·
搜索结果:找到“卷积神经网络”相关结果116547条
排序: 按相关 按相关 按时间降序
  • 【专利】 卷积神经网络

    摘要:本文公开了实现更有效和更少资源密集的CNN的系统和方法。具体而言,公开了使用采样模拟技术(SAT)方法在CNN在模拟领域中的应用。与具有数字逻辑和存储器的CNN设计相比,在SAT中使用CNN设计可降低功耗和运行速度。带有SAT的CNN设计的低功耗使传感器设备能够以非常低的功率检测功能,以实现隔离操作。
  • 【期刊】 浅谈卷积神经网络

    刊名:黑龙江科技信息 作者:景国秀 关键词:卷积神经网络 ; 矩阵分析 ; 结构 机构:西安思源学院 ; 西安思源学院 年份:2017
    摘要:卷积神经网络,顾名思义就是由若干卷积层组成网络,而每层卷积层都由若干卷积核组成.其运作原理分为以下几步:将一副原始图像输入网络,网络的底层卷积核对图像进行卷积操作,而处理后的结果被称为特征图,意为由卷积核提取出来的图像特征;而后,该层卷积核组成的特征图作为下一层卷积层的输入依次进行特征提取.通过上述步骤的多次重复,即可以将图像的初始特征逐渐抽象、深化,最终演变成利于网络进行分类的特征.
  • 【期刊】 卷积神经网络综述

    刊名:计算机时代 作者:刘健 ; 袁谦 ; 吴广 ; 喻晓 关键词:卷积神经网络 ; 深度学习 ; 网络结构 ; 训练方法 机构:浙江省电子信息产品检验所 ; 浙江省电子信息产品检验所 年份:2018
    摘要:卷积神经网络作为深度学习的一种经典而广泛应用的结构,克服了过去人工智能中被认为难以解决的一些问题。卷积神经网络的局部连接、权值共享及下采样操作等特性使之可以有效地降低网络的复杂度,减少训练参数的数目,使模型对平移、扭曲、缩放具有一定程度的不变性,并具有强鲁棒性和容错能力,也易于训练和优化。文章介绍了卷积神经网络的训练方法,开源工具,及在图像分类领域中的一些应用,给出了卷积神经待解决的问题及展望。
  • 【期刊】 卷积神经网络综述

    刊名:中原工学院学报 作者:张庆辉 ; 万晨霞 关键词:卷积神经网络 ; 神经网络 ; 图像识别 ; 网络结构 机构:河南工业大学信息科学与工程学院 ; 河南工业大学信息科学与工程学院 年份:2017
    摘要:归纳总结国内外卷积神经网络的结构,分析卷积神经网络的基本原理,阐述卷积神经网络在图像识别中的相关应用及取得的最新研究成果,指出了卷积神经网络在图像识别应用中存在的不足以及未来的发展方向.
  • 【期刊】 卷积神经网络综述

    刊名:中国科技纵横 作者:雷慧静 关键词:卷积神经网络 ; 深度学习 ; 有监督学习 ; 网络结构 ; 图像识别 机构:大连民族大学 ; 大连民族大学 年份:2018
    摘要:随着我们生活中需要处理的数据量越来越大,深度学习作为处理数据的方式之一也在飞速的发展,如今已在图像识别、目标检测、目标追踪等多个方面取得突破性研究成果.卷积神经网络作为常见的深度网络之一也得到了研究人员的重视.本文主要介绍了卷积神经网络的起源与发展,对卷积神经网络的基本构成及算法进行了探讨,概述了近期在卷积神经网络上的突破与最新研究成果,及其在未来发展中的优势和劣势的分析.
  • 【期刊】 浅谈卷积神经网络

    刊名:数码世界 作者:索琰琰 ; 吴昊 ; 李娆 ; 冯成 ; 孟令凯 ; 苑海朝 关键词:卷积神经网络 ; 基本结构 ; 迁移学习 ; 复用层训练 机构:河北农业大学理工学院 ; 河北农业大学理工学院 年份:2018
    摘要:近几年,随着科技的进步,卷积神经网络在图像处理、语言识别、人脸识别等方面取得了重大的研究成果.本文首先介绍了卷积神经网络的基础结构,分析了其基本原理,然后着重对其局部感知结构、迁移学习、权值共享和多卷积核四个特点做了较为详细的归纳和分析,简述了复用层的训练方法.最后论述了关于卷积神经网络的应用以及目前仍存在的问题和对未来研究成果的期望.
  • 【期刊】 浅析卷积神经网络

    刊名:科学技术创新 作者:范哲 关键词:神经网络 ; 卷积 ; 图像 机构:武警湖北总队信息化处 ; 武警湖北总队信息化处 年份:2017
    摘要:深度学习目前成为了计算机科学领域最热门的技术,在图像处理领域,基于卷积神经网络的图像识别得到了深入的研究,本文介绍了卷积神经网络的基本概念、结构.
  • 【期刊】 卷积神经网络概述

    刊名:中国新通信 作者:侯宇昆 机构:北方民族大学 ; 北方民族大学 年份:2017
    摘要:一、引言 目前,卷积神经网络(Convolutional Neural Networks, CNN)已成为图像、文本、语音识别等领域的研究热点之一.20世纪60年代,Hubel和Wiesel在研究猫脑皮层中发现了用于局部敏感和方向选择的神经元结构,卷积神经网络就是在此生物学的基础上发展而来的.
  • 【会议】 多级卷积神经网络

    作者:唐业辉 ; 许超 ; 郭天宇 ; 王云鹤 关键词:卷积神经网络 ; 多级网络 ; 深度学习 ; 图像识别 机构:北京大学信息科学与技术学院 ; 北京大学信息科学与技术学院 年份:2018
    摘要:传统单网络结构的卷积神经网络缺乏针对性,通过增大模型容量的方式提高准确率,必然以大幅增加参数量和计算量为代价。提出的多级卷积神经网络通过使用针对性的次级网络修正主网络来提高模型准确率,各级网络共享大部分参数并拥有各自的任务针对性参数,增加网络级次只增加少量参数。训练时各级网络单独训练;训练完成后,通过融合层在网络内部融合各级网络并微调参数,测试时多级网络只需推断一次,计算量接近单级网络。在CIFAR数据集上的实验显示,多级卷积神经网络可以在不显著增加参数量和计算量的前提下大幅提高模型准确率。
  • 【期刊】 卷积神经网络算法研究

    刊名:文理导航·教育研究与实践 作者:姜禹尧 关键词:卷积神经网络 ; 人工智能 ; 神经网络 机构:江苏省南京第一中学 ; 江苏省南京第一中学 年份:2018
    摘要:随着人工智能的不断发展,神经网络作为人工智能的重点算法,是当下的研究热点和重点.本文首先明确了神经网络的定义,介绍了BP神经网络的算法,在传统网络的基础上研讨了卷积神经网络的网络结构,而且总结了卷积神经网络在图像识别中的运用.笔者通过对神经网络的系统研究,加深了对神经网络的理解,支持神经网络算法的后续研究.
  • 【期刊】 卷积神经网络研究综述

    刊名:计算机学报 作者:周飞燕 ; 金林鹏 ; 董军 关键词:卷积神经网络 ; 深度学习 ; 网络结构 ; 训练方法 ; 领域数据 机构:中国科学院苏州纳米技术与纳米仿生研究所 ; 中国科学院苏州纳米技术与纳米仿生研究所 ; 中国科学院大学 ; 中国科学院苏州纳米技术与纳米仿生研究所 年份:2017
    摘要:作为一个十余年来快速发展的崭新领域,深度学习受到了越来越多研究者的关注,它在特征提取和建模上都有着相较于浅层模型显然的优势.深度学习善于从原始输入数据中挖掘越来越抽象的特征表示,而这些表示具有良好的泛化能力.它克服了过去人工智能中被认为难以解决的一些问题.且随着训练数据集数量的显著增长以及芯片处理能力的剧增,它在目标检测和计算机视觉、自然语言处理、语音识别和语义分析等领域成效卓然,因此也促进了人工智能的发展.深度学习是包含多级非线性变换的层级机器学习方法,深层神经网络是目前的主要形式,其神经元间的连接模式受启发于动物视觉皮层组织,而卷积神经网络则是其中一种经典而广泛应用的结构.卷积神经网络的局部连接、权值共享及池化操作等特性使之可以有效地降低网络的复杂度,减少训练参数的数目,使模型对平移、扭曲、缩放具有一定程度的不变性,并具有强鲁棒性和容错能力,且也易于训练和优化.基于这些优越的特性,它在各种信号和信息处理任务中的性能优于标准的全连接神经网络.该文首先概述了卷积神经网络的发展历史,然后分别描述了神经元模型、多层感知器的结构.接着,详细分析了卷积神经网络的结构,包括卷积层、池化层、全连接层,它们发挥着不同的作用.然后,讨论了网中网模型、空间变换网络等改进的卷积神经网络.同时,还分别介绍了卷积神经网络的监督学习、无监督学习训练方法以及一些常用的开源工具.此外,该文以图像分类、人脸识别、音频检索、心电图分类及目标检测等为例,对卷积神经网络的应用作了归纳.卷积神经网络与递归神经网络的集成是一个途径.为了给读者以尽可能多的借鉴,该文还设计并试验了不同参数及不同深度的卷积神经网络来分析各参数间的相互关系及不同参数设置对结果的影响.最后,给出了卷积神经网络及其应用中待解决的若干问题.
  • 【期刊】 一种卷积神经网络实现

    刊名:电脑迷 作者:黄飞龙 关键词:卷积神经网络 ; 手写数字检测 机构:中国电子科学研究院 ; 中国电子科学研究院 年份:2017
    摘要:卷积神经网络(Convolutional Neural Networks-简称CNN)是人工神经网络的一种,由于其具有结构简单、训练参数少、适应性强、效率高等特点,在模式识别、图像处理等领域得到了广泛的应用.本文从CNN的发展历史开始,对其网络结构、神经元模型和训练方法进行了简要描述.在此基础上,实现了一个使用Java语言实现的CNN算法,并给出了算法的的程序框架与代码实现,该算法可以在不使用任何类库的情况下对MINIST手写数字数据集进行分析识别,达到了较高的准确率.
上一页 1 2 3 4 5 6 7 8 9 10 下一页 跳转