”深度学习发展概述“ 的搜索结果

     一、联邦学习的定义与应用场景 联邦学习是从技术维度出发,重点研究其中的隐私保护和数据安全问题的一种技术。其旨在建立一个基于分布数据集的联邦学习模型。 对于联邦学习的过程,主要分为两部分: ● 模型训练。...

     深度学习深度学习概述神经网络历程深度学习发展与挑战深度学习基础知识多层感知机损失函数激活函数BP算法—训练多层神经网络误差反向传播方法算法推导—三层感知机伪代码实现BP算法的训练过程存在不确定性BN层学习率...

     目前为止,图像处理已成为深度学习中重要的研究领域,几乎所有的深度学习框架都支持图像处理工具。当前深度学习在图像处理领域的应用可分为三方面:图像处理(基本图像变换)、图像识别(以神经网络为主流的图像特征提取...

     综述:基于深度学习的图像分割传统的图像分割算法基于深度学习的图像分割算法全卷积神经网络(FCN)基于图模型的卷积模型编码-解码模型基于多尺度和...在深度学习出现之前已经发展了许多图像分割算法,从最早的阈值分割

      基本概念1.1 机器学习与深度学习1.2 概述2. 神经网络2.1 神经网络训练2.2 神将网络的设计原则2.2.1 过拟合与正则化2.2.2.1 过拟合2.2.2.2 正则化2.3 简单的神经网络的模型(代码示例) 1. 基本概念 1.1 机器学习与...

     来源:智源社区作者:知源月旦一、深度学习的可解释性研究概述随着深度学习模型在人们日常生活中的许多场景下扮演着越来越重要的角色,模型的「可解释性」成为了决定用户是否能够「信任」这些模型的关...

     脑机接口的深度学习算法 脑电图控制是一种利用脑信号去控制电子设备和电路的非侵入式技术。目前,脑机接口系统提供了两种信号类型——原始信号和逻辑状态信号(用于开关设备)。本文对脑机接口系统的性能进行了探讨...

10  
9  
8  
7  
6  
5  
4  
3  
2  
1