英文字典中文字典


英文字典中文字典51ZiDian.com



中文字典辞典   英文字典 a   b   c   d   e   f   g   h   i   j   k   l   m   n   o   p   q   r   s   t   u   v   w   x   y   z       







请输入英文单字，中文词皆可：


请选择你想看的字典辞典：
单词字典翻译
865786查看　865786　在百度字典中的解释百度英翻中〔查看〕
865786查看　865786　在Google字典中的解释Google英翻中〔查看〕
865786查看　865786　在Yahoo字典中的解释Yahoo英翻中〔查看〕

安装中文字典英文字典查询工具!


中文字典英文字典工具:
选择颜色:
输入中英文单字

































































英文字典中文字典相关资料:


  • “零基础”图解CNN (卷积神经网络)_卷积神经网络传播流程图 . . .
    在CNN中，滤波器filter (带着一组固定权重的神经元)对局部输入数据进行卷积计算。 每计算完一个数据窗口内的局部数据后，数据窗口会不断平移滑动，直到计算完所有数据 如下: 对上图而言： 下面几张图片应该能够帮助更好的地理解
  • 图解卷积神经网络（CNN） - 知乎
    卷积神经网络的提出让原本使用全连接的神经网络提高更多的图片识别率，因AlexLet使用的卷积神经网络在ILSVRC的图像识别竞赛上获得了更高的识别率，卷积由此开始获得关注和应用。 神经网络的提出主要是受生物神经科学的神经元的结构的启发，不同的神经元的连接就组合成不同的神经网络的结构。 1943年，神经学家McCulloch与Pitts提出了称“作M-P人工神经元模型”的第一个神经网络的计算模型，而且一直沿用至今。 由图2-1可知，输入x1，x2，…，xn属于其他神经元实例的特征向量，对应于输入空间也就是特征空间的点，神经元将输入值进行加权求和后，再通过阀值θ进行求差比较输出最终的结果。 如果求和的值大于阀值θ，输出值为正数，则表示神经元处于激活的状态；反之则表示神经元的值处于抑制的状态。
  • 人工智能：深度学习中的卷积神经网络（CNN）实战应用
    人工智能：深度学习中的卷积神经网络（CNN）实战应用 1 1 本章学习目标与重点 💡 学习目标：掌握卷积神经网络的核心原理、经典网络架构，以及在图像分类任务中的实战开发流程。
  • 【DL-2-1】卷积神经网络 (CNN)--总体概述 - 忆凡人生 - 博客园
    卷积神经网络（Convolutional Neural Network，CNN）是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于语音识别，时间序列模型和大型图像处理均有出色表现（一维卷积神经网络主要用于序列类的数据处理，二维卷积神经网络常应用于图像类文本的识别，三维卷积神经网络主要应用于医学图像以及视频类数据识别。 ）。 它包括输入层、卷积层、激活函数、池化层、全连接层。 CNN的概念图如下： 上图为VGG16的网络结构，共16层（不包括池化和softmax层），所有的卷积核都使用3*3的大小，池化都使用大小为2*2，步长为2的最大池化，卷积层深度依次为64 -> 128 -> 256 -> 512 ->512。
  • 基于VDNet卷积神经网络的羊群计数
    为了避免传统羊群计数任务中，羊只之间相互遮挡带来的干扰，提高羊群计数的准确度，采用了视觉几何群 (VGG-16)与空洞卷积 (DC)相结合的VDNet神经网络羊群计数方法。该方法在网络前端采用去除了全连接层的VGG-16网络提取2-D特征，后端采用6层具有不同空洞率的DC提取更多的高级特征；DC在保持分辨率
  • 卷积神经网络 (CNN) 核心原理全解析：从卷积层到全连接层 . . .
    本文系统介绍了卷积神经网络 (CNN)的核心架构与工作原理，以花朵分类任务为例，详细解析了CNN的四大核心模块：1)卷积层通过局部感知和权值共享特性高效提取图像特征；2)激活函数 (如ReLU)引入非线性能力；3)池化层实现特征降维；4)全连接层完成分类
  • 机器学习算法之——卷积神经网络 (CNN)原理讲解 - 知乎
    1 定义 简而言之，卷积神经网络（Convolutional Neural Networks）是一种深度学习模型或类似于人工神经网络的多层感知器，常用来分析视觉图像。卷积神经网络的创始人是着名的计算机科学家Yann LeCun，目前在Facebook工作，他是第一个通过卷积神经网络在 MNIST数据集 上解决手写数字问题的人。
  • 7. 1. 深度卷积神经网络（AlexNet） — 动手学深度学习 2. 0. 0 . . .
    7 1 2 AlexNet 2012年，AlexNet横空出世。它首次证明了学习到的特征可以超越手工设计的特征。它一举打破了计算机视觉研究的现状。 AlexNet使用了8层卷积神经网络，并以很大的优势赢得了2012年ImageNet图像识别挑战赛。 AlexNet和LeNet的架构非常相似，如 图7 1 2 所示。 注意，本书在这里提供的是一个稍微





中文字典-英文字典  2005-2009