- 卷积神经网络 卷积神经网络
- “迁移学习(Transfer Learning)核心技术开发与应用研修班”根据《guowuyua关于推行终身职业技能培训制度的意见》提出的“紧跟新技术、新职业发展变化，建立职业分类动态调整机制，加快职业标准开发工作”要求，中国管理科学研究院现代教育研究所联合龙腾亚太举办“迁移学习核心技术开发与应用研修班”。时间：2022年08月19日 — 2022年08月22日 线上（19日下发上课所需... “迁移学习(Transfer Learning)核心技术开发与应用研修班”根据《guowuyua关于推行终身职业技能培训制度的意见》提出的“紧跟新技术、新职业发展变化，建立职业分类动态调整机制，加快职业标准开发工作”要求，中国管理科学研究院现代教育研究所联合龙腾亚太举办“迁移学习核心技术开发与应用研修班”。时间：2022年08月19日 — 2022年08月22日 线上（19日下发上课所需...
- Author：AXYZdong李宏毅《机器学习》系列参考视频地址：https://www.bilibili.com/video/BV1Ht411g7Ef参考文档：DataWhale文档 六个Task李宏毅 机器学习 丨1. Introduction of this course（机器学习介绍）李宏毅 机器学习 丨2. Regression（回归）李宏毅 机器学习 丨3. Gradient D... Author：AXYZdong李宏毅《机器学习》系列参考视频地址：https://www.bilibili.com/video/BV1Ht411g7Ef参考文档：DataWhale文档 六个Task李宏毅 机器学习 丨1. Introduction of this course（机器学习介绍）李宏毅 机器学习 丨2. Regression（回归）李宏毅 机器学习 丨3. Gradient D...
- 1. 计算机视觉简介近年来，计算机视觉已成为创新的关键领域，越来越多的应用程序重塑了人们的生活方式，从美颜相机到以图搜图，计算机视觉的快速发展已经为人们带来了愈加便捷的工作与娱乐形式。很难完整的定义计算机视觉这一概念，因为它涉及到多个学科，例如计算机科学、物理学、数学以及生物学等。但是，我们可以说计算机视觉的核心是从数字图像中自动提取信息。在人类的视觉系统中，眼睛可以不断捕捉到视觉刺激，立即... 1. 计算机视觉简介近年来，计算机视觉已成为创新的关键领域，越来越多的应用程序重塑了人们的生活方式，从美颜相机到以图搜图，计算机视觉的快速发展已经为人们带来了愈加便捷的工作与娱乐形式。很难完整的定义计算机视觉这一概念，因为它涉及到多个学科，例如计算机科学、物理学、数学以及生物学等。但是，我们可以说计算机视觉的核心是从数字图像中自动提取信息。在人类的视觉系统中，眼睛可以不断捕捉到视觉刺激，立即...
- 1. 深度学习引言近年来，深度学习 (Deep Learning， DL) 在多个领域中都取得了突破性进展，尤其是在图像识别、目标检测以及自然语言处理等领域。深度学习的相关内容并非一篇或几篇博客能够详尽的介绍完整，本文的目的也并非介绍所有深度学习概念与模型。本文的主要目的是通过介绍深度学习存在的必要性以及相关概念，来快速入门深度学习，感受深度学习的强大魅力。在本文中，我们将学习经典神经网络架... 1. 深度学习引言近年来，深度学习 (Deep Learning， DL) 在多个领域中都取得了突破性进展，尤其是在图像识别、目标检测以及自然语言处理等领域。深度学习的相关内容并非一篇或几篇博客能够详尽的介绍完整，本文的目的也并非介绍所有深度学习概念与模型。本文的主要目的是通过介绍深度学习存在的必要性以及相关概念，来快速入门深度学习，感受深度学习的强大魅力。在本文中，我们将学习经典神经网络架...
- RNN是最强大的模型之一，它使我们能够开发如分类、序列数据标注、生成文本序列（例如预测下一输入词的SwiftKey keyboard应用程序），以及将一个序列转换为另一个序列（比如从法语翻译成英语的语言翻译）等应用程序。大多数模型架构（如前馈神经网络）都没有利用数据的序列特性。例如，我们需要数据呈现出向量中每个样例的特征，如表示句子、段落或文档的所有token。前馈网络的设计只是为了一次性地... RNN是最强大的模型之一，它使我们能够开发如分类、序列数据标注、生成文本序列（例如预测下一输入词的SwiftKey keyboard应用程序），以及将一个序列转换为另一个序列（比如从法语翻译成英语的语言翻译）等应用程序。大多数模型架构（如前馈神经网络）都没有利用数据的序列特性。例如，我们需要数据呈现出向量中每个样例的特征，如表示句子、段落或文档的所有token。前馈网络的设计只是为了一次性地...
- 构建简单的CNN模型识别cifar数据集。经过几天的简单学习，尝试写了一个简单的CNN模型通过cifar数据集进行训练。效果一般，测试集上的的表现并不好，说明模型的构建不怎么样。# -*- coding = utf-8 -*-# @Time : 2020/10/16 16:19# @Author : tcc# @File : cifar_test.py# @Software : pycha... 构建简单的CNN模型识别cifar数据集。经过几天的简单学习，尝试写了一个简单的CNN模型通过cifar数据集进行训练。效果一般，测试集上的的表现并不好，说明模型的构建不怎么样。# -*- coding = utf-8 -*-# @Time : 2020/10/16 16:19# @Author : tcc# @File : cifar_test.py# @Software : pycha...
- 目标检测的主要目的是在图像中快速精准地识别定位出预定义类别的目标。而随着深度学习技术的不断发展，检测算法在相应行业大、中目标已达到了不错的成效。鉴于小目标在图像中尺寸较小、特征不全、与图像中背景差异大等特点，基于深度学习的小目标检测算法性能仍需要进一步提升和优化；小目标检测在无人驾驶、医疗诊断、无人机导航等多个领域都有着广泛的需求，因此研究有着很高的应用价值。 目标检测的主要目的是在图像中快速精准地识别定位出预定义类别的目标。而随着深度学习技术的不断发展，检测算法在相应行业大、中目标已达到了不错的成效。鉴于小目标在图像中尺寸较小、特征不全、与图像中背景差异大等特点，基于深度学习的小目标检测算法性能仍需要进一步提升和优化；小目标检测在无人驾驶、医疗诊断、无人机导航等多个领域都有着广泛的需求，因此研究有着很高的应用价值。
- 伴随着城市化推进的不断加快,涌入了越来越多的城市人口,道路垃圾问题也变得愈发严重,同时,随着人民生活水平的提高,环境问题也越来越受到重视。道路垃圾作为城市垃圾的主要组成部分,严重影响到城市形象以及城市的长远性发展。 伴随着城市化推进的不断加快,涌入了越来越多的城市人口,道路垃圾问题也变得愈发严重,同时,随着人民生活水平的提高,环境问题也越来越受到重视。道路垃圾作为城市垃圾的主要组成部分,严重影响到城市形象以及城市的长远性发展。
- 针对水稻病害虫害检测精度低、速度慢、模型体量大、部署困难等问题，本研究提出了轻量化YOLOv4-GhostNet水稻病虫害识别方法：1）利用幻象模块代替普通卷积结构，替换主干特征提取网络CSPDarkNet53，构建GhostNet特征提取结构；2）改进YOLOv4网络的加强特征提取部分PANet结构；3）利用迁移学习与YOLOv4网络训练技巧；4）模型对水稻病虫害检测的平均精确度达到89.91% 针对水稻病害虫害检测精度低、速度慢、模型体量大、部署困难等问题，本研究提出了轻量化YOLOv4-GhostNet水稻病虫害识别方法：1）利用幻象模块代替普通卷积结构，替换主干特征提取网络CSPDarkNet53，构建GhostNet特征提取结构；2）改进YOLOv4网络的加强特征提取部分PANet结构；3）利用迁移学习与YOLOv4网络训练技巧；4）模型对水稻病虫害检测的平均精确度达到89.91%
- 从软件实现的角度研究了多元线性回归、k-近邻、k-means聚类、概率神经网络和自组织神经网的机器学习算法。对自组织网络输出节点分布进行了环形和球面扩展，避免了学习算法的邻域边界问题。对无监督聚类的自组织网络和k-means聚类方法进行改进，使其具有决策功能。为了对数据体现的变量关系有初步了解，列举了一些实用的数据可视化方法。为多维特征参数机器学习软件系统的实现及应用奠定了基础。 从软件实现的角度研究了多元线性回归、k-近邻、k-means聚类、概率神经网络和自组织神经网的机器学习算法。对自组织网络输出节点分布进行了环形和球面扩展，避免了学习算法的邻域边界问题。对无监督聚类的自组织网络和k-means聚类方法进行改进，使其具有决策功能。为了对数据体现的变量关系有初步了解，列举了一些实用的数据可视化方法。为多维特征参数机器学习软件系统的实现及应用奠定了基础。
- Kohonen自组织特征映射神经网络，按照输出节点的分布可分为直线型、环型、平面型和球面型。网络的学习结果使得相似的输入向量的响应节点在拓扑空间上也接近。在对网络的训练过程中随着时间的推移响应节点的邻域逐渐缩小，学习率也逐步减小，使得权重逐步趋于稳定。如果网络的输出节点分布在圆环或球面上，响应节点的邻域就不存在边界。网络的相似相近特性可对输入向量排序。 Kohonen自组织特征映射神经网络，按照输出节点的分布可分为直线型、环型、平面型和球面型。网络的学习结果使得相似的输入向量的响应节点在拓扑空间上也接近。在对网络的训练过程中随着时间的推移响应节点的邻域逐渐缩小，学习率也逐步减小，使得权重逐步趋于稳定。如果网络的输出节点分布在圆环或球面上，响应节点的邻域就不存在边界。网络的相似相近特性可对输入向量排序。
- 支持向量机实例 1.线性核函数 2.多项式核函数 3.RBF高斯核函数 4.sigmoid核函数 代码： 结果： 支持向量机实例 1.线性核函数def test_SVC_linear(): ''' 测试 SVC 的用法。这里使用的是最简单的线性核 :param data: 可变参数。它是一个元组，这里要求其元素依次为训练样本集、测试样本集、训练样本的标记、测试样本的标记... 支持向量机实例 1.线性核函数 2.多项式核函数 3.RBF高斯核函数 4.sigmoid核函数 代码： 结果： 支持向量机实例 1.线性核函数def test_SVC_linear(): ''' 测试 SVC 的用法。这里使用的是最简单的线性核 :param data: 可变参数。它是一个元组，这里要求其元素依次为训练样本集、测试样本集、训练样本的标记、测试样本的标记...
- 文章目录0 简介1 背景意义2 数据集3 数据探索4 数据增广(数据集补充)5 垃圾图像分类5.1 迁移学习5.1.1 什么是迁移学习？5.1.2 为什么要迁移学习？5.2 模型选择5.3 训练环境5.3.1 硬件配置5.3.2 软件配置5.4 训练过程5.5 模型分类效果(PC端)6 构建垃圾分类小程序6.1 小程序功能6.2 分类测试6.3 垃圾分类小提示6.4 答题模块7 关键代码8 ... 文章目录0 简介1 背景意义2 数据集3 数据探索4 数据增广(数据集补充)5 垃圾图像分类5.1 迁移学习5.1.1 什么是迁移学习？5.1.2 为什么要迁移学习？5.2 模型选择5.3 训练环境5.3.1 硬件配置5.3.2 软件配置5.4 训练过程5.5 模型分类效果(PC端)6 构建垃圾分类小程序6.1 小程序功能6.2 分类测试6.3 垃圾分类小提示6.4 答题模块7 关键代码8 ...
- RSNNS包 RBF神经网络 RSNNS包 RBF神经网络
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