- 目录 M-P模型 Hebb学习规则 Rosenblatt感知器 Minsky的打击 复兴时期！ 深度学习的突破 M-P模型 1943年神经元解剖学家McCulloch和数学天才Pitts发表文章提出神经元的数学描述和结构神经元遵循“全或无”原则证明了只要足够的简单神经元，在相互连接并同步运行的情况下，可以模拟任何计算函数开创工作被认为是人工神经网... 目录 M-P模型 Hebb学习规则 Rosenblatt感知器 Minsky的打击 复兴时期！ 深度学习的突破 M-P模型 1943年神经元解剖学家McCulloch和数学天才Pitts发表文章提出神经元的数学描述和结构神经元遵循“全或无”原则证明了只要足够的简单神经元，在相互连接并同步运行的情况下，可以模拟任何计算函数开创工作被认为是人工神经网...
- 目录 人工神经网络-->>神经元 人工神经网络（ANN） 神经元仿生：单层感知器 性能评估函数： MATLAB实际操作实例 人工神经网络-->>神经元 人工神经网络（ANN） 是迄今为止几乎最为成功的仿生学数学模型，是机器学习领域的热点，符合智能化机器的时代潮流有统一的模型框架，很多算法问题可以归为神经网络系统学习问题加以解决（SVM支持向量机... 目录 人工神经网络-->>神经元 人工神经网络（ANN） 神经元仿生：单层感知器 性能评估函数： MATLAB实际操作实例 人工神经网络-->>神经元 人工神经网络（ANN） 是迄今为止几乎最为成功的仿生学数学模型，是机器学习领域的热点，符合智能化机器的时代潮流有统一的模型框架，很多算法问题可以归为神经网络系统学习问题加以解决（SVM支持向量机...
- 目录 神经网络基础： 神经网络进阶： 深度学习网络： 神经网络应用： 深度学习落地实现： 神经网络基础： 单层感知器线性神经网络BP 神经网络Hopfields神经网络径向基神经网络PCA和SVM 神经网络进阶： 自编码器稀疏自编码器玻尔兹曼机受限玻尔兹曼机递归神经 网络自组织竞争神经网络 深度学习网络： 深度置信网络卷积神经网络 深度残差网络 神经网络... 目录 神经网络基础： 神经网络进阶： 深度学习网络： 神经网络应用： 深度学习落地实现： 神经网络基础： 单层感知器线性神经网络BP 神经网络Hopfields神经网络径向基神经网络PCA和SVM 神经网络进阶： 自编码器稀疏自编码器玻尔兹曼机受限玻尔兹曼机递归神经 网络自组织竞争神经网络 深度学习网络： 深度置信网络卷积神经网络 深度残差网络 神经网络...
- 目录 1. 基于阈值的目标提取 1.1 二值化处理 1.2 阈值的确定 模态法 阈值确定其他方法 大津法 2. 基于颜色的目标提取 2.1 色相、亮度、饱和度 2.2颜色分量和组合处理 比如让你提取一幅照片中的苹果，还有可能遮挡 比如让你提取绿色的麦苗，如何使用二值图像呢？ 3. 基于差分目标提取 3.1 帧间差分 3.2 背景差分 1.... 目录 1. 基于阈值的目标提取 1.1 二值化处理 1.2 阈值的确定 模态法 阈值确定其他方法 大津法 2. 基于颜色的目标提取 2.1 色相、亮度、饱和度 2.2颜色分量和组合处理 比如让你提取一幅照片中的苹果，还有可能遮挡 比如让你提取绿色的麦苗，如何使用二值图像呢？ 3. 基于差分目标提取 3.1 帧间差分 3.2 背景差分 1....
- 1 基本概念 Cover和Hart在1968年提出了最初的临近算法 分类算法classfication 输入基于实例的学习instance-based learning ,懒惰学习lazy learning 2 例子： 对最后一个未知电影类型进行归类 对上图实例进行转化为特征向... 1 基本概念 Cover和Hart在1968年提出了最初的临近算法 分类算法classfication 输入基于实例的学习instance-based learning ,懒惰学习lazy learning 2 例子： 对最后一个未知电影类型进行归类 对上图实例进行转化为特征向...
- 目录 Robust Lane Detection from Continuous Driving Scenes Using Deep Neural Networks 1. 摘要 2. 主要贡献 3. 算法流程 3.1 网络概述 3.2 网络设计 3.2.1 LSTM网络 3.2.2 编码-解码网络 3.2.3 网络训练 4. 结果展示 4.1 数据集 ... 目录 Robust Lane Detection from Continuous Driving Scenes Using Deep Neural Networks 1. 摘要 2. 主要贡献 3. 算法流程 3.1 网络概述 3.2 网络设计 3.2.1 LSTM网络 3.2.2 编码-解码网络 3.2.3 网络训练 4. 结果展示 4.1 数据集 ...
- 论文地址：https://arxiv.org/pdf/2004.10934.pdf GitHub地址：https://github.com/AlexeyAB/darknet 觉得作者很地道，论文附上开源，没有比这更开心的事情了吧！ 首先附上对论文总结的思维导图，帮助大家更好的理解！ （思维导图和论文译文PDF均可在【计算机视觉联盟】后台回复yolov4获取） ... 论文地址：https://arxiv.org/pdf/2004.10934.pdf GitHub地址：https://github.com/AlexeyAB/darknet 觉得作者很地道，论文附上开源，没有比这更开心的事情了吧！ 首先附上对论文总结的思维导图，帮助大家更好的理解！ （思维导图和论文译文PDF均可在【计算机视觉联盟】后台回复yolov4获取） ...
- 作者：变胖是梦想2014 来源链接：https://www.jianshu.com/p/22151f39b50c 目录 CVPR-2018 references CVPR-2017 references ICCV-2017 references ECCV-2018 references CVPR-2018 1.CodeSlam:对单目sla... 作者：变胖是梦想2014 来源链接：https://www.jianshu.com/p/22151f39b50c 目录 CVPR-2018 references CVPR-2017 references ICCV-2017 references ECCV-2018 references CVPR-2018 1.CodeSlam:对单目sla...
- 目录 总述： 1. Word2Vec的两种网络结构 1.1 输入层 1.2 映射层 1.3 输出层 1.4 神经网络的权重 2. Word2Vec与LDA的区别和联系 2.1 主题模型与词嵌入方法 总述： Word2Vec是2013年谷歌提出来目前最为常用的词嵌入模型之一。 Word2Vec是一种浅层的神经网络模型，包含有两种网络结构：CBOW（Co... 目录 总述： 1. Word2Vec的两种网络结构 1.1 输入层 1.2 映射层 1.3 输出层 1.4 神经网络的权重 2. Word2Vec与LDA的区别和联系 2.1 主题模型与词嵌入方法 总述： Word2Vec是2013年谷歌提出来目前最为常用的词嵌入模型之一。 Word2Vec是一种浅层的神经网络模型，包含有两种网络结构：CBOW（Co...
- 今天无意间学习东西看到了GNN，所以将最近感觉不错的进行总结，后续再补充吧 图神经网络论文收集GitHub https://github.com/PeijiYang/GNNPapers 几种图神经网络方法总结（Graph Neural Network） https://blog.csdn.net/r1254/article/details/88343349 斯坦福的... 今天无意间学习东西看到了GNN，所以将最近感觉不错的进行总结，后续再补充吧 图神经网络论文收集GitHub https://github.com/PeijiYang/GNNPapers 几种图神经网络方法总结（Graph Neural Network） https://blog.csdn.net/r1254/article/details/88343349 斯坦福的...
- 机器学习是人工智能AI研究发展到一定阶段的必然产物！ 二十世纪五十年代~七十年代初，“推理期”：机器的只能体现在具有逻辑推理能力。 二十世纪七十年代中期开始，AI进入“知识期”，希望机器能够自己学习！ 其实，图灵1950年就曾提到过机器学习的可能 五十年代中后期，基于神经网络的“连接主义”学习开始，比如：感知机 六七十年代，基于逻辑表示的“ ”符号主义学习发展， ... 机器学习是人工智能AI研究发展到一定阶段的必然产物！ 二十世纪五十年代~七十年代初，“推理期”：机器的只能体现在具有逻辑推理能力。 二十世纪七十年代中期开始，AI进入“知识期”，希望机器能够自己学习！ 其实，图灵1950年就曾提到过机器学习的可能 五十年代中后期，基于神经网络的“连接主义”学习开始，比如：感知机 六七十年代，基于逻辑表示的“ ”符号主义学习发展， ...
- 我正在参与CSDN200进20，希望得到您的支持，扫码续投票5次。感谢您！ （为表示感谢，您投票后私信我，我把我总结的人工智能手推笔记和思维导图发送给您，感谢！） 新一代人工智能院士高峰论坛2019年12月在鹏程实验室召开，有幸参与其中学习。对部分内容进行总结 部分内容参考网络，本文为学习笔记 记录。 中国科学院院士、美国科学院外籍院士蒲慕明带来了主题为《脑科学... 我正在参与CSDN200进20，希望得到您的支持，扫码续投票5次。感谢您！ （为表示感谢，您投票后私信我，我把我总结的人工智能手推笔记和思维导图发送给您，感谢！） 新一代人工智能院士高峰论坛2019年12月在鹏程实验室召开，有幸参与其中学习。对部分内容进行总结 部分内容参考网络，本文为学习笔记 记录。 中国科学院院士、美国科学院外籍院士蒲慕明带来了主题为《脑科学...
- Classification Densely Connected Convolutional Networks [Paper] Gao Huang, Zhuang Liu, Laurens van der Maaten, Kilian Q. Weinberger, arXiv:1608.06993. Microsoft (Deep Residual Learning)... Classification Densely Connected Convolutional Networks [Paper] Gao Huang, Zhuang Liu, Laurens van der Maaten, Kilian Q. Weinberger, arXiv:1608.06993. Microsoft (Deep Residual Learning)...
- 项目链接： https://github.com/Prodicode/ann-visualizer?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more A python library for visualizing Artificial Neural Networks (ANN) 如何安装 Fro... 项目链接： https://github.com/Prodicode/ann-visualizer?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more A python library for visualizing Artificial Neural Networks (ANN) 如何安装 Fro...
- 说说早期目标检测---------ssd那些事 前言论文地址githubssd的优点学习前言a[::-1]ssd---anchor SSD代码讲解1.预测部分获得预测结果预测框解码 2.训练部分真实框编码loss值计算 总结 前言 在2015年的时候，ssd作为一匹黑马杀出，他的贡献给深度学习one-stage开辟新纪元。今天我来讲解下我半... 说说早期目标检测---------ssd那些事 前言论文地址githubssd的优点学习前言a[::-1]ssd---anchor SSD代码讲解1.预测部分获得预测结果预测框解码 2.训练部分真实框编码loss值计算 总结 前言 在2015年的时候，ssd作为一匹黑马杀出，他的贡献给深度学习one-stage开辟新纪元。今天我来讲解下我半...
上滑加载中
推荐直播
-
AI编码实干派，“码”力全开2026/02/26 周四 15:00-16:30
谈宗玮/于邦旭/丁俊卿/陈云亮/王一男
【中国，深圳，2026年2月26日】，以“AI编码实干派，码力全开”为主题的华为云码道（CodeArts）代码智能体新春发布会在线上成功召开。华为云码道公测版正式发布，为开发者和企业提供具备工程化能力的智能编码解决方案。
回顾中 -
华为云码道-玩转OpenClaw，在线养虾2026/03/11 周三 19:00-21:00
刘昱，华为云高级工程师/谈心，华为云技术专家/李海仑，上海圭卓智能科技有限公司CEO
OpenClaw 火爆开发者圈，华为云码道最新推出 Skill ——开发者只需输入一句口令，即可部署一个功能完整的「小龙虾」智能体。直播带你玩转华为云码道，玩转OpenClaw
回顾中 -
华为云码道-AI时代应用开发利器2026/03/18 周三 19:00-20:00
童得力，华为云开发者生态运营总监/姚圣伟，华为云HCDE开发者专家
本次直播由华为专家带你实战应用开发，看华为云码道(CodeArts)代码智能体如何在AI时代让你的创意应用快速落地。更有华为云HCDE开发者专家带你用码道玩转JiuwenClaw，让小艺成为你的AI助理。
回顾中
热门标签