我认为原因大致上可分为两点首先第一个大家比较熟悉的原因是大数据时代的来临，对于大规模数据的处理成为刚需。而这些数据中有80%左右为视频图像信息，在众多机器学习算法中，传统BP神经网络的进化版‘卷积神经网络’的模型结构‘天生’就比较适合处理图像这种矩阵式、部分块区域存在相关性的数据。所以说是实际需求使得神经网络再次被人们所追捧。第二点原因是在自学周志华老师的《机器学习》过程中的一点思考。相比于神经网
转载
2023-11-01 20:15:47
76阅读
前言卷积神经网络 – CNN 最擅长的就是图片的处理。它受到人类视觉神经系统的启发。CNN 有2大特点：能够有效的将大数据量的图片降维成小数据量能够有效的保留图片特征，符合图片处理的原则目前 CNN 已经得到了广泛的应用，比如：人脸识别、自动驾驶、美图秀秀、安防等很多领域。一、CNN解决了什么问题？在 CNN 出现之前，图像对于人工智能来说是一个难题，有2个原因：图像需要处理的数据量太大，导致成本
转载
2023-10-19 10:43:32
52阅读
迄今，人们对神经网络的一大疑虑是，它是难以解释的黑盒。本文则主要从理论上理解为什么神经网络对模式识别、分类效果这么好，其本质是通过一层层仿射变换和非线性变换把原始输入做扭曲和变形，直至可以非常容易被区分不同的类别。实际上，反向传播算法（BP) 其实就是根据训练数据不断地微调这个扭曲的效果。作者 | Christopher Olah大约十年前开始，深度神经网络在计算机视觉等领域取得了突破性
转载
2023-08-04 13:57:02
215阅读
点赞
为什么神经网络层数越多越好？参考资料：https://www.zhihu.com/question/65403482、、https://www.bilibili.com/video/BV1bx411M7Zx一句话回答神经网络层数越多，对输入特征抽象的层次越深，对其理解的准确度相对来说也就越深。神经网络关于层数的原理人工智能的编程相比于传统编程的一个重要特点就在于，我们难以知道其内部到底是如何一步步
转载
2023-10-30 22:54:12
46阅读
今年“五一”假期，江苏徐州交出了一份亮眼的成绩单。据智慧文旅平台数据统计，“五一”假期，全市纳入监测的28家重点景区去重后共接待游客246.59万人次(其中外地游客占比65.16%)，同比增长18.66%；景区消费总额8.23亿元，同比增长16.85%。
据美团平台监测，五一假日期间全市游客接待总量、游客消费规模总量均居全省第四位，分别同比增长37.3%，33.2%，游客接待总量增幅和
从验证码识别场景入手讲清楚为什么需要神经网络。
原创
2021-03-29 16:32:27
988阅读
在2017年神经信息处理系统大会（NIPS）中的一篇论文里，我和我的团队提出了一个叫做Net-Trim的AI优化框架，其使用逐层凸体系（layer-wise convex scheme）来精简预训练深度神经网络。 深度学习对许多AI应用来说已经成为了最佳选择，它的范围从影像识别到语言翻译。多
转载
2023-12-08 16:00:43
90阅读
神经网络（二）特征标准化 (Feature Normalization)选择好特征 (Good Features)激励函数 (Activation Function)过拟合 (Overfitting)加速神经网络训练 (Speed Up Training)处理不均衡数据 (Imbalanced data)批标准化 (Batch Normalization) 特征标准化 (Feature Norma
转载
2024-04-03 19:38:31
40阅读
为什么要采用神经网络：因为只是简单增加二次项、三次向的类似逻辑回归之类的算法并不是解决复杂非线性问题的好办法。因为当n很大时，会产生非常非常多的特征项。神将网络被证明是解决复杂非线性问题好得多的方法。神经网络算法是一种非常古老的算法，它最初产生的目的是制造能模拟大脑的机器。神经网络产生的缘由是人们想设计出模仿大脑的算法。某种意义上说，如果我们想要建立学习系统，那我们为什么不去模仿最神奇的学习机器人
转载
2023-08-04 23:56:32
131阅读
卷积神经网络是一种深度学习网络，主要用于识别图像和对其进行分类，以及识别图像中的对象。什么是卷积神经网络？人工神经网络是一个硬件和/或软件系统，模仿神经元在人类大脑中的运转方式。卷积神经网络 (CNN) 通常会在多个全连接或池化的卷积层中应用多层感知器（对视觉输入内容进行分类的算法）的变体。CNN 的学习方式与人类相同。人类出生时并不知道猫或鸟长什么样。随着我们长大成熟，我们学到了某些形状和颜色对
原创
2022-05-25 09:38:04
1784阅读
????欢迎来到本博客❤️❤️???博主优势：???博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。⛳️座右铭：行百里者，半于九十。???本文目录如下：???目录?1 概述?2 运行结果?3 参考文献?4 Matlab代码实现?1 概述神经网络是一个庞大的体系和概念，根据处理信息的不同方式来区分不同的network。比如根据处理信息结果的传递方向，分前馈型与反馈型。前馈型网络会根据输出数值来调整
转载
2023-12-05 22:04:22
47阅读
神经网络和深度学习目前提供了针对图像识别，语音识别和自然语言处理领域诸多问题的最佳解决方案。传统的编程方法中，我们告诉计算机如何去做。而神经网络不需要我们告诉计算机如何处理问题，而是通过从观测数据中学习，计算出他自己的解决方案。问题： 如何训练神经网络使得它比传统的方法更好？答：深度学习是为了训练神经网络，让他（计算机）自己能够从数据中学习。神经网络使用样本自动地推断规则，通过增加训练样本的数量，
转载
2023-10-24 08:42:10
123阅读
卷积定义：所谓卷积，其实是一种数学运算。但是在我们的学习生涯中，往往它都是披上了一层外衣，使得我们经常知其然不知其所以然。比如在信号系统中，他是以一维卷积的形式出现描述系统脉冲响应。又比如在图像处理中，他是以二维卷积的形式出现，可以对图像进行模糊处理。乍一看，两个形式风马牛不相及，但其实他们的本质都是统一的。可见，我们看待事物不仅要看他们的表象，还要从表象中分辨出他们的本质。下面进入正题。&nbs
转载
2023-12-15 11:50:25
40阅读
了解过机器学习的人都知道通用公式：y = w * x + bweight：权重比 bias：偏斜量但是很多人不清楚CNN（卷积神经网络）里面的weight 和bias在哪儿，是怎么参与运算的。这篇文章就为大家揭晓。首先介绍shape（形状）：在CNN里面永远绕不开一个概念：shape：形状 在测试中，我们输入了100*100的原始图片 “一.png”： 然后将它转换为 shape[100,100]
转载
2024-01-12 07:17:45
333阅读
神经元的结构在神经网络中每个神经元都有相同的结构：每个神经元接受多个输入信号，对输入信号进行线性运算：$$output = wx+b = \sum_i w_i x_i + b$$然后，经过激活函数$f$（一般为非线性函数）处理，再输出。
激活函数的意义在后面讨论。
用矩阵乘法表示神经元运算如果有$m$个神经元同时对同一个输入$x$做运算，且这些神经元使用同一个激活函数，那么我们就可以用一
转载
2024-03-12 23:06:33
350阅读
1. 什么是GRUGRU（Gate Recurrent Unit）是循环神经网络（Recurrent Neural Network, RNN）的一种。和LSTM（Long-Short Term Memory）一样，也是为了解决长期记忆和反向传播中的梯度等问题而提出来的。GRU和LSTM在很多情况下实际表现上相差无几，那么为什么我们要使用新人GRU（2014年提出）而不是相对经受了更多考验的LSTM
转载
2023-10-10 17:26:48
102阅读
神经网络介绍神经网络通常是分层的，至少有一个输入和输出层，也许还有隐藏层，某些神经网络类型不会在输入和输出层之外分解成任何形式层，然而，这个输入层和输出层将永远存在，也许可能被整合在同一层，我们现在先介绍一下输入层，输出层和隐藏层。输入层 输入层是神经网络的第一层，和其他层一样，这一层包括了一个指定数字的神经元，同一层的神经元都含有相似的属性，一般情况下，对于分类，回归或者聚类的神经网络的每个属性
转载
2023-08-21 13:10:55
146阅读
损失函数对训练的难易有影响总结回归问题分类问题softmax分类问题损失函数 - MSE & Cross-entropy方法一：MSE方法二：Cross-entropyMSE Vs Cross-entropy - Cross-entropy效果更好更常见批次标准化(Batch Normalization，BN) 总结分类和回归做的事情都差不多，不同的是损失函数和最后输出结果。将分类问题当
转载
2023-10-12 17:54:40
125阅读
# 神经网络数据加载流程
## 步骤表格
| 步骤 | 描述 |
| --------------------------------- | -----------------------------------------------
原创
2024-02-27 05:52:46
30阅读
参考Python神经网络编程（Tariq Rashid著） 菜鸟教程神经网络类我们需要利用Python面向对象的优势创建一个神经网络类，这样我们就可以轻松地利用这一个类生成很多个不同而又有相似性的神经网络。这一过程也称之为实例化。为了尽可能地简单，我们设计这个神经网络是基于层次模型的，且只有三层，输入层，中间层（隐藏层），输出层。并且激活函数选择S。所以，用户只需要自定义这一个神经网络的输入层，隐
转载
2023-10-24 00:55:18
90阅读
