cnn

IT猿手21 小时前
网络·cnn·lstm
基于CNN-LSTM的深度Q网络(Deep Q-Network,DQN)求解移动机器人路径规划,MATLAB代码深度Q网络(DQN)是深度强化学习领域的里程碑算法,由DeepMind于2013年提出。它首次在 Atari 2600 游戏上实现了超越人类的表现,解决了传统Q学习在高维状态空间中的应用难题。DQN在机器人路径规划领域展现出巨大潜力,能够帮助机器人在复杂环境中找到最优路径。
卧式纯绿2 天前
人工智能·yolo·目标检测·计算机视觉·目标跟踪·cnn
每日文献(八)——Part one今天看的是《Recent Advances in Convolutional Neural Networks》。
小白的高手之路3 天前
人工智能·pytorch·python·深度学习·神经网络·机器学习·cnn
torch.nn.Conv2d介绍——Pytorch中的二维卷积层torch.nn.Conv2d是torch.nn模块中的二维卷积层类,用于构建神经网络中的二维卷积层。
机器鱼3 天前
深度学习·机器学习·cnn
1.2 基于卷积神经网络与SE注意力的轴承故障诊断本博客来源于CSDN机器鱼,未同意任何人转载。更多内容,欢迎点击本专栏,查看更多内容。目录0 引言1 卷积神经网络故障诊断模型
机器学习之心3 天前
matlab·回归·cnn·分位数回归·时间卷积神经网络·qrtcn·区间预测模型
区间预测 | QRTCN时间卷积神经网络分位数回归时间序列区间预测模型(Matlab完整源码和数据)区间预测 | QRTCN时间卷积神经网络分位数回归时间序列区间预测模型(Matlab完整源码和数据) 1.Matlab实现基于QRTCN时间卷积神经网络分位数回归时间序列区间预测模型; 2.多图输出、多指标输出(MAE、MAPE、RMSE、MSE、R2、区间覆盖率、区间平均宽度百分比),单变量时序预测,含不同置信区间图; 3.data为数据集,用过去一段时间的变量,预测下一时刻,适用于负荷预测、风速预测等;main为主程序,其余为函数文件,无需运行;代码质量高,注释清楚;
蓝博AI3 天前
pytorch·python·cnn
基于卷积神经网络的眼疾识别系统,resnet50,efficentnet(pytorch框架,python代码)更多图像分类、图像识别、目标检测、图像分割等项目可从主页查看功能演示:眼疾识别系统resnet50,efficentnet,卷积神经网络(pytorch框架,python代码)_哔哩哔哩_bilibili
小白的高手之路4 天前
人工智能·pytorch·python·深度学习·神经网络·cnn
常用的卷积神经网络及Pytorch示例实现以下是几种常用的 卷积神经网络(CNN) 架构及其 PyTorch 实现示例,涵盖经典模型和现代变体。这些模型在图像分类、目标检测等任务中表现卓越。
Francek Chen4 天前
人工智能·pytorch·深度学习·神经网络·cnn·resnet
【现代深度学习技术】现代卷积神经网络06:残差网络(ResNet)【作者主页】Francek Chen 【专栏介绍】 ⌈ ⌈ ⌈PyTorch深度学习 ⌋ ⌋ ⌋ 深度学习 (DL, Deep Learning) 特指基于深层神经网络模型和方法的机器学习。它是在统计机器学习、人工神经网络等算法模型基础上,结合当代大数据和大算力的发展而发展出来的。深度学习最重要的技术特征是具有自动提取特征的能力。神经网络算法、算力和数据是开展深度学习的三要素。深度学习在计算机视觉、自然语言处理、多模态数据分析、科学探索等领域都取得了很多成果。本专栏介绍基于PyTorch的深度学习算法实现
万事可爱^5 天前
人工智能·rnn·神经网络·机器学习·cnn
传统神经网络、CNN与RNN在网络上找了很多关于深度学习的资料,也总结了一点小心得,于是就有了下面这篇文章。这里内容较为简单,适合初学者查看,所以大佬看到这里就可以走了。
机器学习之心6 天前
分类·cnn·transformer
CNN+Transformer+SE注意力机制多分类模型 + SHAP特征重要性分析,pytorch框架CNN提取一维序列的局部特征,如光谱峰值、表格数据趋势等。Transformer捕捉一维序列的全局依赖关系,解决长序列建模难题! 弥补CNN在长距离依赖建模上的不足,提升模型的全局特征提取能力。SE注意力机制动态调整特征通道权重,聚焦关键信息,提升分类精度! 支持多类别分类任务,适用于光谱分类、表格数据分类、时间序列分类等场景。 可自定义类别数量 输出训练损失和准确率,并评估训练集和测试集的准确率,精确率,召回率,f1分数,绘制roc曲线,混淆矩阵 结合SHAP(Shapley Additive exPl
驼驼学编程6 天前
人工智能·神经网络·cnn
卷积神经网络CNN 通过局部感知、权重共享和空间下采样,高效提取图像的层次化特征:CNN 像一台多层流水线工厂:计算示例(第一卷积层):
机器鱼6 天前
算法·回归·cnn
2-2 MATLAB鮣鱼优化算法ROA优化CNN超参数回归预测本博客来源于CSDN机器鱼,未同意任何人转载。更多内容,欢迎点击本专栏目录,查看更多内容。目录0.引言
m0_748038566 天前
人工智能·rnn·深度学习·神经网络·机器学习·cnn·lstm
跟着StatQuest学知识08-RNN与LSTM整个过程权重和偏置共享。在这个例子中w2大于1,会出现梯度爆炸问题。当我们循环的次数越来越多的时候,这个巨大的数字会进入某些梯度,步长就会大幅增加,导致寻找最佳参数困难。另外会导致第一个输入的值影响越来越显著。
点我头像干啥7 天前
人工智能·神经网络·cnn
卷积神经网络在图像分割中的应用:原理、方法与进展介绍图像分割是计算机视觉领域的核心任务之一,旨在将图像划分为具有语义意义的区域。卷积神经网络(CNN)因其强大的特征提取能力,已成为图像分割的主流方法。本文系统介绍了CNN在图像分割中的关键技术,包括全卷积网络(FCN)、UNet、DeepLab等经典架构,并探讨了注意力机制、Transformer等前沿改进。此外,本文分析了医学影像分割(如乳腺超声结节分割)中的特殊挑战与解决方案,为相关研究提供理论参考。
-一杯为品-7 天前
人工智能·深度学习·cnn
【动手学深度学习】#6 卷积神经网络主要参考学习资料:《动手学深度学习》阿斯顿·张 等 著【动手学深度学习 PyTorch版】哔哩哔哩@跟李牧学AI
liruiqiang058 天前
人工智能·神经网络·机器学习·cnn
卷积神经网络 - 微步卷积、空洞卷积微步卷积(Fractionally Strided Convolution),通常也称为转置卷积(Transposed Convolution)或反卷积(Deconvolution),是深度学习(尤其是卷积神经网络,CNN)中用于上采样(Upsampling)或特征图尺寸恢复的关键操作。它的核心目的是通过卷积操作将较小的特征图(低分辨率)扩展为更大的特征图(高分辨率)。
机器学习之心8 天前
matlab·cnn·gru·bka-cnn-gru
BKA-CNN-GRU、CNN-GRU、GRU、CNN四模型多变量时序预测(Matlab)BKA-CNN-GRU、CNN-GRU、GRU、CNN四模型多变量时序光伏功率预测 (Matlab2020b 多输入单输出)
liruiqiang058 天前
人工智能·深度学习·神经网络·机器学习·cnn
卷积神经网络 - LeNet-5LeNet-5 是卷积神经网络(CNN)的早期代表之一,由 Yann LeCun 等人在 1998 年提出,主要用于手写数字识别任务(如 MNIST 数据集)。理解 LeNet-5 可以从其网络结构、各层功能以及整体设计思想入手。
Ronin-Lotus8 天前
人工智能·python·深度学习·cnn
深度学习篇---卷积网络结构本文简单介绍了CNN卷积神经网络与残差块实现回归任务的代码以及接下来的优化方案。功能:定义继承自 nn.Layer 的模型类,使用 nn.Sequential 容器按顺序堆叠各层。
带娃的IT创业者9 天前
python·分类·cnn
《Python实战进阶》No34:卷积神经网络(CNN)图像分类实战卷积神经网络(CNN)是计算机视觉领域的核心技术,特别擅长处理图像分类任务。本集将深入讲解 CNN 的核心组件(卷积层、池化层、全连接层),并演示如何使用 PyTorch 构建一个完整的 CNN 模型,在 CIFAR-10 数据集上实现图像分类。我们还将探讨数据增强和正则化技术(如 Dropout 和 BatchNorm)对模型性能的影响。