keras编写这种程序，所以我希望能够为不同的层设置不同的激活函数。
让我解释一下。假设我想要建立一个有两个隐藏层的神经网络(比如5和4个神经元)，输出在-1到1之间。
我想在隐藏层中设置RELU或softplus，在输出层设置tanh。
这里的问题是，神经网络包允许我通过参数act.fun只选择一个激活函数。
> nn <- neuralnet(data = data, hidden = c(5, 4), act.fun =tanh)
我尝试将act.fun参数设置为c(softplus，softplus，tanh)，但我当
浏览 1提问于2019-06-30得票数 0
我看到在R中有四个神经网络包：
neural
neuralnet
nnet
RSNNS
H2O
它们之间的优缺点是什么？
正如我所发现的，NeuralNetTools只提供额外的工具。
浏览 0提问于2015-12-21得票数 4
3回答
在ImageNet ClassifiNeural with Deep Convolutional Neural等论文中
训练方法似乎是随机梯度下降的基本反向传播。
尽管CNN是深度神经网络的一部分，但这纯粹是因为存在大量的隐藏层吗？这是否意味着这里的后盾属于深度学习类别，因为网络是深度的，即使它不遵循与使用贪婪层明智训练(一种真正的深度学习技术)的DBN相同的模式？
谢谢你的帮助和建议。
浏览 2提问于2014-04-19得票数 4
1回答
我有一个灰度图像数据集，我想将其输入到神经网络中。
x_train_grey.shape是(32, 32, 73257)，所以我理解它是(dimension_x, dimension_y, batch_size)。因为图像是灰度的，所以只有一个“深度”维度。
然而，为了将这些数据提供给神经网络，它需要具有这样的形状：(batch_size, dimension_x, dimension_y)。以batch_szie开头。如何将其重塑为这种格式，以便batch_szie位于x，y图像维度之前？
一旦完成，我希望能够将其传递给神经网络(第一层是Flatten())，比如：Flatten(input
浏览 4提问于2021-11-24得票数 0
1回答
神经网络在x轴上不对称是很常见的现象，即前几层比后几层有更多的核子。常见例子：
📷
但是，神经网络的结构是否能够使它们在y轴上不对称，也就是说，网络的某些部分比其他部分“更深”呢？
这方面可能有用的一个例子是，一个问题涉及一些简单的特征(只需要少量的层)和一些更复杂的特征(这些特征可能会从拥有更多的层而大大受益-即更大的“深度”)。
浏览 0提问于2020-07-11得票数 1
5回答
我一直在使用这个库进行基本神经网络的构建和分析。
然而，它不支持建立多层神经网络等.
所以，我想知道在朱莉娅做高级神经网络和深度学习方面有哪些很好的图书馆。
浏览 0提问于2015-11-19得票数 13
回答已采纳
我理解深高斯过程( DGPs )和贝叶斯深度学习( BDL )之间的区别:DGPs本质上是前馈神经网络，其中每个节点都是高斯过程，BDL对正常(可能是卷积的)神经网络的参数有一个先验的信念。
但这两种模式之间的权衡和关系是什么呢？
浏览 0提问于2019-11-20得票数 2
我正在寻找一个很好的最小数值例子来教我们如何解决一个神经网络。基本上，我们的想法是用“笔和纸”来观察隐藏层(即重量)是如何工作的。
回到Uni，我在3x3矩阵上为OLS回归做了类似的事情。
有人知道神经网络的一个好的来源/例子吗？
浏览 0提问于2019-07-18得票数 0
9回答
我是一名大一本科生(提到这一点，所以你可以原谅我的不熟悉)，他目前正在使用神经网络进行研究。我在我教授的指导下编写了一个三节点的神经网络。然而，我想在人工智能和数据科学的职业生涯，我想教自己更多关于这些适当的深入。有什么书或资源可以教我更多关于神经网络结构、深度学习等的知识吗？有什么建议吗？
注意:我精通Java、Python、Bash、JavaScript、Matlab，并对C++有一点了解。
浏览 0提问于2018-12-26得票数 21
回答已采纳
2回答
我正在做一个项目，我必须用深层神经网络来构建一个分类器，我将处理大数据。我熟悉神经网络，但不是专家。显然，我可以在网上找到大量关于深度学习的文献，但大部分都是与convnets相关的。对于基于DNN的分类器，有什么很好的研究论文吗?还是我应该堆更多的层？我想了解一下建筑和培训过程。使用深度神经网络是强制性的，即使精度很低，但如果能成功的话，那就太好了。
浏览 0提问于2018-02-12得票数 2
回答已采纳
2回答
我一直在使用matlab上的神经网络，但无法找到一个允许神经网络多个隐藏层的包。建议使用“`nnet”包，但它只允许一个对我没有用处的层网络。
还有其他能像matlab那样训练复杂神经网络的软件包吗？
(如果存在，则可能应该更新CRAN页面。对如何做到这一点有什么想法吗？)
浏览 4提问于2014-06-04得票数 4
5回答
多层感知器神经网络中隐藏层的数量对神经网络的行为方式有什么影响？隐藏层中的节点数也有同样的问题吗？
假设我想使用神经网络进行手写字符识别。在本例中，我将像素颜色强度值作为输入节点，将字符类作为输出节点。
如何选择隐藏层和节点的数量来解决这样的问题？
浏览 1提问于2012-02-25得票数 33
1回答
目前我正在学习神经网络。我尝试使用不同的模型来识别人，并遇到了一个非常有趣的问题。我使用了yolo v3，掩码r-cnn，但从间接角度拍摄的照片中的所有人都忽略了照片中的人。现有的模型中哪一个是最准确和有效的？
浏览 2提问于2019-09-11得票数 0
4回答
是否有在结构化数据中执行聚类的深度学习文献/参考资料？我知道这可以使用Kmeans，GMM等来完成，但是有没有可能使用深度神经网络等来完成聚类分析呢？谢谢。
浏览 0提问于2019-02-01得票数 0
我正在考虑构建一个卷积神经网络作为跟踪系统应用程序，我感觉所有的深度网络应用程序都需要使用GPU。有必要在像我这样的任务中使用GPU吗？我的笔记本电脑对PC的最低要求是什么？
浏览 0提问于2015-12-04得票数 3
1回答
有没有什么基准可以用来检查ANN的实现是否正确？
我想要一些输入和输出数据，以及一些信息，比如：
三层前向神经网络的输出在90%的测试数据中应该是正确的。
我需要这些信息来确保这种人工神经网络能够处理这样的问题。
浏览 2提问于2010-03-02得票数 5
回答已采纳
深度学习的h2o实现与tensorflow或theano有何不同。展示了h2o中的tensorflow实现。
当h2o本身可以为神经网络的梯度下降问题找到最小值时，tensorflow在h2o中的用途是什么？
浏览 14提问于2017-07-14得票数 0
我想知道是否有一种方法将构建在python中的深层神经网络连接起来，并在MATLAB代码中使用它？例如，假设我在python中构建了一个作为函数的深度神经网络，所以我需要在MATLAB代码中调用它作为函数，以便与MATLAB一起使用。这有可能吗？如果是这样，任何人都可以为我提供指导或步骤。
谢谢
浏览 0提问于2019-08-24得票数 0
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
5回答
你能简单地解释一下和传统机器学习之间的区别吗？要使一个神经网络变得“深”需要多少个层次？这都是市场炒作吗？
浏览 14提问于2016-04-12得票数 7
回答已采纳
2回答
在标准的食谱机器学习中，我们在一个矩形矩阵上操作；也就是说，我们所有的数据点都具有相同数量的特征。我们如何处理所有数据点都具有不同数量的特征的情况？例如，如果我们想做视觉分类但我们所有的图片都有不同的维度，或者如果我们想做情感分析但我们所有的句子都有不同的词量，或者如果我们想做恒星分类但所有的星星都被观察了不同的次数，等等。
我认为正常的方法是从这些不规则大小的数据中提取规则大小的特征。但我最近参加了一个关于深度学习的演讲，演讲者强调，深度学习者能够自己学习适当的特征，而不是从数据中手工制作特征。但是，如果输入层不是固定大小的，我们如何使用神经网络？
浏览 3提问于2015-03-03得票数 7
1回答
我想画一个具有如下风格的神经网络架构。你知道哪种工具可以用来做这件事吗？论文是用户响应预测的操作感知神经网络。
📷
浏览 0提问于2019-11-15得票数 1
回答已采纳
使用神经网络进行语义图像分割和普通图像分割之间是否存在关键区别？非语义分割是某种类型的无监督像素聚类方法吗？
浏览 13提问于2017-12-21得票数 2
1回答
在被馈送到神经网络之前，有一些核应用于图像的特征extraction.But，我们如何理解特定的核将有助于提取神经网络所需的特征。
浏览 18提问于2019-03-16得票数 0
1回答
我正在研究如何使用tensorflow作为一个实验AI算法，使用动态神经网络分配系统来缩放(移除和添加)层和层的宽度。我们该怎么做呢？
后续是，如果我也想使网络分层，使它们收敛到两个值(分类器和估计它有多确定)。例如，如果有一个巨大的差异，没有解释的神经网络，它可能给出0,4的1作为分类器，但也是一个“确定”的值，表明神经网络“感觉如何”的估计。与我们人类相比，我们可以掌握一个概念，也可以评价我们的自信程度。这一层次结构，我也希望是动态连接子网在一起，并断开，并将它们从系统中完全删除。
我的主要问题是:这是我应该在tensorflow做的一个实验吗？
我知道这不是一个真正的技术问题。但是我希望
浏览 0提问于2018-03-07得票数 0
回答已采纳
1回答
在迈克尔·尼尔森( Michael )的著作“深度学习和神经网络”( Deep and Networks )中，他使用了一种天真的方法来编写代码，这比用tensorflow编写的代码考虑得更多。
我想知道哪个代码更好，它如何更好？
浏览 0提问于2020-04-17得票数 0
2回答
当我开始使用人工神经网络(NN)时，我认为我必须与过度拟合作斗争，这是主要问题。但在实践中，我甚至不能让我的神经网络通过20%的错误率障碍。我连我在随机森林上的分数都打不了！
我正在寻求一些非常普遍或不那么普遍的建议，关于应该如何做才能使NN开始捕捉数据的趋势。
为了实现NN，我使用Theano叠加的自动编码器与教程中的代码一起工作(小于5%的错误率)对MNIST数据集进行分类。它是一个多层感知器，上面有softmax层，每个隐藏层后来都被预先训练为自动编码器(在教程，第8章中有详细描述)。有大约50个输入特性和10个输出类。神经网络具有乙状结肠神经元，所有数据都被归一化为0,1。我尝试了许多
浏览 0提问于2014-07-13得票数 59
回答已采纳
现在我正在研究一个深度学习问题。我正在尝试在matlab中使用卷积神经网络。但是文档上说，我们需要用于gpu计算的NVIDIA显卡。
我的笔记本电脑具有用于图形处理的英特尔核芯显卡2600。因此，有人可以建议我们在这种情况下运行深度学习算法和convnet算法的任何其他选择。
我可以在没有GPU计算的情况下运行这些算法吗?会有什么效果(在时间差方面)。
浏览 3提问于2016-06-13得票数 1
3回答
undefined被用于编写数值算法(如机器学习问题)的简单性和编译速度，但我想知道是否也可以使用它对神经网络进行更快的编码。
浏览 0提问于2020-06-01得票数 2
1回答
我正尝试在我的p3.16xlarge亚马逊EC2实例中运行卷积神经网络。我使用pip install安装了tensorflow和我的程序的所有其他必需库，但是，当我运行此程序时，收到错误消息：
"ImportError: libcublas.so.9.0:无法打开共享对象文件:没有此类文件或目录“”无法加载本机TensorFlow运行时。“
以下是我的实例详细信息:Python2.7.14(默认，2018年5月2日18:31:34) Amazon Linux AMI 2018.03.0.20180811 x86_64 HVM GP2
在研究这个问题时，我似乎需要CUDA 9.0，而大多
浏览 0提问于2018-10-29得票数 0
来自“医学图像计算的深度学习和卷积神经网络”一书
当我们了解到深度学习的研究现状时，我惊讶地发现，在过去的22、23中，其他研究者使用了卷积神经网络，这是一种深度学习。但最新的一批深度学习算法似乎有不同之处。他们经常使用GPU处理accelerate training by as much as a factor of 40-fold。它们还使用了多个卷积层和多个数据约简层。
40-fold的意思是“K折叠交叉验证”吗？
浏览 0提问于2019-07-16得票数 0
回答已采纳
1回答
基于2D信息的三维点云分割
、、、、
我有以下问题:我有一个神经网络来检测我在RGB图像上寻找的对象的边界框。神经网络返回检测到的对象的边界框的左下和右上坐标以及分割蒙版。我想使用此信息来区分使用pcl库在点云中检测到的对象。我写了以下代码，但是out_pointcloud的大小似乎是空的。
pcl::Vertices x_box_vertices;
x_box_vertices.vertices.push_back(x_bottom_left_vertice);
x_box_vertices.vertices.push_back(x_top_right_verti
浏览 6提问于2021-03-21得票数 0
我做了神经网络，它是pre-trained for 180 days of data.
It filters the fraud data of credit cards everyday and 1-days new data is comming in.
我还想在过滤之后，
我想重新训练我的人工智能模型，但我只想使用新的1天数据(因为训练神经网络真的很费时)。
我的人工智能模型是0(非欺诈)/1(欺诈)分类模型。我想用1/181改变我的神经网络.因为数据量只是一天
我该如何训练神经网络？如果我只使用了一天的数据，运行了许多时代(时间)，它将过度适合.通过早停，似乎一天的数据列车不是.足够.
浏览 0提问于2020-06-11得票数 1
回答已采纳
1回答
我正在为uni的一个自动驾驶小型汽车项目创建一个实时图像处理器，它使用树莓派来获得各种信息，以发送到程序，以此作为决策的基础。
我剩下的唯一阶段是创建一个神经网络，它将查看从相机显示的图像(我已经必须编码发送介于0-255之间的CV_32F值数组，等等)。
我一直在互联网上搜索，似乎找不到任何与我的特定问题或我的任务相关的示例代码(如何实现这种类型的神经网络)，所以我的问题是，是否有可能在c++中创建一个这种大小的NN而不进行硬编码(也就是利用openCv的功能)：它将需要每个值(从20x20图像) 400个输入节点，并分别产生4个左右fwd或向后的输出。
如何在opencv中创建神经网络？o
浏览 13提问于2017-02-27得票数 0
1回答
深层信念网络图书馆
、、、、
我正在寻找一个用于深层信念网络，一种形式的神经网络实验的库。
必须是开源的。(我需要能够检查它正在做什么，并可能定制它。)
最好不支持GPU。(因为这使得源代码变得复杂，难以阅读/编辑)
按优先顺序为C、C++、Fortran、Matlab、Python
浏览 0提问于2014-02-25得票数 4
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
实时音视频活动推荐
腾讯云开发者
