誤差反向傳播算法的學(xué)習(xí)過(guò)程，由信息的正向傳播和誤差的反向傳播兩個(gè)過(guò)程組成，是一種應(yīng)用最為廣泛的神經(jīng)網(wǎng)絡(luò)。先來(lái)看一下BP神經(jīng)網(wǎng)絡(luò)的流程圖：由BP神經(jīng)網(wǎng)絡(luò)流程圖可以看出，正向傳播處理過(guò)程和人工神經(jīng)網(wǎng)絡(luò)的流程
2018-06-05 10:11:50
和推斷。 3、第三個(gè)占了不小比重的人群的理解，更是讓我感覺(jué)這部分人的理解只是個(gè)誤解。仿佛使用了機(jī)器學(xué)習(xí)算法、神經(jīng)網(wǎng)絡(luò)算法、深度學(xué)習(xí)算法、貝葉斯算法的，仿佛全部都變成了人工智能。這里也有人為了回避大家在
2018-08-24 10:36:53
、計(jì)算速度等方面的優(yōu)越性?；谶@種算法，有人分別將其在數(shù)域和維數(shù)上做出了推廣。本文提出的方法，是基于余弦基神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)方法的一種改良，其基本思想首先是使設(shè)計(jì)頻響與理想頻響之間的全局誤差在通帶和阻帶范圍
2019-07-08 07:16:17
成為了非常重要的問(wèn)題。 基于以上問(wèn)題，本文提出了一種基于高效采樣算法的時(shí)序圖神經(jīng)網(wǎng)絡(luò)系統(tǒng) 。首先我們介紹用于時(shí)序圖神經(jīng)網(wǎng)絡(luò)采樣的高效采樣方法。采樣常常被用于深度學(xué)習(xí)中以降低模型的訓(xùn)練時(shí)間。然而現(xiàn)有的采樣
2022-09-28 10:34:13
在本文中，我們將討論一種監(jiān)督式學(xué)習(xí)算法。最新一代意法半導(dǎo)體 MEMS 傳感器內(nèi)置一個(gè)基于決策樹(shù)分類(lèi)器的機(jī)器學(xué)習(xí)核心（MLC）。這些產(chǎn)品很容易通過(guò)后綴中的 X 來(lái)識(shí)別（例如，LSM6DSOX）。這種
2023-09-08 06:50:22
神經(jīng)網(wǎng)絡(luò)算法怎么去控制溫控系統(tǒng)，為什么不用pid控制
2023-10-27 06:10:14
03_深度學(xué)習(xí)入門(mén)_神經(jīng)網(wǎng)絡(luò)和反向傳播算法
2019-09-12 07:08:05
神經(jīng)網(wǎng)絡(luò)基本介紹
2018-01-04 13:41:23
網(wǎng)絡(luò)BP算法的程序設(shè)計(jì) 多層前向網(wǎng)絡(luò)BP算法源程序 第4章 Hopfield網(wǎng)絡(luò)模型 4.1 離散型Hopfield神經(jīng)網(wǎng)絡(luò) 4.2 連續(xù)型Hopfield神經(jīng)網(wǎng)絡(luò) Hopfield網(wǎng)絡(luò)模型
2012-03-20 11:32:43
將神經(jīng)網(wǎng)絡(luò)移植到STM32最近在做的一個(gè)項(xiàng)目需要用到網(wǎng)絡(luò)進(jìn)行擬合，并且將擬合得到的結(jié)果用作控制，就在想能不能直接在單片機(jī)上做神經(jīng)網(wǎng)絡(luò)計(jì)算，這樣就可以實(shí)時(shí)計(jì)算，不依賴(lài)于上位機(jī)。所以要解決的主要是兩個(gè)
2022-01-11 06:20:53
神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介
2012-08-05 21:01:08
基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)算法
2019-05-16 17:25:05
標(biāo)記為疾病征兆。為了使其決策更加透明，AI 開(kāi)發(fā)了兩個(gè)神經(jīng)網(wǎng)絡(luò)，可以發(fā)現(xiàn)模式并從大量數(shù)據(jù)中進(jìn)行預(yù)測(cè)，其中第一個(gè) AI 神經(jīng)分割網(wǎng)絡(luò)通過(guò)分析掃描以識(shí)別患病區(qū)域，而第二個(gè)神經(jīng)分類(lèi)網(wǎng)絡(luò)則根據(jù)分析出的特定疾病
2018-08-15 11:01:51
是一臺(tái)包含GPU的服務(wù)器或高性能PC，Device從機(jī)是一個(gè)ZYNQ/FPGA開(kāi)發(fā)板。另一方面，通常情況下，當(dāng)落地到具體場(chǎng)景解決某個(gè)具體問(wèn)題時(shí)，神經(jīng)網(wǎng)絡(luò)算法通常僅是整體解決方案的一小部分，其他的算法和流程
2020-05-18 17:13:24
遞歸網(wǎng)絡(luò)newelm 創(chuàng)建一Elman遞歸網(wǎng)絡(luò)2. 網(wǎng)絡(luò)應(yīng)用函數(shù)sim 仿真一個(gè)神經(jīng)網(wǎng)絡(luò)init 初始化一個(gè)神經(jīng)網(wǎng)絡(luò)adapt 神經(jīng)網(wǎng)絡(luò)的自適應(yīng)化train 訓(xùn)練一個(gè)神經(jīng)網(wǎng)絡(luò)3. 權(quán)函數(shù)dotprod
2009-09-22 16:10:08
請(qǐng)問(wèn)：我在用labview做BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)故障診斷，在NI官網(wǎng)找到了機(jī)器學(xué)習(xí)工具包（MLT），但是里面沒(méi)有關(guān)于這部分VI的幫助文檔，對(duì)于”BP神經(jīng)網(wǎng)絡(luò)分類(lèi)“這個(gè)范例有很多不懂的地方，比如
2017-02-22 16:08:08
習(xí)神經(jīng)神經(jīng)網(wǎng)絡(luò)，對(duì)于神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)是如何一直沒(méi)有具體實(shí)現(xiàn)一下：現(xiàn)看到一個(gè)簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)模型用于訓(xùn)練的輸入數(shù)據(jù):對(duì)應(yīng)的輸出數(shù)據(jù):我們這里設(shè)置：1：節(jié)點(diǎn)個(gè)數(shù)設(shè)置：輸入層、隱層、輸出層的節(jié)點(diǎn)
2021-08-18 07:25:21
《 AI加速器架構(gòu)設(shè)計(jì)與實(shí)現(xiàn)》+第一章卷積神經(jīng)網(wǎng)絡(luò)觀感
? ?在本書(shū)的引言中也提到“一圖勝千言”，讀完第一章節(jié)后，對(duì)其進(jìn)行了一些歸納（如圖1），第一章對(duì)常見(jiàn)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行了介紹，舉例了一些結(jié)構(gòu)
2023-09-11 20:34:01
學(xué)習(xí)，能夠基于人們所給予的特征值而進(jìn)行分類(lèi)了。其中，是由人們去觀察而萃取特征的，然后才遞交給AI去分類(lèi)，這通稱(chēng)為：人工提取特征。在本任務(wù)(No.9)里，將向前邁進(jìn)一大步：人們做示范，傳授更多智慧，讓
2020-11-05 17:55:48
`本篇主要介紹：人工神經(jīng)網(wǎng)絡(luò)的起源、簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)模型、更多神經(jīng)網(wǎng)絡(luò)模型、機(jī)器學(xué)習(xí)的步驟：訓(xùn)練與預(yù)測(cè)、訓(xùn)練的兩階段：正向推演與反向傳播、以TensorFlow + Excel表達(dá)訓(xùn)練流程以及AI普及化教育之路。`
2020-11-05 17:48:39
前言前面我們通過(guò)notebook，完成了在PYNQ-Z2開(kāi)發(fā)板上編寫(xiě)并運(yùn)行python程序。我們的最終目的是基于神經(jīng)網(wǎng)絡(luò)，完成手寫(xiě)的數(shù)字識(shí)別。在這之前，有必要講一下神經(jīng)網(wǎng)絡(luò)的基本概念和工作原理。何為
2019-03-03 22:10:19
電子發(fā)燒友總結(jié)了以“神經(jīng)網(wǎng)絡(luò)”為主題的精選干貨，今后每天一個(gè)主題為一期，希望對(duì)各位有所幫助?。c(diǎn)擊標(biāo)題即可進(jìn)入頁(yè)面下載相關(guān)資料）人工神經(jīng)網(wǎng)絡(luò)算法的學(xué)習(xí)方法與應(yīng)用實(shí)例（pdf彩版）卷積神經(jīng)網(wǎng)絡(luò)入門(mén)資料MATLAB神經(jīng)網(wǎng)絡(luò)30個(gè)案例分析《matlab神經(jīng)網(wǎng)絡(luò)應(yīng)用設(shè)計(jì)》深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)
2019-05-07 19:18:14
，瞬間明白了感知器算法靈感的來(lái)源。第4章 深度學(xué)習(xí)的基本元素幫助大家詳細(xì)了解神經(jīng)網(wǎng)絡(luò)的基本元素——感知器。把神經(jīng)元和感知器做了對(duì)比，很生動(dòng)形象！然后用動(dòng)畫(huà)的形式介紹了權(quán)重、偏置、激活函數(shù)。每一個(gè)神經(jīng)
2019-07-25 16:07:04
今天學(xué)習(xí)了兩個(gè)神經(jīng)網(wǎng)絡(luò)，分別是自適應(yīng)諧振（ART）神經(jīng)網(wǎng)絡(luò)與自組織映射（SOM）神經(jīng)網(wǎng)絡(luò)。整體感覺(jué)不是很難，只不過(guò)一些最基礎(chǔ)的概念容易理解不清。首先ART神經(jīng)網(wǎng)絡(luò)是競(jìng)爭(zhēng)學(xué)習(xí)的一個(gè)代表，競(jìng)爭(zhēng)型學(xué)習(xí)
2019-07-21 04:30:00
`BP神經(jīng)網(wǎng)絡(luò)首先給出只包含一個(gè)隱層的BP神經(jīng)網(wǎng)絡(luò)模型（兩層神經(jīng)網(wǎng)絡(luò)）： BP神經(jīng)網(wǎng)絡(luò)其實(shí)由兩部分組成：前饋神經(jīng)網(wǎng)絡(luò)：神經(jīng)網(wǎng)絡(luò)是前饋的，其權(quán)重都不回送到輸入單元，或前一層輸出單元（數(shù)據(jù)信息是單向
2019-07-21 04:00:00
為了方便大家查找技術(shù)資料，電子發(fā)燒友小編為大家整理一些精華資料，讓大家可以參考學(xué)習(xí)，希望對(duì)廣大電子愛(ài)好者有所幫助。
1.人工神經(jīng)網(wǎng)絡(luò)算法的學(xué)習(xí)方法與應(yīng)用實(shí)例（pdf彩版）
人工神經(jīng) 網(wǎng)絡(luò)
2023-09-13 16:41:18
物體所作出的交互反應(yīng)，是模擬人工智能的一條重要途徑。人工神經(jīng)網(wǎng)絡(luò)與人腦相似性主要表現(xiàn)在：①神經(jīng)網(wǎng)絡(luò)獲取的知識(shí)是從外界環(huán)境學(xué)習(xí)得來(lái)的;②各神經(jīng)元的連接權(quán)，即突觸權(quán)值，用于儲(chǔ)存獲取的知識(shí)。神經(jīng)元是神經(jīng)網(wǎng)絡(luò)
2018-10-23 16:16:02
人工神經(jīng)網(wǎng)絡(luò)是根據(jù)人的認(rèn)識(shí)過(guò)程而開(kāi)發(fā)出的一種算法。假如我們現(xiàn)在只有一些輸入和相應(yīng)的輸出，而對(duì)如何由輸入得到輸出的機(jī)理并不清楚，那么我們可以把輸入與輸出之間的未知過(guò)程看成是一個(gè)“網(wǎng)絡(luò)”，通過(guò)不斷地給
2008-06-19 14:40:42
人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)是一種類(lèi)似生物神經(jīng)網(wǎng)絡(luò)的信息處理結(jié)構(gòu)，它的提出是為了解決一些非線性，非平穩(wěn)，復(fù)雜的實(shí)際問(wèn)題。那有哪些辦法能實(shí)現(xiàn)人工神經(jīng)網(wǎng)絡(luò)呢？
2019-08-01 08:06:21
的最大邊距超平面。SVM使用鉸鏈損失函數(shù)計(jì)算經(jīng)驗(yàn)風(fēng)險(xiǎn)并在求解系統(tǒng)中加入了正則化項(xiàng)以優(yōu)化結(jié)構(gòu)風(fēng)險(xiǎn)，是一個(gè)具有稀疏性和穩(wěn)健性的分類(lèi)器。SVM可以通過(guò)核方法進(jìn)行非線性分類(lèi)，是常見(jiàn)的核學(xué)習(xí)方法之一。神經(jīng)網(wǎng)絡(luò)人工
2022-03-05 14:15:07
簡(jiǎn)單理解LSTM神經(jīng)網(wǎng)絡(luò)
2021-01-28 07:16:57
全連接神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別
2019-06-06 14:21:42
`隨著科學(xué)技術(shù)的發(fā)展，AI愛(ài)好者越來(lái)越多，除了一些精通AI的大神，還有很多的技術(shù)小白也對(duì)這方面感興趣，他們想學(xué)習(xí)一些機(jī)器學(xué)習(xí)的入門(mén)知識(shí)。今天，訊飛開(kāi)放平臺(tái)就帶來(lái)機(jī)器學(xué)習(xí)中的一個(gè)重要算法——決策樹(shù)。在
2018-05-23 09:38:48
inference在設(shè)備端上做。嵌入式設(shè)備的特點(diǎn)是算力不強(qiáng)、memory小?？梢酝ㄟ^(guò)對(duì)神經(jīng)網(wǎng)絡(luò)做量化來(lái)降load和省memory，但有時(shí)可能memory還吃緊，就需要對(duì)神經(jīng)網(wǎng)絡(luò)在memory使用上做進(jìn)一步優(yōu)化
2021-12-23 06:16:40
Top100論文導(dǎo)讀：深入理解卷積神經(jīng)網(wǎng)絡(luò)CNN（Part Ⅰ）
2019-09-06 17:25:54
卷積神經(jīng)網(wǎng)絡(luò)(CNN)究竟是什么，鑒于神經(jīng)網(wǎng)絡(luò)在工程上經(jīng)歷了曲折的歷史，您為什么還會(huì)在意它呢? 對(duì)于這些非常中肯的問(wèn)題，我們似乎可以給出相對(duì)簡(jiǎn)明的答案。
2019-07-17 07:21:50
卷積神經(jīng)網(wǎng)絡(luò)模型發(fā)展及應(yīng)用轉(zhuǎn)載****地址：http://fcst.ceaj.org/CN/abstract/abstract2521.shtml深度學(xué)習(xí)是機(jī)器學(xué)習(xí)和人工智能研究的最新趨勢(shì)，作為一個(gè)
2022-08-02 10:39:39
卷積神經(jīng)網(wǎng)絡(luò)的層級(jí)結(jié)構(gòu) 卷積神經(jīng)網(wǎng)絡(luò)的常用框架
2020-12-29 06:16:44
決定。為此使用決策閾值。另一個(gè)區(qū)別是模式識(shí)別機(jī)沒(méi)有配備固定的規(guī)則。相反，它是經(jīng)過(guò)訓(xùn)練的。在這個(gè)學(xué)習(xí)過(guò)程中，神經(jīng)網(wǎng)絡(luò)被顯示大量的貓圖像。最后，該網(wǎng)絡(luò)能夠獨(dú)立識(shí)別圖像中是否有貓。關(guān)鍵的一點(diǎn)是，未來(lái)的識(shí)別
2023-02-23 20:11:10
什么是卷積神經(jīng)網(wǎng)絡(luò)？ImageNet-2010網(wǎng)絡(luò)結(jié)構(gòu)是如何構(gòu)成的？有哪些基本參數(shù)？
2021-06-17 11:48:22
反饋神經(jīng)網(wǎng)絡(luò)算法
2020-04-28 08:36:58
本文設(shè)計(jì)了一種基于神經(jīng)網(wǎng)絡(luò)控制算法的伺服運(yùn)動(dòng)控制卡。
2021-06-03 06:05:09
【作者】：劉晉明;劉年生;【來(lái)源】：《廈門(mén)大學(xué)學(xué)報(bào)(自然科學(xué)版)》2010年02期【摘要】：利用具有順序和并行執(zhí)行的特點(diǎn)的VHDL語(yǔ)言,設(shè)計(jì)并實(shí)現(xiàn)了基于神經(jīng)網(wǎng)絡(luò)混沌吸引子的公鑰加密算法,在編
2010-04-24 09:15:41
最近在學(xué)習(xí)電機(jī)的智能控制，上周學(xué)習(xí)了基于單神經(jīng)元的PID控制，這周研究基于BP神經(jīng)網(wǎng)絡(luò)的PID控制。神經(jīng)網(wǎng)絡(luò)具有任意非線性表達(dá)能力，可以通過(guò)對(duì)系統(tǒng)性能的學(xué)習(xí)來(lái)實(shí)現(xiàn)具有最佳組合的PID控制。利用BP
2021-09-07 07:43:47
FPGA實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)關(guān)鍵問(wèn)題分析基于FPGA的ANN實(shí)現(xiàn)方法基于FPGA的神經(jīng)網(wǎng)絡(luò)的性能評(píng)估及局限性
2021-04-30 06:58:13
i.MX 8開(kāi)發(fā)工具從相機(jī)獲取數(shù)據(jù)并使用一個(gè)GPU并應(yīng)用圖像分割算法。然后將該信息饋送到專(zhuān)用于識(shí)別交通標(biāo)志的神經(jīng)網(wǎng)絡(luò)推理引擎的另一GPU。
2019-05-29 10:50:46
本文介紹了基于三層前饋BP神經(jīng)網(wǎng)絡(luò)的圖像壓縮算法，提出了基于FPGA的實(shí)現(xiàn)驗(yàn)證方案，詳細(xì)討論了實(shí)現(xiàn)該壓縮網(wǎng)絡(luò)組成的重要模塊MAC電路的流水線設(shè)計(jì)。
2021-05-06 07:01:59
FPGA 上實(shí)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò) (CNN)。CNN 是一類(lèi)深度神經(jīng)網(wǎng)絡(luò)，在處理大規(guī)模圖像識(shí)別任務(wù)以及與機(jī)器學(xué)習(xí)類(lèi)似的其他問(wèn)題方面已大獲成功。在當(dāng)前案例中,針對(duì)在 FPGA 上實(shí)現(xiàn) CNN 做一個(gè)可行性研究
2019-06-19 07:24:41
如何用stm32cube.ai簡(jiǎn)化人工神經(jīng)網(wǎng)絡(luò)映射？如何使用stm32cube.ai部署神經(jīng)網(wǎng)絡(luò)？
2021-10-11 08:05:42
原文鏈接：http://tecdat.cn/?p=5725 神經(jīng)網(wǎng)絡(luò)是一種基于現(xiàn)有數(shù)據(jù)創(chuàng)建預(yù)測(cè)的計(jì)算系統(tǒng)。如何構(gòu)建神經(jīng)網(wǎng)絡(luò)？神經(jīng)網(wǎng)絡(luò)包括：輸入層：根據(jù)現(xiàn)有數(shù)據(jù)獲取輸入的層隱藏層：使用反向傳播優(yōu)化輸入變量權(quán)重的層，以提高模型的預(yù)測(cè)能力輸出層：基于輸入和隱藏層的數(shù)據(jù)輸出預(yù)測(cè)
2021-07-12 08:02:11
直無(wú)法接近到人的能力。它太僵化，太容易受環(huán)境條件的干擾。人工神經(jīng)網(wǎng)絡(luò)：賦予機(jī)器學(xué)習(xí)以深度人工神經(jīng)網(wǎng)絡(luò)是早期機(jī)器學(xué)習(xí)中的一個(gè)重要的算法，歷經(jīng)數(shù)十年風(fēng)風(fēng)雨雨。神經(jīng)網(wǎng)絡(luò)的原理是受我們大腦的生理結(jié)構(gòu)——互相
2017-04-20 14:15:25
訓(xùn)練一個(gè)神經(jīng)網(wǎng)絡(luò)并移植到Lattice FPGA上，通常需要開(kāi)發(fā)人員既要懂軟件又要懂?dāng)?shù)字電路設(shè)計(jì)，是個(gè)不容易的事。好在FPGA廠商為我們提供了許多工具和IP，我們可以在這些工具和IP的基礎(chǔ)上做
2020-11-26 07:46:03
神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡(jiǎn)稱(chēng)，是當(dāng)前的研究熱點(diǎn)之一。人腦在接受視覺(jué)感官傳來(lái)的大量圖像信息后，能迅速做出反應(yīng)
2019-08-08 06:11:30
能力是無(wú)法解決的。而量子神經(jīng)網(wǎng)絡(luò)被認(rèn)為是一種具有固有模糊性的網(wǎng)絡(luò)，它的隱層單元采用多量子能級(jí)變換函數(shù)，每個(gè)多能級(jí)變換函數(shù)是一系列具有量子間隔偏移的S型函數(shù)之和，能將決策的不確定性數(shù)據(jù)合理地分配到各類(lèi)故障
2019-07-05 08:06:02
人工神經(jīng)網(wǎng)絡(luò)在AI中具有舉足輕重的地位，除了找到最好的神經(jīng)網(wǎng)絡(luò)模型和訓(xùn)練數(shù)據(jù)集之外，人工神經(jīng)網(wǎng)絡(luò)的另一個(gè)挑戰(zhàn)是如何在嵌入式設(shè)備上實(shí)現(xiàn)它，同時(shí)優(yōu)化性能和功率效率。 使用云計(jì)算并不總是一個(gè)選項(xiàng)，尤其是當(dāng)
2021-11-09 08:06:27
本文提出了一個(gè)基于FPGA 的信息處理的實(shí)例：一個(gè)簡(jiǎn)單的人工神經(jīng)網(wǎng)絡(luò)應(yīng)用Verilog 語(yǔ)言描述，該數(shù)據(jù)流采用模塊化的程序設(shè)計(jì)，并考慮了模塊間數(shù)據(jù)傳輸信號(hào)同 步的問(wèn)題，有效地解決了人工神經(jīng)網(wǎng)絡(luò)并行數(shù)據(jù)處理的問(wèn)題。
2021-05-06 07:22:07
譯者|VincentLee來(lái)源 |曉飛的算法工程筆記脈沖神經(jīng)網(wǎng)絡(luò)(Spiking neural network, SNN)將脈沖神經(jīng)元作為計(jì)算單...
2021-07-26 06:23:59
小女子做基于labview的蒸發(fā)過(guò)程中液位的控制，想使用神經(jīng)網(wǎng)絡(luò)pid控制，請(qǐng)問(wèn)這個(gè)控制方法可以嗎？有誰(shuí)會(huì)神經(jīng)網(wǎng)絡(luò)pid控制么。。。叩謝
2016-09-23 13:43:16
求助大神 小的現(xiàn)在有個(gè)難題： 一組車(chē)重實(shí)時(shí)數(shù)據(jù) 對(duì)應(yīng)一個(gè)車(chē)重的最終數(shù)值（一個(gè)一維數(shù)組輸入對(duì)應(yīng)輸出一個(gè)數(shù)值） 這其中可能經(jīng)過(guò)均值、方差、去掉N個(gè)最大值、、、等等的計(jì)算 我的目的就是弄清楚這個(gè)中間計(jì)算過(guò)程 最近實(shí)在想不出什么好辦法就打算試試神經(jīng)網(wǎng)絡(luò) 請(qǐng)教大神用什么神經(jīng)網(wǎng)絡(luò)好求神經(jīng)網(wǎng)絡(luò)程序
2016-07-14 13:35:44
求高手，基于labview的BP
神經(jīng)網(wǎng)絡(luò)算法的實(shí)現(xiàn)過(guò)程，最好有程序哈，謝謝?。?/div>
2012-12-10 14:55:50
求大神給一個(gè)人工神經(jīng)網(wǎng)絡(luò)與遺傳算法的源代碼。
2016-04-19 17:15:29
，讓硬件來(lái)執(zhí)行計(jì)算（加速的概念），今天就介紹兩個(gè)針對(duì)以上解決方案的開(kāi)源項(xiàng)目，這兩個(gè)項(xiàng)目是用FPGA進(jìn)行硬件加速的必備項(xiàng)目?！ ?b class="flag-6" style="color: red">AI算法流程 在進(jìn)行項(xiàng)目介紹前，我們先介紹一下軟件架構(gòu)和工具集。這個(gè)后面會(huì)影響理解。 一個(gè)完整的深度學(xué)習(xí)框架中主要分為下面幾個(gè)流程：原作者：碎碎思·
2022-10-24 16:10:50
本人最近在做粒子群算法的相關(guān)研究，遇到如下問(wèn)題：要求決策變量為整數(shù)（0或1），初始化時(shí)已隨機(jī)設(shè)置成0或1的形式，決策變量范圍設(shè)置成（0-1間），在更新過(guò)程中如何對(duì)速度和位置進(jìn)行設(shè)置呢，不設(shè)置的話還是會(huì)隨機(jī)產(chǎn)生一些數(shù)，比如0.232,0.0482類(lèi)似的數(shù)，還請(qǐng)大神解答，謝謝
2016-06-10 11:01:47
一定的早熟收斂問(wèn)題,引入一種自適應(yīng)動(dòng)態(tài)改變慣性因子的PSO算法,使算法具有較強(qiáng)的全局搜索能力.將此算法訓(xùn)練的模糊神經(jīng)網(wǎng)絡(luò)應(yīng)用于語(yǔ)音識(shí)別中,結(jié)果表明,與BP算法相比,粒子群優(yōu)化的模糊神經(jīng)網(wǎng)絡(luò)具有較高
2010-05-06 09:05:35
視覺(jué)任務(wù)中，并取得了巨大成功。然而，由于存儲(chǔ)空間和功耗的限制，神經(jīng)網(wǎng)絡(luò)模型在嵌入式設(shè)備上的存儲(chǔ)與計(jì)算仍然是一個(gè)巨大的挑戰(zhàn)。前面幾篇介紹了如何在嵌入式AI芯片上部署神經(jīng)網(wǎng)絡(luò)：【嵌入式AI開(kāi)發(fā)】篇五|實(shí)戰(zhàn)篇一：STM32cubeIDE上部署神經(jīng)網(wǎng)絡(luò)之pytorch搭建指紋識(shí)別模型.onnx...
2021-12-14 07:35:25
關(guān)于遺傳算法和神經(jīng)網(wǎng)絡(luò)的
2013-05-19 10:22:16
性分析已經(jīng)有好多年，而這幾年這些算法又被打上了AI的標(biāo)簽。而最新的AI發(fā)展其實(shí)最主要是圍繞著人工神經(jīng)網(wǎng)絡(luò)算法而來(lái)的。同樣，人工神經(jīng)網(wǎng)絡(luò)算法也不是新鮮事物，但一直以來(lái)因?yàn)槿鄙偕虡I(yè)價(jià)值而少有人關(guān)注，直到
2018-04-10 10:48:40
根據(jù)神經(jīng)網(wǎng)絡(luò)的基本理論,研究了神經(jīng)網(wǎng)絡(luò)在電器設(shè)備中的應(yīng)用,提出了神經(jīng)網(wǎng)絡(luò)的分塊構(gòu)造方法和神經(jīng)網(wǎng)絡(luò)分塊學(xué)習(xí)算法,并通過(guò)實(shí)驗(yàn)?zāi)M達(dá)到實(shí)際要求。關(guān)鍵詞 神經(jīng)網(wǎng)絡(luò) 算法 權(quán)
2009-06-13 11:40:03
10 決策支持系統(tǒng)(DSS) 是綜合利用大量數(shù)據(jù)、有機(jī)組合眾多模型、通過(guò)人機(jī)交互、輔助各級(jí)決策者實(shí)現(xiàn)科學(xué)決策的系統(tǒng)。神經(jīng)網(wǎng)絡(luò)是由大量類(lèi)似于神經(jīng)元的處理單元相互連接而成的非
2009-08-31 09:53:175 BP 神經(jīng)網(wǎng)絡(luò)是一類(lèi)基于誤差逆向傳播 (BackPropagation, 簡(jiǎn)稱(chēng) BP) 算法的多層前饋神經(jīng)網(wǎng)絡(luò)，BP算法是迄今最成功的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法。現(xiàn)實(shí)任務(wù)中使用神經(jīng)網(wǎng)絡(luò)時(shí)，大多是在使用 BP
2018-06-19 15:17:15
42819 
“ANT的出發(fā)點(diǎn)與mGBDT類(lèi)似，都是期望將神經(jīng)網(wǎng)絡(luò)的表示學(xué)習(xí)和決策樹(shù)的特點(diǎn)做一個(gè)結(jié)合，不過(guò)，ANT依舊依賴(lài)神經(jīng)網(wǎng)絡(luò)BP算法進(jìn)行的實(shí)現(xiàn)，”馮霽說(shuō)：“而深度森林（gcForest/mGBDT）的目的
2018-07-25 09:39:019057 
近日，來(lái)自愛(ài)丁堡大學(xué)的研究人員提出了一種結(jié)合深度神經(jīng)網(wǎng)絡(luò)和樹(shù)模型的新型模型——深度神經(jīng)決策樹(shù)(Deep Neural Decision Trees, DNDT)。
2018-08-19 09:14:4411858 我們提出了CLass增強(qiáng)的注意響應(yīng)（CLEAR）：一種可視化和理解深度神經(jīng)網(wǎng)絡(luò)（DNN）在給定特定輸入的情況下做出的決策的方法。
2018-11-12 06:11:001778 人工智能系統(tǒng)所面臨的兩大安全問(wèn)題的根源在于深度神經(jīng)網(wǎng)絡(luò)的不可解釋性。深度神經(jīng)網(wǎng)絡(luò)可解釋性定義為可判讀（interpretability）和可理解（explainability）兩方面的內(nèi)容?？膳凶x性，即深度神經(jīng)網(wǎng)絡(luò)輸出可判讀
2020-03-27 15:56:182632 有個(gè)事情可能會(huì)讓初學(xué)者驚訝：神經(jīng)網(wǎng)絡(luò)模型并不復(fù)雜！『神經(jīng)網(wǎng)絡(luò)』這個(gè)詞讓人覺(jué)得很高大上，但實(shí)際上神經(jīng)網(wǎng)絡(luò)算法要比人們想象的簡(jiǎn)單。
2023-01-31 17:06:09658 在介紹卷積神經(jīng)網(wǎng)絡(luò)之前，我們先回顧一下神經(jīng)網(wǎng)絡(luò)的基本知識(shí)。就目前而言，神經(jīng)網(wǎng)絡(luò)是深度學(xué)習(xí)算法的核心，我們所熟知的很多深度學(xué)習(xí)算法的背后其實(shí)都是神經(jīng)網(wǎng)絡(luò)。
2023-02-23 09:14:442256 有個(gè)事情可能會(huì)讓初學(xué)者驚訝：神經(jīng)網(wǎng)絡(luò)模型并不復(fù)雜！『神經(jīng)網(wǎng)絡(luò)』這個(gè)詞讓人覺(jué)得很高大上，但實(shí)際上神經(jīng)網(wǎng)絡(luò)算法要比人們想象的簡(jiǎn)單。
這篇文章完全是為新手準(zhǔn)備的。我們會(huì)通過(guò)用Python從頭實(shí)現(xiàn)一個(gè)神經(jīng)網(wǎng)絡(luò)來(lái)理解神經(jīng)網(wǎng)絡(luò)的原理。本文的脈絡(luò)是：
2023-02-27 15:05:34451 
有個(gè)事情可能會(huì)讓初學(xué)者驚訝：神經(jīng)網(wǎng)絡(luò)模型并不復(fù)雜！『神經(jīng)網(wǎng)絡(luò)』這個(gè)詞讓人覺(jué)得很高大上，但實(shí)際上神經(jīng)網(wǎng)絡(luò)算法要比人們想象的簡(jiǎn)單。
這篇文章完全是為新手準(zhǔn)備的。我們會(huì)通過(guò)用Python從頭實(shí)現(xiàn)一個(gè)神經(jīng)網(wǎng)絡(luò)來(lái)理解神經(jīng)網(wǎng)絡(luò)的原理。本文的脈絡(luò)是：
2023-02-27 15:06:13377 
有個(gè)事情可能會(huì)讓初學(xué)者驚訝：神經(jīng)網(wǎng)絡(luò)模型并不復(fù)雜！『神經(jīng)網(wǎng)絡(luò)』這個(gè)詞讓人覺(jué)得很高大上，但實(shí)際上神經(jīng)網(wǎng)絡(luò)算法要比人們想象的簡(jiǎn)單。
這篇文章完全是為新手準(zhǔn)備的。我們會(huì)通過(guò)用Python從頭實(shí)現(xiàn)一個(gè)神經(jīng)網(wǎng)絡(luò)來(lái)理解神經(jīng)網(wǎng)絡(luò)的原理。本文的脈絡(luò)是：
2023-02-27 15:06:18467 
有個(gè)事情可能會(huì)讓初學(xué)者驚訝：神經(jīng)網(wǎng)絡(luò)模型并不復(fù)雜！『神經(jīng)網(wǎng)絡(luò)』這個(gè)詞讓人覺(jué)得很高大上，但實(shí)際上神經(jīng)網(wǎng)絡(luò)算法要比人們想象的簡(jiǎn)單。
這篇文章完全是為新手準(zhǔn)備的。我們會(huì)通過(guò)用Python從頭實(shí)現(xiàn)一個(gè)神經(jīng)網(wǎng)絡(luò)來(lái)理解神經(jīng)網(wǎng)絡(luò)的原理。本文的脈絡(luò)是：
2023-02-27 15:06:21443 
（Ontologies-based） 2.2 基于統(tǒng)計(jì)的決策算法 2.2.1 貝葉斯網(wǎng)絡(luò)（BN） 2.2.2 馬爾可夫決策過(guò)程（MDP） 2.2.3 部分可觀察馬爾可夫決策過(guò)程(POMDP) 2.3 基于端到端的決
2023-06-01 16:24:310 在實(shí)際問(wèn)題中，已知量是數(shù)據(jù)和數(shù)據(jù)標(biāo)簽，決策函數(shù)是未知的，即神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)未知。
2023-07-28 16:10:38637 
卷積神經(jīng)網(wǎng)絡(luò)通俗理解 卷積神經(jīng)網(wǎng)絡(luò)，英文名為Convolutional Neural Network，成為了當(dāng)前深度學(xué)習(xí)領(lǐng)域最重要的算法之一，也是很多圖像和語(yǔ)音領(lǐng)域任務(wù)中最常用的深度學(xué)習(xí)模型之一
2023-08-17 16:30:252062 卷積神經(jīng)網(wǎng)絡(luò)原理：卷積神經(jīng)網(wǎng)絡(luò)模型和卷積神經(jīng)網(wǎng)絡(luò)算法 卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）是一種基于深度學(xué)習(xí)的人工神經(jīng)網(wǎng)絡(luò)，是深度學(xué)習(xí)技術(shù)的重要應(yīng)用之
2023-08-17 16:30:30806 卷積神經(jīng)網(wǎng)絡(luò)的介紹 什么是卷積神經(jīng)網(wǎng)絡(luò)算法 卷積神經(jīng)網(wǎng)絡(luò)涉及的關(guān)鍵技術(shù) 卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）是一種用于圖像分類(lèi)、物體識(shí)別、語(yǔ)音識(shí)別等領(lǐng)域
2023-08-21 16:49:461229 卷積神經(jīng)網(wǎng)絡(luò)算法是機(jī)器算法嗎? 卷積神經(jīng)網(wǎng)絡(luò)算法是機(jī)器算法的一種，它通常被用于圖像、語(yǔ)音、文本等數(shù)據(jù)的處理和分類(lèi)。隨著深度學(xué)習(xí)的興起，卷積神經(jīng)網(wǎng)絡(luò)逐漸成為了圖像、語(yǔ)音等領(lǐng)域中最熱門(mén)的算法之一。 卷積
2023-08-21 16:49:48437 隨著人工智能（AI）的發(fā)展，其在各個(gè)領(lǐng)域的應(yīng)用越來(lái)越廣泛，從醫(yī)療診斷到金融交易，從自動(dòng)駕駛到智能家居。然而，盡管AI的能力在不斷提升，但其決策過(guò)程卻常常讓人感到困惑和不安。那么，我們應(yīng)該如何理解
2023-11-22 09:39:08209 已全部加載完成
電子發(fā)燒友App
工商網(wǎng)監(jiān)
評(píng)論