人工智能基礎與應用（第2版）（微課版）課件 7-2 深度神經網絡_第1頁
人工智能基礎與應用（第2版）（微課版）課件 7-2 深度神經網絡_第2頁
人工智能基礎與應用（第2版）（微課版）課件 7-2 深度神經網絡_第3頁
人工智能基礎與應用（第2版）（微課版）課件 7-2 深度神經網絡_第4頁
人工智能基礎與應用（第2版）（微課版）課件 7-2 深度神經網絡_第5頁
已閱讀5頁，還剩4頁未讀， 繼續免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

7-2深度神經網絡模塊?語音識別：讓機器對你言聽計從目錄CONTENTS深度神經網絡基礎01卷積神經網絡02一.深度神經網絡基礎1.深度神經網絡的基本結構神經元加權和、非線性變換多層連接二.卷積神經網絡1.深度神經網絡參數的復雜性如果輸入層向量有106個，假設隱藏層向量數目與輸入層一樣，那么從輸入層到隱藏層的權重參數就有1012個，這還沒有考慮后面其他隱藏層的參數。這樣參數就太多了，模型根本無法訓練。二.卷積神經網絡2.卷積神經網絡的優勢在20世紀60年代，大衛·休伯爾（DavidHubel）和托斯坦·維厄瑟爾（TorstenWiesel）在研究大腦皮層中用于局部敏感和方向選擇的神經元時，發現其獨特的網絡結構可以有效地降低反饋神經網絡的復雜性。CNN的基本結構提取特征提高卷積神經網絡的非線性表達能力降維、減少計算量特征轉換與映射二.卷積神經網絡3.卷積操作不同形狀的“X”“X”的像素矩陣

3個卷積核卷積計算二.卷積神經網絡3.激活函數sigmoidtanhReLUSoftmax二.卷積神經網絡4.全連接層通過不斷卷積、激活和池化，就得到了樣本的多層特征圖，然后將最終得到的特征圖排成一列，即將多層的特征映射為一個一維的向量，形成全連接層

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論