卷积神经网络（英語：convolutional neural network，縮寫：CNN）是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。 卷积神经网络由一个或多个卷积层和顶端的全连通层（对应经典的神经网络）组成，同时也包括关联权重和池化层（pooling...

神经网络（neural network）是在动物、人类或计算机系统中形成神经系统结构的神经元互联群或神经元模拟，可能指： 神经回路（neural circuit），是由生物的神经元、细胞、触点等组成的神经网络。 动物神经网（nerve net），是一种径向对称的生物神经系统。 人工神经网络（artificial...

神经科学，并松散地建立在類似神经系统中的信息处理和对通信模式的理解上，如神经编码，试图定义拉動神经元的反应之间的关系以及大脑中的神经元的电活动之间的关系。 至今已有數种深度学习框架，如深度神经网络、卷积神经网络和深度置信网络（英语：Deep belief network）和循环神经网络...

残差神经网络由何恺明、张祥雨、任少卿和孙剑开发，这一成果在2015年的ImageNet大规模视觉识别挑战赛中夺冠。 2012年，针对ImageNet竞赛开发的AlexNet模型是一个包含8层的卷积神经网络。到了2014年，牛津大学的视觉几何组（VGG）通过叠加3x3卷积层将网络深度增加到了19层。...

018年图灵奖得主，他在机器学习、计算机视觉、移动机器人（英语：Mobile robot）和計算神經科學等领域都有很多贡献。他最著名的工作是在光学字符识别和计算机视觉上使用卷积神经网络，他也被称为卷积网络之父。他同莱昂·博图（英语：Léon Bottou）和帕特里克·哈夫纳（Patrick...

U-Net是弗赖堡大学计算机科学系为生物医学图像分割开发的卷积神经网络。其基于完全卷积网络，并在结构上加以修改与扩展，使得它可以用更少的训练图像产生更精确的分割。在现代GPU上，分割一张512×512的图像需要的时间不到一秒。 U-Net架构已经在扩散模型中采用，用于迭代式图像去噪音。这种技术位于很...

Sors等人 提出应用于睡眠分期的一维卷积网络。在每一卷积层中，都包含了卷积操作和池化操作。其中，卷积层负责提取图像中的局部特征；池化层用来大幅降低参数量级；全连接层类似传统神经网络的部分，用来输出想要的结果 。相比其他神经网络模型，卷积网络的特征提取能力更强，而且相对易于训练。CNN也是最先应用于脑电信号领域的深度学习模型。...

人工神经网络（英語：artificial neural network，ANNs）又称类神经网络，简称神经网络（neural network，NNs），在机器学习和认知科学领域，是一种模仿生物神经网络（动物的中樞神經系統，特别是大脑）的结构和功能的数学模型或计算模型，用于对函数进行估计或近似。神经网络...

循环神经网络（Recurrent neural network：RNN）是神經網絡的一種。单纯的RNN因为无法处理随着递归，权重指数级爆炸或梯度消失问题，难以捕捉长期时间关联；而结合不同的LSTM可以很好解决这个问题。 时间循环神经网络可以描述动态时间行为，因为和前馈神经网络（feedforward...

全连接层（Fully Connected Layer）是多层感知器应用在卷积神经网络中的多种组件之一。在深度学习领域中，用于分类任务的卷积神经网络模型的网络结构的最后几层往往是全连接层，用于将从该层之前的几个特征抽取层获得的特征表达向量映射到下一层，或者映射到最终的softmax层。...

Entropy）等熵。 人工神经网络（ANN）已有用在腦電圖的分類上。大部份的應用中，腦電圖資料在進入神经网络分析前，需要經過小波轉換的前處理。一度也很常會使用循环神经网络（RNN）在人工神经网络的腦電圖分析上。一直到深度学习以及卷积神经网络（CNN）興起後，卷积神经网络...

N=1024,M=600} ，所需總乘法量：快速傅立葉轉換 = 分段卷積<直接計算。故，此時選擇使用分段卷積來計算卷積最適合。 卷积在科学、工程和数学上都有很多应用： 代数中，整数乘法和多项式乘法都是卷积。 卷积神经网络应用了多重级联的卷积核心（英语：Kernel (image...

27%的错误率，提升了之前的最佳成绩。2013年，一种基于DropConnect正则化神经网络的方法声称实现了0.21%的错误率。2016年，单个卷积神经网络在MNIST上的最佳性能为0.25%的错误率。截至2018年8月，使用MNIST训练数据、没有数据增强的单个卷积神经网络的最佳性能为0.25%的错误率。此外，乌克兰赫梅尔尼茨基的并行计算中心（Parallel...

3年引入了所谓的弹性失真（英语：Elastic deformation），到了2010年代，这些技术被广泛采用。数据增强可以提升卷积神经网络的性能，并且作为对抗卷积神经网络分析攻击的一种对策。 数据增强在图像分类中已成为一种基础工具，用来丰富训练数据集的多样性，以提升模型的泛化能力和性能。几何变换、...

0开始。 Keras包含许多常用神经网络构建块的实现，例如层、目标、激活函数、优化器和一系列工具，可以更轻松地处理图像和文本数据。其代码托管在GitHub上，社区支持论坛包括GitHub的问题页面和Slack通道。 除标准神经网络外，Keras还支持卷积神经网络和循环神经网络。其他常见的实用公共层支持有Dropout、批量归一化和池化层等。...

AlexNet是一个卷积神经网络，由亚历克斯·克里泽夫斯基设计，与伊尔亚·苏茨克维和克里泽夫斯基的博士导师杰弗里·辛顿共同发表。 AlexNet参加了2012年9月30日举行的ImageNet大规模视觉识别挑战赛，达到最低的15.3%的Top-5错误率，比第二名低10...

早期的尝试，例如英特尔的ETANN 80170NX，采用了模拟电路来计算神经函数。 后来的全数字芯片，如Nestor/Intel Ni1000，紧随其后。早在1993年，数字信号处理器就被用作神经网络加速器，以加速光学字符识别软件。 到1988年，张伟等人已经讨论了用于字母识别的卷积神经网络的快速光学实现。...

。 waifu2x的核心是一个用于超解析度成像的卷积神经网络(SRCNN)。它使用了NVIDIA CUDA技术，但也能使用OpenCL和Vulkan來執行演算。 区别于传统的插值拉伸等放大方法，waifu2x采用了经过训练的深度卷积神经网络进行图像放大，针对性地解决了其他放大方法在放大动漫风格...

层，或层次，是深度学习模型模型架构中的一种结构或網路拓撲，它从上一层获取信息，然后将信息传递给下一层。深度学习中有几个著名的层，即卷积神经网络中的卷积层和最大池化层。基本神经网络中的全连接层和ReLU层。循環神經網路中的RNN层和自动编码器中的解卷积层等。 深度學習與新皮質的分層方式有本質上的分別：深度學習的分層取決於網路拓撲，新皮質的分層取決於層內的同質性。...

2020年，Transformer架构（更具体地说是GPT-2）被证明可以通过微调执行下象棋的任务。Transformer模型也已应用于图像处理，其结果可与卷积神经网络相媲美。 Transformer模型已在TensorFlow、PyTorch等标准深度学习框架中实现。 Transformers是由Hugging...

在人工神经网络的数学理论中， 通用近似定理（或稱萬能近似定理）指出人工神經網络近似任意函數的能力。 通常此定理所指的神經網路爲前饋神經網路，並且被近似的目標函數通常爲輸入輸出都在歐幾里得空間的連續函數。但亦有研究將此定理擴展至其他類型的神經網路，如卷積神經網路、放射狀基底函數網路、或其他特殊神經網路。...

在計算機科學中，卷積深度信念網絡（英語：convolutional deep belief network；CDBN）是一種深度人工神經網絡，由多層卷積受限玻爾茲曼機堆疊在一起組成。它是一種用於深度學習的分層生成模型，在圖像處理和物件識別（英语：Outline of object...

网络进行约45亿次自动翻译。彭博商业周刊写道：“这些能力使得LSTM成为最具商业化的AI成就，应用于预测疾病和创作音乐等方方面面。” 2011年，施密德胡伯在IDSIA的团队与他的博士后丹·奇雷尚（Dan Ciresan）在快速并行计算机（GPU）上实现了卷积神经网络...

2017年4月，Facebook发布Caffe2，加入了循环神经网络等新功能。2018年3月底，Caffe2并入PyTorch。 深度学习软件比较（英语：Comparison of deep learning software） 卷积神经网络 深度学习 机器学习 Release 1.0. 2017年4月18日...

神经网络上执行，也可以仅在其部分层上执行，此时未进行微调的层会被“冻结”（在反向传播步骤中不更新）。模型还可以通过“适配器”进行增强，适配器的参数远少于原始模型，通过调整适配器的权重并保持模型的其余权重不变的方式，以参数有效的方式进行微调。 对于一些体系结构，比如卷积神经网络...

华盛顿大学和香港科技大学等研究机构的支持。 Apache MXNet是一个极简、灵活、可扩展的深度学习框架，支持深度学习模型，包括卷积神经网络（CNN）和长短期记忆网络（LSTM）。 MXNet分布于动态云基础架构上，使用分布式参数服务器（基于卡内基·梅隆大学、百度和Google），并且可以使用多GPU或多CPU实现近乎线性的扩展。...

ub托管，并在谷歌小组上设有支持论坛。  这一框架是可组合的，即受限玻尔兹曼机、卷积网络、自动编码器、递归网络等浅层神经网络可以相互叠加，组合成不同类型的深度网络。 Deeplearning4j的定型以集群进行。神经网络通过迭代化简平行定型，可以在Hadoop/YARN以及Spark上运行。Deep...

事機器學習的研究。他是OpenAI的聯合創始人及首席科學家。 蘇茨克維對深度學習領域做出多項重大貢獻。他與亞歷克斯·克里澤夫斯基和杰弗里·辛顿是卷積神經網絡AlexNet的共同發明人。他也是AlphaGo論文的眾多作者之一。 2000年至2002年期間，蘇茨克維在就讀於以色列開放大學。2002年，他...

计算语言学——跨学科研究领域 计算数学 计算神经科学 计算数论 计算统计学 计算机科学——研究信息和計算的理論基礎 计算机视觉——從影像中擷取可電腦化的資訊 联结主义 约束编程 构造语言 控制理论——数学或工程学分支领域 卷积神经网络——人工神經網絡 交叉（遗传算法） CUDA——NVIDIA所推出的一種軟硬體整合技術...

在深度神经网络 (DNN) 的紧凑性和适用性方面进行了重要研究。 他提出了轻量级 DNN 的概念和架构。 他的团队发明了 HashedNets 架构，该架构使用权重共享方案将超大规模 DNN 压缩成更小的网络。 还开发了一种用于卷积神经网络 (CNN) 的压缩框架。...

人工神经网络 深度学习框架比较（英语：Comparison of deep learning frameworks） 深度学习软件比较（英语：Comparison of deep learning software） 深度学习 机器学习 卷积神经网络 Credits. [2015-11-10]...