- 全部
- 博客
- 下载
- 论坛
- 学院
- Neural Networks and Deep Learning之中文翻译-第一章 用神经网络识别手写数字 - CSDN博客
- Neural Networks and Deep Learning之中文翻译-第一章 用神经网络识别手写数字
- https://blog.csdn.net/wangchongttg/article/details/78519758
- 基于神经网络的文本意图(intent)识别 - CSDN博客
- 了解聊天机器人(chatbots)的工作原理很重要。 聊天机器人的一个基本机制是利用文本分类器进行意图识别 。 我们来看一下人工神经网络(ANN)的内部工作原理。 在这个教程中,我们将使用2层神经元(1个隐层)和词袋(bag of words)方法来组织我们的训练数据。 文本分类的方法有三种 : 模式匹配 , 传统算法和神经网络 。
- https://blog.csdn.net/shebao3333/article/details/78739298
- 循环神经网络(RNN, Recurrent Neural Networks)介绍 - CSDN博客
- 循环神经网络(RNN, Recurrent Neural Networks)介绍 这篇文章很多内容是参考:http://www.wildml.com/2015/09/recurrent-neural-networks-tutorial-part-1-introduction-to-rnns/,在这篇文章中,加入了一些新的内容与一些自己的理解。
- https://blog.csdn.net/heyongluoyao8/article/details/48636251
- 神经网络压缩(4) Learning Structured Sparsity in Deep Neural Networks - CSDN博客
- 转载自:http://blog.csdn.net/wangqingbaidu/article/detailsLearning Structured Sparsity in Deep Neural Networks
- https://blog.csdn.net/cookie_234/article/details/73195206
- [deeplearning-008] convertional neural networks卷积神经网络 - CSDN博客
- 1. 巨头报告对cnn的解释 LeCun, Yann, Yoshua Bengio, and Geoffrey Hinton. "Deep learning." Nature 521.7553 (2015): 436-444. http://www.cs.toronto.edu/%7Ehinton/absps/NatureDeepReview.pd
- https://blog.csdn.net/u011539200/article/details/78491655
- Hinton Neural Networks课程笔记2b:第一代神经网络之感知机 - CSDN博客
- 感知机可以说是最简单最经典的神经网络模型了,简单而言就是对输入加权求和之后,得到一个评价值和一个threshold比较,从而进行分类。只能求取线性分类面,极大依赖于特征提取,但速度极快,适用于特征维度很大的情况。传统模式识别框架传统统计模式识别的标准流程分为三步,首先进行特征提取,然后学习一个加权求和,最后把求和得到的值与一个threshold比较,高于
- https://blog.csdn.net/silent56_th/article/details/77054532
- 10分钟探索神经网络背后的生物学启发 | Neural Networks #6 - CSDN博客
- 神经网络在线课由Google Brain团队的研究员Hugo Larochelle授权雷锋字幕组中文翻译,是以神经网络基础知识为主的短视频在线课。每次10分钟,了解神经网络基础概念,轻松上手深度学习算法!以下是第六期视频,前馈神经网络之生物学背后的启发 神经网络系列课有哪些内容? 如果你有一定数学基础,了解一些编程语言,希望学习深度学习基础及进阶知识,
- https://blog.csdn.net/Y0W1as5eg37urFdS/article/details/78891466
- 一步一步分析讲解深度神经网络基础-Recurrent Neural Networks - CSDN博客
- 我们知道在现实生活中,我们的数据往往和时间相关。 Time-Series Data就是说时间序列数据。 我们身体里的基因也是一种序列。 the data of a genome sequence- where every sequence has a different meaning. 基因组序列的数据,其中每个序列具有不同的含义。 而RNNs是处
- https://blog.csdn.net/jk981811667/article/details/78972718
- Self-Normalizing Neural Networks(自归一化神经网络)阅读笔记 - CSDN博客
- Abstarct: 针对FNNs(feed-forward neural networks)的层数都比较浅的情况,作者提出了SNNs(自标准化神经网络)的概念,SNNs可以使得网络更深,探索高层的抽象特征。另外不像bn的强制每层归一化,SNNs可以自动收敛到均值0方差1,SELUs就是具有自标准化属性的激活函数。 使Banach定点定理,我们证明了
- https://blog.csdn.net/m0_37561765/article/details/78120729
- 循环神经网络(RNN, Recurrent Neural Networks)介绍 - CSDN博客
- 本文转载自:http://blog.csdn.net/heyongluoyao8/article/details/48636251 循环神经网络(RNN, Recurrent Neural Networks)介绍 这篇文章很多内容是参考:http://www.wildml.com/2015/09/recurrent-n
- https://blog.csdn.net/chivalrousli/article/details/76690088
搜索结果部分由
提供

神经网络的相关搜索