卷积 神经cnn
CNN --Inception Module
Smiling & Weeping 祝你想我 在平静的湖面 不止在失控的雪山之前 说明：Inception Module 1. 卷积核超参数选择困难，自动找到卷积的最佳组合 2. 1x1卷积核，不同通道的信息融合。使用1x1卷积核可以调节通道数量，可以显著降低计算量 3. Inception Mod ......
CNN --入门MNIST识别
Smiling & Weeping 下次你撑伞低头看水洼， 就会想起我说雨是神的烟花。 简介：主要是看刘二大人的视频讲解：https://www.bilibili.com/video/BV1Y7411d7Ys/?spm_id_from=333.337.search-card.all.click 题目 ......
卷积神经网络的感受野(receptive field)
感受野 Receptive Field 卷积核输出的 feature map 特征图中某个节点对应其输入图像的区域大小即为该位置的感受野。 感受野相关的性质： 感受野越大，说明其接触的原始图像的范围越大，意味着其包含着更加全局、语义信息更丰富的特征； 感受野越小，说明其包含的特征更关注局部细节； 感 ......
math---多维随机变量函数的求法(截至目前已知的方法) 以及 卷积公式原理
前言： 感觉这里的知识有点小乱，遂浅浅整理一下 零、卷积公式法原理 https://www.bilibili.com/video/BV1mz4y1D7cW/?spm_id_from=333.788.top_right_bar_window_custom_collection.content.clic ......
R语言逻辑回归、决策树、随机森林、神经网络预测患者心脏病数据混淆矩阵可视化
全文链接:https://tecdat.cn/?p=33760 原文出处：拓端数据部落公众号 概述： 众所周知，心脏疾病是目前全球最主要的死因。开发一个能够预测患者心脏疾病存在的计算系统将显著降低死亡率并大幅降低医疗保健成本。机器学习在全球许多领域中被广泛应用，尤其在医疗行业中越来越受欢迎。机器学习 ......
深度学习入门——卷积神经网络CNN基本原理+实战
beginning今天给小伙伴们介绍一个高级的分类方法——卷积神经网络CNN，并学习用CNN实现图像的分类。作为深度学习的基础，CNN可太重要了呐，在图像分类、目标检测、目标跟踪、语义分割、实例分割等领域随处可见它的身影。废话不多说啦，如果你也对CNN感兴趣的话，赶紧跟我一起愉快的看下去叭🍭🍭� ......
结构化剪枝 之 L1 剪卷积核 笔记
论文：https://arxiv.org/pdf/1608.08710.pdf 摘要 CNN 在各种应用中的成功伴随着计算和参数存储成本的显著增加。最近减少这些开销的努力包括在不损害原始精度的情况下修剪和压缩各个层的权重。然而，基于大小的权值修剪减少了完全连接层的大量参数，并且由于修剪后的网络中的不 ......
循环卷积
P3321 [SDOI2015] 序列统计 问有多少个值域为 \([0,m-1]\) 的序列 \(A\) 满足 \(\prod_{i=1}^{n}A_i\equiv x(\operatorname{mod}m)\). 答案对 \(1004535809\) 取模。 \(1\le n\le 10^9\) ......
Python中TensorFlow的长短期记忆神经网络(LSTM)、指数移动平均法预测股票市场和可视化|附代码数据
原文链接：http://tecdat.cn/?p=23689 最近我们被客户要求撰写关于LSTM的研究报告，包括一些图形和统计输出。 本文探索Python中的长短期记忆（LSTM）网络，以及如何使用它们来进行股市预测 （ 点击文末“阅读原文”获取完整代码数据）。 在本文中，你将看到如何使用一个被称为 ......
可分离卷积(Separable Convolution)等价转换为传统卷积(Ordinary convolution)的方法,(等价转换，即最终处理效果一致)
写在前面： 可分离卷积提出的原因 卷积神经网络在图像处理中的地位已然毋庸置疑。卷积运算具备强大的特征提取能力、相比全连接又消耗更少的参数，应用在图像这样的二维结构数据中有着先天优势。然而受限于目前移动端设备硬件条件，显著降低神经网络的运算量依旧是网络结构优化的目标之一。本文所述的Separable ......
【目标检测】Fast R-CNN算法实现
一、前言 2014年，Ross Girshick提出RCNN，成为目标检测领域的开山之作。一年后，借鉴空间金字塔池化思想，Ross Girshick推出设计更为巧妙的Fast RCNN（https://github.com/rbgirshick/fast-rcnn），极大地提高了检测速度。Fast ......
16 圆角边框，阴影，狂神经验分享
狂神经验分享：不要重复造轮子，抄别人的！，比如模板之家，然后再修修改改 圆角边框： <!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <title>Title</title> <style> div{ width: 100p ......
迷走神经：探索人体最神秘的神经
1. 简介 迷走神经，或称为Vagus Nerve，是人体中最长、最复杂的神经之一。它起源于大脑，经过颈部，延伸至胸腔和腹部，涉及众多生理功能，如心跳、呼吸、消化等。它不仅仅是一个关于应激的神经，更是关于我们如何与他人互动和建立联系的关键。 3. 迷走神经在治疗中的应用 由于迷走神经与我们的应激反应 ......
功能性神经症状障碍与躯体化障碍：深入解析两者的异同
在心理医学领域，功能性神经症状障碍 (Functional Neurological Symptom Disorder, FNSD) 和躯体化障碍 (Somatization Disorder) 都是备受关注的疾病。然而，它们之间的异同点是什么呢？本文将详细探讨这两种障碍，帮助读者深入理解它们的核心 ......
神经网络案例分析
神经网络（neural network）是一种模拟人脑神经思维方式的数据模型，神经网络有多种，包括BP神经网络、卷积神经网络，多层感知器MLP等，最为经典为神经网络为多层感知器MLP（Multi-Layer Perception），SPSSAU默认使用该模型。类似其它的机器学习模型（比如决策树、随机 ......
基于CNN卷积神经网络的调制信号识别算法matlab仿真
1.算法运行效果图预览 2.算法运行软件版本 MATLAB2022A 3.算法理论概述 在无线通信系统中，调制信号的识别是一项重要的任务。通过识别接收到的信号的调制方式，可以对信号进行解调和解码，从而实现正确的数据传输和通信。卷积神经网络（Convolutional Neural Network，C ......
使用TorchLens可视化一个简单的神经网络
TorchLens：可用于可视化任何PyTorch模型，一个包用于在一行代码中提取和映射PyTorch模型中每个张量运算的结果。TorchLens功能非常强大，如果能够熟练掌握，算是可视化PyTorch模型的一把利剑。本文通过TorchLens可视化一个简单神经网络，算是抛砖引玉吧。 一.定义一个简 ......
《动手学深度学习 Pytorch版》 6.6 卷积神经网络
import torch from torch import nn from d2l import torch as d2l 6.6.1 LeNet LetNet-5 由两个部分组成： - 卷积编码器：由两个卷积核组成。 - 全连接层稠密块：由三个全连接层组成。 模型结构如下流程图（每个卷积块由一个 ......
《动手学深度学习 Pytorch版》 6.2 图像卷积
import torch from torch import nn from d2l import torch as d2l 6.2.1 互相关计算 X = torch.tensor([[0.0, 1.0, 2.0], [3.0, 4.0, 5.0], [6.0, 7.0, 8.0]]) K = t ......
《动手学深度学习 Pytorch版》 6.1 从全连接层到卷积
6.1.1 不变性 平移不变性（translation invariance）： 不管检测对象出现在图像中的哪个位置，神经网络的前面几层应该对相同的图像区域具有相似的反应，即为“平移不变性”。 局部性（locality）： 神经网络的前面几层应该只探索输入图像中的局部区域，而不过度在意图像中相隔较远 ......
WSL 炼丹报错：Could not load library libcudnn_cnn_infer.so.8. Error: libcuda.so: cannot open shared object file: No such file or directory
确认驱动没问题（nvidia-smi 可以正常使用） 解决办法参照：https://github.com/pytorch/pytorch/issues/85773#issuecomment-1288033297 内容如下： ......
CN0+CN1+CN2+…＋CNN = 2的N次方 如何理解？
关于标题所示的经典公式的理解 数学角度讲是二项式定理，证明过程不记得了 但是这个回答里看到一个非常有意思的思路，从程序员角度比较好接受 参考链接 知乎：CN0+CN1+CN2+…＋CNN如何得出等于2的N次方？ PS 疑问来源：《算法图解：第8章 贪婪算法》 8.3 集合覆盖问题一节中提到，要找出覆 ......
神经网络中，为什么使用正则化减少泛化误差？
第一、为什么使用正则化？ 简答的说，正则化就是将n向量转换为一个标量的过程。 第二、正则化的背后是拉格朗日求极值。 函数f(x,y)在约束条件下的极值，转换在神经网络中求极值，即求损失函数的最小值。那么，为了防止权重值过大，引起的泛化误差过大的缘故，所以引入了范数。 在这里，将范数比作是一个极大的雨 ......
聊聊神经网络的基础知识
来自《深度学习入门:基于Python的理论与实现》 张量 Numpy、TensorFlow、Pytorch等框架主要是为了计算张量或是基于张量计算。 标量：0阶张量；12,4,3, 向量：一阶张量；[12,4,3] 矩阵：二阶张量；[ [12,4,3], [11,2,3] ] 多阶张量：多维数组； ......
m基于Faster R-CNN网络的烟雾检测系统matlab仿真,带GUI操作界面
1.算法仿真效果 matlab2022a仿真结果如下： 2.算法涉及理论知识概要 经过R-CNN和Fast RCNN的积淀，Ross B. Girshick在2016年提出了新的Faster RCNN，在结构上，Faster RCNN已经将特征抽取(feature extraction)，propo ......
图神经网络-可以用于图结构的网络
参考资料： https://www.bilibili.com/video/BV1qj411m7GR/?p=4&spm_id_from=pageDriver&vd_source=ff67b6021530e369d0f531501fbc5a75 https://zhuanlan.zhihu.com/p/ ......
机器学习算法原理实现——神经网络反向传播，链式求导核心
记得先看之前的梯度下降文章！ 链式求导的核心来了，就高中数学知识： 代码实现： import numpy as np import matplotlib.pyplot as plt # Sigmoid 激活函数及其导数 def sigmoid(z): return 1 / (1 + np.exp(- ......
m基于CNN卷积神经网络的口罩识别系统matlab仿真,带GUI操作界面,可以检测图片和视频,统计人数
1.算法仿真效果 matlab2022a仿真结果如下： 2.算法涉及理论知识概要 CNN 由许多神经网络层组成。卷积和池化这两种不同类型的层通常是交替的。网络中每个滤波器的深度从左到右增加。最后通常由一个或多个全连接的层组成。 Convnets 背后有三个关键动机：局部感受野、共享权重和池化。 （1 ......
循环神经网络(GRU)
import torch from torch import nn from d2l import torch as d2l batch_size, num_steps = 32, 35 train_iter, vocab = d2l.load_data_time_machine(batch_siz ......