一、概述
两种神经网络：
-
- 全连接神经网络
- 卷积神经网络（局部连接，相对于全连接而言）
全连接神经网络
weight太多了，导致计算量太大
pooling（池化）： 特征聚集、降维（降低维度）、光滑
目的：
降低输出规模
增加可解释性
避免丢失更多数据
二、卷积网络模型
三、案例分析
1、LeNet
2、AlexNet
3、GoogleNet：
卷积神经网络
2017-10-25
1111
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
一、概述 两种神经网络：全连接神经网络卷积神经网络（局部连接，相对于全连接而言） 全连接神经网络 weight太多了，导致计算量太大 pooling（池化）： 特征聚集、降维（降低维度）、光滑 目的： 降低输出规模 ...
目录
相关文章
|
8天前
|
机器学习/深度学习
编解码
自动驾驶
RT-DETR改进策略【模型轻量化】| 替换骨干网络为MoblieNetV1，用于移动视觉应用的高效卷积神经网络
RT-DETR改进策略【模型轻量化】| 替换骨干网络为MoblieNetV1，用于移动视觉应用的高效卷积神经网络
31
3
3
|
5天前
|
机器学习/深度学习
人工智能
算法
基于Python深度学习的【蘑菇识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
蘑菇识别系统，本系统使用Python作为主要开发语言，基于TensorFlow搭建卷积神经网络算法，并收集了9种常见的蘑菇种类数据集【"香菇（Agaricus）", "毒鹅膏菌（Amanita）", "牛肝菌（Boletus）", "网状菌（Cortinarius）", "毒镰孢（Entoloma）", "湿孢菌（Hygrocybe）", "乳菇（Lactarius）", "红菇（Russula）", "松茸（Suillus）"】
再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型，然后保存为为本地h5格式文件。最后使用Django框架搭建了一个Web网页平台可视化操作界面，
43
11
11
|
12天前
|
机器学习/深度学习
编解码
自动驾驶
YOLOv11改进策略【模型轻量化】| 替换骨干网络为MoblieNetV1，用于移动视觉应用的高效卷积神经网络
YOLOv11改进策略【模型轻量化】| 替换骨干网络为MoblieNetV1，用于移动视觉应用的高效卷积神经网络
40
16
16
|
12天前
|
机器学习/深度学习
存储
|
9天前
|
机器学习/深度学习
YOLOv11改进策略【Neck】| GSConv+Slim Neck：混合深度可分离卷积和标准卷积的轻量化网络设计
YOLOv11改进策略【Neck】| GSConv+Slim Neck：混合深度可分离卷积和标准卷积的轻量化网络设计
40
8
8
|
8天前
|
机器学习/深度学习
编解码
移动开发
RT-DETR改进策略【Conv和Transformer】| TPAMI-2024 Conv2Former 利用卷积调制操作和大核卷积简化自注意力机制，提高网络性能
RT-DETR改进策略【Conv和Transformer】| TPAMI-2024 Conv2Former 利用卷积调制操作和大核卷积简化自注意力机制，提高网络性能
26
5
5
|
12天前
|
机器学习/深度学习
编解码
移动开发
YOLOv11改进策略【Conv和Transformer】| TPAMI-2024 Conv2Former 利用卷积调制操作和大核卷积简化自注意力机制，提高网络性能
YOLOv11改进策略【Conv和Transformer】| TPAMI-2024 Conv2Former 利用卷积调制操作和大核卷积简化自注意力机制，提高网络性能
23
7
7
|
8天前
|
机器学习/深度学习
RT-DETR改进策略【Neck】| GSConv+Slim Neck：混合深度可分离卷积和标准卷积的轻量化网络设计
RT-DETR改进策略【Neck】| GSConv+Slim Neck：混合深度可分离卷积和标准卷积的轻量化网络设计
35
11
11
|
8天前
|
机器学习/深度学习
存储
|
1月前
|
机器学习/深度学习
算法
计算机视觉
基于CNN卷积神经网络的金融数据预测matlab仿真,对比BP,RBF,LSTM
本项目基于MATLAB2022A，利用CNN卷积神经网络对金融数据进行预测，并与BP、RBF和LSTM网络对比。核心程序通过处理历史价格数据，训练并测试各模型，展示预测结果及误差分析。CNN通过卷积层捕捉局部特征，BP网络学习非线性映射，RBF网络进行局部逼近，LSTM解决长序列预测中的梯度问题。实验结果表明各模型在金融数据预测中的表现差异。
118
10
10
热门文章
最新文章
1
基于昇腾用PyTorch实现传统CTR模型WideDeep网络
2
PaSa：字节跳动开源学术论文检索智能体，自动调用搜索引擎、浏览相关论文并追踪引文网络
3
阿里云基础设施网络2024年创新总结
4
PyTorch生态系统中的连续深度学习：使用Torchdyn实现连续时间神经网络
5
RT-DETR改进策略【模型轻量化】| 替换骨干网络 CVPR-2024 StarNet，超级精简高效的轻量化模块
6
RT-DETR改进策略【模型轻量化】| 替换骨干网络为 MobileViTv1高效的信息编码与融合模块，获取局部和全局信息
7
RT-DETR改进策略【模型轻量化】| 替换骨干网络为 GhostNet V1 基于 Ghost Module 和 Ghost Bottlenecks的轻量化网络结构
8
小白学网络系列之---从物理网络到云网络
9
Linux（openwrt）下iptables+tc工具实现网络流量限速控制（QoS）
10
【算法合规新时代】企业如何把握“清朗·网络平台算法典型问题治理”专项行动？
1
云端防御战线：云计算中的网络安全与信息保护策略
52
2
云端防御战线：云计算环境下的网络安全策略
51
3
云端防御战线：云计算中的网络安全与信息保护策略
40
4
iOS审核在ipv6网络下无法访问服务器的问题及解决方案
241
5
实时计算 Flink版产品使用合集之网络包大小与配置不符该如何处理
58
6
YOLOv8改进 | 融合模块 | 用Resblock+CBAM卷积替换Conv【轻量化网络】
2039
7
云端防御：云计算环境下的网络安全策略与实践
62
8
构筑防御堡垒：云计算环境下的网络安全策略
54
9
云端守卫：构建云计算环境下的多层网络安全防御体系
180
10
centos7部分桥接网络ping不通解决方案
272