- 卷积神经网络（Convolutional Neural Network, CNN）是一种专门为处理网格化数据（如图像、视频、音频、时间序列等）设计的深度学习模型。它通过局部感受野、权重共享和层次化特征提取等机制，高效地自动学习数据中的空间层次特征（如边缘、纹理、形状、语义对象等），在计算机视觉领域（如图像分类、目标检测、语义分割）中取得了巨大成功，并逐渐扩展到自然语言处理、语音识别等领域。 ... 卷积神经网络（Convolutional Neural Network, CNN）是一种专门为处理网格化数据（如图像、视频、音频、时间序列等）设计的深度学习模型。它通过局部感受野、权重共享和层次化特征提取等机制，高效地自动学习数据中的空间层次特征（如边缘、纹理、形状、语义对象等），在计算机视觉领域（如图像分类、目标检测、语义分割）中取得了巨大成功，并逐渐扩展到自然语言处理、语音识别等领域。 ...
- 卷积神经网络（CNN）在图像识别任务中的优势源于其独特的结构和设计理念，使其成为计算机视觉领域的核心技术。 一、自动特征提取能力端到端学习CNN无需人工设计特征（如SIFT、HOG），而是通过卷积核自动从原始像素中学习局部特征（如边缘、纹理），并逐层组合成高级语义特征（如物体部件或整体结构）。这种能力显著降低了特征工程的复杂度。示例：人脸识别中，浅层提取眼睛轮廓，深层... 卷积神经网络（CNN）在图像识别任务中的优势源于其独特的结构和设计理念，使其成为计算机视觉领域的核心技术。 一、自动特征提取能力端到端学习CNN无需人工设计特征（如SIFT、HOG），而是通过卷积核自动从原始像素中学习局部特征（如边缘、纹理），并逐层组合成高级语义特征（如物体部件或整体结构）。这种能力显著降低了特征工程的复杂度。示例：人脸识别中，浅层提取眼睛轮廓，深层...
- 批归一化（Batch Normalization，BN）是卷积神经网络（CNN）中的一种关键技术，由Google于2015年提出，旨在解决深度神经网络训练中的内部协变量偏移（Internal Covariate Shift） 问题，显著加速收敛并提升模型稳定性。 一、批归一化的核心机制批归一化通过标准化每一层输入的分布（均值为0、方差为1），并引入可学习参数调整数据尺度与偏移... 批归一化（Batch Normalization，BN）是卷积神经网络（CNN）中的一种关键技术，由Google于2015年提出，旨在解决深度神经网络训练中的内部协变量偏移（Internal Covariate Shift） 问题，显著加速收敛并提升模型稳定性。 一、批归一化的核心机制批归一化通过标准化每一层输入的分布（均值为0、方差为1），并引入可学习参数调整数据尺度与偏移...
- 卷积神经网络（CNN）中的“步长”（Stride）和“填充”（Padding）是两个核心超参数，直接影响特征图的空间维度、计算效率及信息保留程度。 一、步长（Stride）1. 定义与作用定义：步长是卷积核在输入数据（如图像）上滑动时的跳跃距离。核心作用：降采样：减少特征图尺寸（如步长为2时，输出尺寸减半），降低计算量和内存占用。扩大感受野：每... 卷积神经网络（CNN）中的“步长”（Stride）和“填充”（Padding）是两个核心超参数，直接影响特征图的空间维度、计算效率及信息保留程度。 一、步长（Stride）1. 定义与作用定义：步长是卷积核在输入数据（如图像）上滑动时的跳跃距离。核心作用：降采样：减少特征图尺寸（如步长为2时，输出尺寸减半），降低计算量和内存占用。扩大感受野：每...
- 在卷积神经网络（CNN）中，卷积核大小的选择将会直接影响模型的特征提取能力、计算效率和泛化性能，这些指标。⚖️ 1. 基本原则：奇数尺寸优先奇数尺寸优势：卷积核通常为奇数（如3×3、5×5），便于确定中心锚点（Anchor Point），并实现输入输出尺寸对齐（通过padding = (k-1)/2）。若使用偶数尺寸，则无法对称填充，导致特征图边缘信息处理困难。常见尺寸... 在卷积神经网络（CNN）中，卷积核大小的选择将会直接影响模型的特征提取能力、计算效率和泛化性能，这些指标。⚖️ 1. 基本原则：奇数尺寸优先奇数尺寸优势：卷积核通常为奇数（如3×3、5×5），便于确定中心锚点（Anchor Point），并实现输入输出尺寸对齐（通过padding = (k-1)/2）。若使用偶数尺寸，则无法对称填充，导致特征图边缘信息处理困难。常见尺寸...
- 1.算法运行效果图预览(完整程序运行后无水印) 2.算法运行软件版本matlab2022a 3.部分核心程序（完整版代码包含详细中文注释和操作步骤视频） X = woa_idx;%设置网络参数 %卷积核Nfilter = floor(X(1));%8; %卷积核大小Sfilter = floor(X(2));%5; %丢失因子drops = X(3);%0.025... 1.算法运行效果图预览(完整程序运行后无水印) 2.算法运行软件版本matlab2022a 3.部分核心程序（完整版代码包含详细中文注释和操作步骤视频） X = woa_idx;%设置网络参数 %卷积核Nfilter = floor(X(1));%8; %卷积核大小Sfilter = floor(X(2));%5; %丢失因子drops = X(3);%0.025...
- 1.算法运行效果图预览(完整程序运行后无水印) 本课题所用步态数据库： 测试结果如下： 步态能量图 识别率对比 上图识别率含义是： 1.使用0度的数据库进行训练，分别测试0度，45度，90度。 2.使用45度的数据库进行训练，分别测试0度，45度，90度。 3.使用90度的数据库进行训练，分别测试0度，45度，90度。 4.使用0度，45度，90度三种样本混合进行训练，分别测试混合样... 1.算法运行效果图预览(完整程序运行后无水印) 本课题所用步态数据库： 测试结果如下： 步态能量图 识别率对比 上图识别率含义是： 1.使用0度的数据库进行训练，分别测试0度，45度，90度。 2.使用45度的数据库进行训练，分别测试0度，45度，90度。 3.使用90度的数据库进行训练，分别测试0度，45度，90度。 4.使用0度，45度，90度三种样本混合进行训练，分别测试混合样...
- 1.算法运行效果图预览(完整程序运行后无水印)2.算法运行软件版本matlab2022a/matlab2024b 3.部分核心程序（完整版代码包含详细中文注释和操作步骤视频）%设置网络参数 lgraph=func_layers2(Dims,Dimso,X); %参数设置options = trainingOptions("adam",... 'Ini... 1.算法运行效果图预览(完整程序运行后无水印)2.算法运行软件版本matlab2022a/matlab2024b 3.部分核心程序（完整版代码包含详细中文注释和操作步骤视频）%设置网络参数 lgraph=func_layers2(Dims,Dimso,X); %参数设置options = trainingOptions("adam",... 'Ini...
- 1.算法运行效果图预览(完整程序运行后无水印)2.算法运行软件版本matlab2022a/matlab2024b 3.部分核心程序（完整版代码包含详细中文注释和操作步骤视频）X = woa_idx;%设置网络参数 %卷积核Nfilter = floor(X(1));%8; %卷积核大小Sfilter = floor(X(2));%5; %丢失因子drops = X(... 1.算法运行效果图预览(完整程序运行后无水印)2.算法运行软件版本matlab2022a/matlab2024b 3.部分核心程序（完整版代码包含详细中文注释和操作步骤视频）X = woa_idx;%设置网络参数 %卷积核Nfilter = floor(X(1));%8; %卷积核大小Sfilter = floor(X(2));%5; %丢失因子drops = X(...
- 1.算法运行效果图预览(完整程序运行后无水印)2.算法运行软件版本matlab2022a 3.部分核心程序（完整版代码包含详细中文注释和操作步骤视频） figure;plot(gb1,'-bs',... 'LineWidth',1,... 'MarkerSize',6,... 'MarkerEdgeColor','k',... 'MarkerFaceColor',[0... 1.算法运行效果图预览(完整程序运行后无水印)2.算法运行软件版本matlab2022a 3.部分核心程序（完整版代码包含详细中文注释和操作步骤视频） figure;plot(gb1,'-bs',... 'LineWidth',1,... 'MarkerSize',6,... 'MarkerEdgeColor','k',... 'MarkerFaceColor',[0...
- 1.算法运行效果图预览(完整程序运行后无水印)2.算法运行软件版本matlab2022a 3.部分核心程序（完整版代码包含详细中文注释和操作步骤视频）figure;plot(gb1,'-bs',... 'LineWidth',1,... 'MarkerSize',6,... 'MarkerEdgeColor','k',... 'MarkerFaceColor',[0.... 1.算法运行效果图预览(完整程序运行后无水印)2.算法运行软件版本matlab2022a 3.部分核心程序（完整版代码包含详细中文注释和操作步骤视频）figure;plot(gb1,'-bs',... 'LineWidth',1,... 'MarkerSize',6,... 'MarkerEdgeColor','k',... 'MarkerFaceColor',[0....
- 1.算法运行效果图预览(完整程序运行后无水印)2.算法运行软件版本matlab2022a 3.部分核心程序（完整版代码包含详细中文注释和操作步骤视频）figure;plot(gb1,'-bs',... 'LineWidth',1,... 'MarkerSize',6,... 'MarkerEdgeColor','k',... 'MarkerFaceColor',[0.... 1.算法运行效果图预览(完整程序运行后无水印)2.算法运行软件版本matlab2022a 3.部分核心程序（完整版代码包含详细中文注释和操作步骤视频）figure;plot(gb1,'-bs',... 'LineWidth',1,... 'MarkerSize',6,... 'MarkerEdgeColor','k',... 'MarkerFaceColor',[0....
- 1.算法运行效果图预览(完整程序运行后无水印)2.算法运行软件版本MATLAB2022a 3.部分核心程序（完整版代码包含详细中文注释和操作步骤视频） figureplot(Error2,'linewidth',2);grid onxlabel('迭代次数');ylabel('遗传算法优化过程');legend('Average fitness'); [V,I] = min(JJ);X ... 1.算法运行效果图预览(完整程序运行后无水印)2.算法运行软件版本MATLAB2022a 3.部分核心程序（完整版代码包含详细中文注释和操作步骤视频） figureplot(Error2,'linewidth',2);grid onxlabel('迭代次数');ylabel('遗传算法优化过程');legend('Average fitness'); [V,I] = min(JJ);X ...
- 1.算法运行效果图预览(完整程序运行后无水印)2.算法运行软件版本matlab2022a 3.部分核心程序（完整版代码包含详细中文注释和操作步骤视频）FieldD = [rep([10],[1,Nums]);Areas;rep([0;0;0;0],[1,Nums])]; gen = 0;Js = 0.5*rand(NIND,1);Objv = (Js+eps);gen = 0... 1.算法运行效果图预览(完整程序运行后无水印)2.算法运行软件版本matlab2022a 3.部分核心程序（完整版代码包含详细中文注释和操作步骤视频）FieldD = [rep([10],[1,Nums]);Areas;rep([0;0;0;0],[1,Nums])]; gen = 0;Js = 0.5*rand(NIND,1);Objv = (Js+eps);gen = 0...
- 1.算法运行效果图预览(完整程序运行后无水印)其整体性能优于基于GA遗传优化TCN时间卷积神经网络时间序列预测算法matlab仿真-CSDN博客 2.算法运行软件版本matlab2022a 3.部分核心程序（完整版代码包含详细中文注释和操作步骤视频）while gen < MAXGEN gen Pe0 = 0.999; pe1 = 0.001; F... 1.算法运行效果图预览(完整程序运行后无水印)其整体性能优于基于GA遗传优化TCN时间卷积神经网络时间序列预测算法matlab仿真-CSDN博客 2.算法运行软件版本matlab2022a 3.部分核心程序（完整版代码包含详细中文注释和操作步骤视频）while gen < MAXGEN gen Pe0 = 0.999; pe1 = 0.001; F...
上滑加载中
推荐直播
-
码道新技能，AI 新生产力——从自动视频生成到开源项目解析2026/04/08 周三 19:00-21:00
童得力-华为云开发者生态运营总监/何文强-无人机企业AI提效负责人
本次华为云码道 Skill 实战活动，聚焦两大 AI 开发场景：通过实战教学，带你打造 AI 编程自动生成视频 Skill，并实现对 GitHub 热门开源项目的智能知识抽取，手把手掌握 Skill 开发全流程，用 AI 提升研发效率与内容生产力。
回顾中 -
华为云码道：零代码股票智能决策平台全功能实战2026/04/18 周六 10:00-12:00
秦拳德-中软国际教育卓越研究院研究员、华为云金牌讲师、云原生技术专家
利用Tushare接口获取实时行情数据，采用Transformer算法进行时序预测与涨跌分析，并集成DeepSeek API提供智能解读。同时，项目深度结合华为云CodeArts（码道）的代码智能体能力，实现代码一键推送至云端代码仓库，建立起高效、可协作的团队开发新范式。开发者可快速上手，从零打造功能完整的个股筛选、智能分析与风险管控产品。
回顾中 -
华为云码道全新升级，多会话并行与多智能体协作2026/05/08 周五 19:00-21:00
王一男-华为云码道产品专家；张嘉冉-华为云码道工程师；胡琦-华为云HCDE；程诗杰-华为云HCDG
华为云码道4月份版本全新升级，此次直播深度解读4月份产品特性，通过“特性解读+实操演示+实战案例+设计创新”的组合，全方位展现码道在多会话并行与多智能体协作方面的能力，赋能开发者提升效率
正在直播
热门标签