- 使用MLPclassification搭建神经网络分类模型，分析如下： （1）描述所使用的神经网络模型； （2）描述训练模型所使用的算法； （3）描述模型超参数（如神经网络模型结构对应的参数）确定的过程，分析模型训练结果，包括五次5折交叉验证及其结果、模型训练过程相应误差的变化情况等； （4）总结模型训练过程中的收获。 使用MLPclassification搭建神经网络分类模型，分析如下： （1）描述所使用的神经网络模型； （2）描述训练模型所使用的算法； （3）描述模型超参数（如神经网络模型结构对应的参数）确定的过程，分析模型训练结果，包括五次5折交叉验证及其结果、模型训练过程相应误差的变化情况等； （4）总结模型训练过程中的收获。
- 本文提出了一个概念简单但对卷积神经网络非常有效的注意力模块。相比于现有的通道注意力和空间注意力机制，本文直接在网络层中推理出三维的注意力权重而且不增加任何参数量。确切地来说，本文基于著名的神经科学理论提出了通过优化能量函数来查找每个神经元的重要性。 本文提出了一个概念简单但对卷积神经网络非常有效的注意力模块。相比于现有的通道注意力和空间注意力机制，本文直接在网络层中推理出三维的注意力权重而且不增加任何参数量。确切地来说，本文基于著名的神经科学理论提出了通过优化能量函数来查找每个神经元的重要性。
- DNN Neural network architecture对于一般的DNN在处理上下文时，想法一般是这样的。比如我们想提取具有上下文分别7帧共15帧的特征表达，我们一般会将这15帧的特征直接拼起来，形成一个15*F（F是我们每一帧的特征维度）的特征，然后去学习15*F的特征映射。而对于TDNN来说不是这样做的，假如我们最后仍然想获取时序上15帧上下文的特征表达。在TDNN的初始层中，会处... DNN Neural network architecture对于一般的DNN在处理上下文时，想法一般是这样的。比如我们想提取具有上下文分别7帧共15帧的特征表达，我们一般会将这15帧的特征直接拼起来，形成一个15*F（F是我们每一帧的特征维度）的特征，然后去学习15*F的特征映射。而对于TDNN来说不是这样做的，假如我们最后仍然想获取时序上15帧上下文的特征表达。在TDNN的初始层中，会处...
- 神经网络的学习笔记 一、神经网络概述神经网络是深度学习的重要的工具，其本身是机器学习的一个算法，主要用于解决复杂的AI问题，包括卷积神经网络（CNN），全连接神经网络（FNN），循环神经网络（RNN）等。神经网络算法复杂，涉及的原理较多也较难，包括参数的迭代更新，激活函数，损失函数，梯度消失，反向传播等，下面将列出个人对于这些知识点的见解，仅供参考，也欢迎大佬指正。 二、神经网络的工作流程神... 神经网络的学习笔记 一、神经网络概述神经网络是深度学习的重要的工具，其本身是机器学习的一个算法，主要用于解决复杂的AI问题，包括卷积神经网络（CNN），全连接神经网络（FNN），循环神经网络（RNN）等。神经网络算法复杂，涉及的原理较多也较难，包括参数的迭代更新，激活函数，损失函数，梯度消失，反向传播等，下面将列出个人对于这些知识点的见解，仅供参考，也欢迎大佬指正。 二、神经网络的工作流程神...
- Kaldi的nnet3网络结构。xconfig: 类似于keras，简洁的网络定义，xconfig覆盖了大部分常用的神经网络layerconfig: kaldi实际使用的config， 基于node定义网络结构，如果xconfig无法满足需求，可在config层实现。C++: 如果某些网络无法用config构建，或者想提高效率，则可以在C++层实现。(Kaldi本身的LSTM可以通过conf... Kaldi的nnet3网络结构。xconfig: 类似于keras，简洁的网络定义，xconfig覆盖了大部分常用的神经网络layerconfig: kaldi实际使用的config， 基于node定义网络结构，如果xconfig无法满足需求，可在config层实现。C++: 如果某些网络无法用config构建，或者想提高效率，则可以在C++层实现。(Kaldi本身的LSTM可以通过conf...
- 本文（Unsupervised Time Series Outlier Detection with Diversity-Driven Convolutional Ensembles）是由华为云数据库创新Lab联合丹麦Aalborg University与电子科技大学发表在顶会VLDB'22的文章。 本文（Unsupervised Time Series Outlier Detection with Diversity-Driven Convolutional Ensembles）是由华为云数据库创新Lab联合丹麦Aalborg University与电子科技大学发表在顶会VLDB'22的文章。
- 对于初学深度学习的人（就比如我）一定会对张量（Tensor）感到疑惑，因为自己经常见到它但就是不知道它的具体含义。在这篇文章我们就来看一下MindSpore中的Tensor，在此之前我们先来了解一下张量是什么。从神经网络来看，神经网络中的输入、输出和变换都是用张量表示的（张量是神经网络使用的主要数据结构）。从数学具体实例来看，张量可以是一个多维数组，就像这样：标量是0维张量向量是一维张量（一... 对于初学深度学习的人（就比如我）一定会对张量（Tensor）感到疑惑，因为自己经常见到它但就是不知道它的具体含义。在这篇文章我们就来看一下MindSpore中的Tensor，在此之前我们先来了解一下张量是什么。从神经网络来看，神经网络中的输入、输出和变换都是用张量表示的（张量是神经网络使用的主要数据结构）。从数学具体实例来看，张量可以是一个多维数组，就像这样：标量是0维张量向量是一维张量（一...
- 前言随着模型深度的不断加大，与输入图像轮廓特征有关的信息会逐层丢失。传统的语义分割模型在“编码”层和“解码”层之间通过直接相连的方式进行特征图和信息的传递。因此在“编码”阶段，特征图各个位置均以相同的感受野获取输入图像的信息。但是对于尺寸、体积大小不同的物体，感受野需求往往是不一样的。例如，汽车和房屋需要相对较大的感受野获取足够的语义信息完成物体的识别，而人以及其他小物体所需的感受野相对较... 前言随着模型深度的不断加大，与输入图像轮廓特征有关的信息会逐层丢失。传统的语义分割模型在“编码”层和“解码”层之间通过直接相连的方式进行特征图和信息的传递。因此在“编码”阶段，特征图各个位置均以相同的感受野获取输入图像的信息。但是对于尺寸、体积大小不同的物体，感受野需求往往是不一样的。例如，汽车和房屋需要相对较大的感受野获取足够的语义信息完成物体的识别，而人以及其他小物体所需的感受野相对较...
- 前言语义分割的本质是像素级别的物体分类任务，其基本结构可以被概括为编码器－解码器结构（Encoder-Decoder）。输入图像经过“编码”阶段提取出颜色、纹理、边缘等低级特征，再经过“解码”阶段将获取的低级特征信息进行加工获取富含语义信息和物体分类相关的高级特征信息，然后通过相关上采样技术将下采样后的特征图上采样回原始输入图像分辨率，最终经过分类层完成像素级别的物体分类任务。语义分割解... 前言语义分割的本质是像素级别的物体分类任务，其基本结构可以被概括为编码器－解码器结构（Encoder-Decoder）。输入图像经过“编码”阶段提取出颜色、纹理、边缘等低级特征，再经过“解码”阶段将获取的低级特征信息进行加工获取富含语义信息和物体分类相关的高级特征信息，然后通过相关上采样技术将下采样后的特征图上采样回原始输入图像分辨率，最终经过分类层完成像素级别的物体分类任务。语义分割解...
- 前言语义分割的本质是像素级别的物体分类任务，其基本结构可以被概括为编码器－解码器结构（Encoder-Decoder）。输入图像经过“编码”阶段提取出颜色、纹理、边缘等低级特征，再经过“解码”阶段将获取的低级特征信息进行加工获取富含语义信息和物体分类相关的高级特征信息，然后通过相关上采样技术将下采样后的特征图上采样回原始输入图像分辨率，最终经过分类层完成像素级别的物体分类任务。编码器技术编... 前言语义分割的本质是像素级别的物体分类任务，其基本结构可以被概括为编码器－解码器结构（Encoder-Decoder）。输入图像经过“编码”阶段提取出颜色、纹理、边缘等低级特征，再经过“解码”阶段将获取的低级特征信息进行加工获取富含语义信息和物体分类相关的高级特征信息，然后通过相关上采样技术将下采样后的特征图上采样回原始输入图像分辨率，最终经过分类层完成像素级别的物体分类任务。编码器技术编...
- 一、物联网简介物联网（Internet of Things）的概念最早于1999年被提出来，曾被称为继计算机、互联网之后，世界信息产业发展的第三次浪潮，到现在已经发展了20余年。如今，在日常生活中，我们已经可以接触到非常多的物联网产品，例如各种智能家电、智能门锁等，这些都是物联网技术比较成熟的应用。物联网最早的定义是：把所有物品通过射频识别等信息传感设备与互联网连接起来，实现智能化识别和管... 一、物联网简介物联网（Internet of Things）的概念最早于1999年被提出来，曾被称为继计算机、互联网之后，世界信息产业发展的第三次浪潮，到现在已经发展了20余年。如今，在日常生活中，我们已经可以接触到非常多的物联网产品，例如各种智能家电、智能门锁等，这些都是物联网技术比较成熟的应用。物联网最早的定义是：把所有物品通过射频识别等信息传感设备与互联网连接起来，实现智能化识别和管...
- 卷积神经网络概述 卷积神经网络概述
- 神经网络知识扫盲 神经网络知识扫盲
- ESPNet是一套基于E2E的开源工具包，可进行语音识别等任务。从另一个角度来说，ESPNet和HTK、Kaldi是一个性质的东西，都是开源的NLP工具；引用论文作者的话：ESPnet是基于一个基于Attention的编码器-解码器网络，另包含部分CTC组件；个人理解：在ESPNet出现之前，已经出现了CTC、Transformer等端到端ASR模型，ESPNet以这两种模型为核心，将这两个... ESPNet是一套基于E2E的开源工具包，可进行语音识别等任务。从另一个角度来说，ESPNet和HTK、Kaldi是一个性质的东西，都是开源的NLP工具；引用论文作者的话：ESPnet是基于一个基于Attention的编码器-解码器网络，另包含部分CTC组件；个人理解：在ESPNet出现之前，已经出现了CTC、Transformer等端到端ASR模型，ESPNet以这两种模型为核心，将这两个...
- Python OpenCV 365 天学习计划，与橡皮擦一起进入图像领域吧。本篇博客是这个系列的第 44 篇。 基础知识铺垫今天再去回顾 上一篇 写二值化操作的博客，内容还是稚嫩了一些，果然第一遍的学习只是掌握了一丢丢的皮毛，还有很多细节的知识点需要补充。 二值化学习迭代首先还是对 cv2.theshold 函数进行学习，函数原型与参数基础部分，翻阅上篇博客即可，重点补充如下内容。函数原型还... Python OpenCV 365 天学习计划，与橡皮擦一起进入图像领域吧。本篇博客是这个系列的第 44 篇。 基础知识铺垫今天再去回顾 上一篇 写二值化操作的博客，内容还是稚嫩了一些，果然第一遍的学习只是掌握了一丢丢的皮毛，还有很多细节的知识点需要补充。 二值化学习迭代首先还是对 cv2.theshold 函数进行学习，函数原型与参数基础部分，翻阅上篇博客即可，重点补充如下内容。函数原型还...
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
关于RISC-V生态发展的思考2025/09/02 周二 17:00-18:00
中国科学院计算技术研究所副所长包云岗教授
中科院包云岗老师将在本次直播中，探讨处理器生态的关键要素及其联系，分享过去几年推动RISC-V生态建设实践过程中的经验与教训。
回顾中 -
一键搞定华为云万级资源，3步轻松管理企业成本2025/09/09 周二 15:00-16:00
阿言 华为云交易产品经理
本直播重点介绍如何一键续费万级资源，3步轻松管理成本，帮助提升日常管理效率！
回顾中
热门标签