cnn

战族狼魂3 小时前
人工智能·cnn·机器翻译
基于 CNN 的ConvS2S（Convolutional Sequence-to-Sequence）架构英德机器翻译模型基于纯CNN的英德机器翻译模型（不使用Transformer架构）额外依赖（需要手动安装）：运行以下命令下载Multi30k数据集（英德翻译）：
哈伦20198 小时前
深度学习·cnn·k线图
第十二章 深度学习基础 案例：CNN分析K线图来评估股票价格趋势接下来我们用一个具体的案例来简单说明CNN的应用，使用CNN来分析K线图选取 1993-2001年的数据作为训练集，剩下的作为测试集
chlorine51 天前
深度学习·神经网络·cnn
【神经网络】——卷积层、池化层、线性层目录🚩二维卷积的理解（torch.nn.functional)📝构建输入和卷积核👩🏻‍💻改变形状的原因
qingyulee1 天前
人工智能·神经网络·cnn
卷积神经网络基础图像是由像素点组成的，每个像素点的取值范围为: [0, 255] 。像素值越接近于0，颜色越暗，接近于黑色；像素值越接近于255，颜色越亮，接近于白色。
Lyyaoo.1 天前
rnn·cnn·transformer
从CNN到RNN再到Transformer的架构理解CNN的核心设计哲学是局部连接+参数共享，这源于图像等数据具有“局部相关性”（邻近像素更相关，远处像素相关性弱）。
装不满的克莱因瓶3 天前
人工智能·python·深度学习·神经网络·机器学习·ai·cnn
掌握典型卷积神经网络的搭建目录一、前言二、卷积神经网络整体结构三、CNN为什么比普通神经网络更强四、LeNet：CNN的起点五、LeNet网络结构解析
A_Sinon4 天前
人工智能·神经网络·cnn
卷积神经网络继神经网络（详见前馈神经网络）后，引入卷积神经网络。请根据《神经网络与深度学习-邱锡鹏》第五章卷积神经网络自行学习基础理论，此处仅作部分内容具体解释。 PDF资源链接：https://github.com/Sinon771/DeepLearning-Resource.git
技术小黑4 天前
人工智能·pytorch·cnn
CNN算法实战系列05 | SE注意力机制改造 ResDenseNet在 J4 周 ResDenseNet（融合 ResNet 残差连接 + DenseNet 密集连接）的基础上， 引入 SE-Net 通道注意力机制，构建 SE-ResDenseNet，进一步提升模型对关键特征通道的关注能力。
王_teacher5 天前
人工智能·cnn·卷积神经网络
ResNet-18网络模型+原理解析+Pytorch实现+手写模型ResNet-18 通过引入残差连接（Skip Connection），有效解决了深层卷积神经网络（CNN）中常见的梯度消失与网络退化问题。
郑洁文5 天前
人工智能·分类·cnn·动物图像分类识别
基于卷积神经网络的动物图像分类模型设计图像分类是计算机视觉领域的核心研究内容，在智能监控、医学影像分析、农业监测、野生动物保护等多个领域具有重要的应用价值。随着深度学习技术的快速发展，特别是卷积神经网络（CNN）的广泛应用，图像分类任务取得了突破性进展。传统的图像分类方法主要依赖于手工设计的特征提取器，如SIFT、HOG等，这些方法需要大量的领域知识和经验，且特征表达能力有限，在复杂场景下的泛化能力不足。深度学习方法能够自动从原始图像中学习层次化的特征表示，无需手工设计特征，在图像分类任务中表现出色。迁移学习技术通过利用在大规模数据集上预训练
郑洁文6 天前
人工智能·神经网络·网络安全·cnn
基于CNN的异常流量监测系统的设计与实现随着网络攻击手段的日益复杂，传统基于签名的入侵检测技术难以有效应对未知威胁。网络流量异常检测通过建立正常行为基线、识别偏离基线的异常流量，在主动防御方面具有重要价值。本文设计并实现了一套基于卷积神经网络（Convolutional Neural Networks，简称CNN）的异常流量监测系统。系统将数据包元数据转化为文本表征，经TF-IDF向量化后输入一维CNN进行二分类，实现了从流量采集、模型训练、模型评估到在线/离线检测的完整流程。系统采用PyQt5构建图形界面，支持PCAP解析、实时回放、合成流量
装不满的克莱因瓶7 天前
人工智能·神经网络·cnn
深入理解卷积神经网络（CNN）——从原理到代码实践目录一、什么是卷积神经网络（CNN）二、传统神经网络为什么不适合处理图像三、CNN 核心思想四、CNN整体结构
yugi9878387 天前
人工智能·matlab·cnn
MATLAB CNN道路特征提取实现MATLAB实现，包含数据预处理、CNN模型构建、训练、评估和实时推理等功能，专门用于道路特征提取任务。
性感博主在线瞎搞7 天前
深度学习·神经网络·cnn·卷积神经网络·卷积层·池化层
【神经网络】卷积神经网络（二）卷积层以及池化层的实现上篇文章【神经网络】卷积神经网络（一）总览以及卷积层、池化层我们已经介绍了卷积神经网络中关于卷积层和池化层的运作原理，本文我们将详细说明卷积层和池化层的具体实现方式。
人月神话-Lee8 天前
图像处理·深度学习·ios·cnn·ai编程·swift
【图像处理】vImage/Accelerate——SIMD 让 CPU 也能飞GPU 是并行之王，但它不是唯一的选择。 CPU 的 SIMD 单元在正确的场景下，可以让代码快 8–16 倍——而且不需要离开 Swift。
瑶总迷弟9 天前
pytorch·python·华为·语言模型·自然语言处理·cnn·unix
使用 mis-tei 在昇腾310P上部署 bge-m3模型BGE-M3 是 BAAI 推出的开源多语言通用嵌入模型，支持文本嵌入、相似度计算、检索重排等多种任务，凭借优异的多语言适配能力和精度表现，被广泛应用于 RAG 知识库、文本检索、语义匹配等 AI 场景。
phoenix@Capricornus9 天前
机器学习·matlab·cnn
MNIST数据集上卷积神经网络微调（MATLAB例）This example shows how to retrain a pretrained SqueezeNet neural network to perform classification on a new collection of images.
头歌实践平台9 天前
人工智能·深度学习·cnn
头歌 卷积神经网络卷积核和结构设计实验第2关利用卷积核识别图片的特征
【建模先锋】9 天前
深度学习·分类·cnn·信号处理·代码分享·图卷积神经网络·轴承故障诊断
独家复现！从 FFT 频域特征到全连接图分类：基于图卷积神经网络 GCN 的滚动轴承故障诊断模型Python轴承故障诊断 (14)高创新故障识别模型-CSDN博客独家原创 | SCI 1区 高创新轴承故障诊断模型！-CSDN博客
星恒随风12 天前
人工智能·笔记·神经网络·学习·cnn
从零开始理解 ResNet（上）：为什么 CNN 需要“残差连接”？在 CNN 中，不同层通常会学习不同层次的视觉特征。浅层更关注：中间层进一步组合这些低级特征：更深层则可能学到更抽象的语义信息：