深度學(xué)習(xí)deeplearning-資料下載頁
2025-07-19 23:26本頁面
【正文】 積神經(jīng)網(wǎng)絡(luò)通過感受野和權(quán)值共享減少了神經(jīng)網(wǎng)絡(luò)需要訓(xùn)練的參數(shù)的個數(shù)。 ? 1000x1000像素的圖像，有 1百萬個隱層神經(jīng)元， 1000x1000x1000000=10^12個連接。 Convolutional Neural Networks ? 每一個神經(jīng)元都連接 10x10個圖像區(qū)域，或者說每一個神經(jīng)元存在 10x10=100個連接權(quán)值參數(shù)，加上偏置是 101個參數(shù)。如果每個神經(jīng)元這 101個參數(shù)是相同的。 無論隱層的神經(jīng)元個數(shù)為多少，兩層間的連接，只有 101個參數(shù)。 這個 101個參數(shù)，對應(yīng)著一個濾波器，只提取了一種特征。 Convolutional Neural Networks ? 需要提取不同的特征，可以設(shè)計多個不同的濾波器。 100個濾波器，就有 1萬多個參數(shù)。 ? 訓(xùn)練算法與傳統(tǒng)的 BP算法差不多。 應(yīng)用舉例 ? 深度學(xué)習(xí)在信號處理中的應(yīng)用對象不僅包含語音、圖像和視頻，同樣也包含文本、語言和傳遞人類可獲知的語義信息。 Hierarchical Face Parsing via Deep Learning Hierarchical Face Parsing via Deep Learning Deep Learning Shape Priors for Object Segmentation Deep Learning Shape Priors for Object Segmentation Deep Learning Shape Priors for Object Segmentation 人臉姿態(tài)映射
醫(yī)療健康相關(guān)推薦
鄂ICP備17016276號-1