文章目录1、为什么需要卷积2、整体结构3、卷积层3.1 卷积运算3.2 Padding填充3.3 步幅3.4 3维数据的卷积运算3.5 结合方块思考3.6 批处理4、池化层参考资料 前面的神经网络我们使用的都是全连接网络，不管是感知机还是函数逼近，都使用的仿射(Affine)变换，今天介绍卷积神经网络（Convolutional Neural Network，CNN）。CNN被用于图像识别、语
转载
2023-07-29 23:07:44
110阅读
目录一、初识卷积层二、图片卷积的过程(以步长为1，无填充情况为例) 三、卷积的填充 四、卷积的步长 五、卷积的输出大小计算六、卷积的感受野 七、卷积层的深度一、初识卷积层用于对图像进行特征提取操作，其卷积核权重是共享权值的，对应的相关概念还包括步长，填充。卷积层在CNN中的作用如下图所示。二、图片卷积的过程(以步长为1，无填充情况为例) &nbs
转载
2023-09-29 20:46:23
1038阅读
之前的学习中，仅仅是两层神经网络就含有数十万个待训练参数，而参数数量过多很容易引起过拟合，导致测试结果不准确，所以我们可以采用卷积计算的方法对输入数据进行特征提取，再采取dropout的方式，降低过拟合。卷积传统的神经网络使用矩阵乘法来建立和输出的连接关系，每一个输出单元与每一个输入单元都产生交。然而。卷积网络具有稀疏交互（也叫稀疏连接或者稀疏权重）的特征。这是使核的大小远小于输入的大小来达到的。
转载
2023-11-01 15:49:09
104阅读
A Convolutional Gated Recurrent Neural Network for Epileptic Seizure PredictionABSTRACT在本文中，我们提出了一种卷积门控递归神经网络(CGRNN)来预测癫痫发作，基于从EEG数据中提取的代表信号的时间方面和频率方面的特征。使用波士顿儿童医院收集的数据集，CGRNN可以提前35分钟至5分钟预测癫痫发作。我们的实验结
转载
2023-08-08 18:07:06
554阅读
卷积神经网络 CNN 文章目录卷积神经网络 CNN一、概述二、卷积的概念三、CNN原理3.1 卷积层3.2 池化层3.3 完全连接层3.4 权值矩阵BP算法3.5 层的尺寸设置四、CNN简单使用五、总结 一、概述 卷积神经网络（Convolutional Neural Network, 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。
转载
2023-07-10 16:09:28
1282阅读
# 卷积神经网络遍历图
卷积神经网络(Convolutional Neural Network, CNN)是一种常用于图像识别和计算机视觉任务的深度学习模型。在CNN中，卷积层是其中的核心组件。本文将介绍卷积神经网络如何遍历图，以及相关的代码示例。
## 卷积层
卷积层是CNN中的核心层之一，用于提取图像的特征。卷积层通过滑动窗口的方式在输入图像上进行遍历，并应用一系列的卷积核来提取特征。每
原创
2023-12-21 04:50:13
59阅读
卷积学习网络1.卷积神经网络简介一般的前馈神经网络权重参数矩阵过大，过拟合风险很高，并且在做图像处理时需要将图像展开为向量，这会丢失一些空间信息，于是在此基础上开发出卷积神经网络作为优化。卷积神经网络是一类包含卷积计算且具有深度结构的前馈神经网络，与普通前馈神经网络不一样的是，卷积神经网络的输入层为图像数据（32x32x3矩阵）而不是将图像数据展开为向量计算，隐含层不再仅仅是神经层简单的线性非线性
转载
2023-08-18 20:40:14
474阅读
AI领域是一个非常交叉的领域，涉及很多技术：数学、软体、硬件和，尤其还有硬件环节，不过一切来源或输入的入口一般有三个：一个是图像识别和处理是其中一个非常重要的环节，一个是自然语言处理，还有一个就是借口输入。一、这是一个python卷积神经网络的代码（开源）：https://github.com/yangshun2005/CNN_sentence 二、下面是一些基本公式，以备忘：写CNN的
转载
2023-08-10 17:29:39
309阅读
文章目录一、GNN简史二、GCN的常用方法及分类2.1 基于频域的方法2.2 基于空间域的方法2.3 图池化模块三、 GCN常用的基准数据集四、GCN的主要应用4.1 计算机视觉4.2 自然语言处理4.3 推荐系统4.4 交通预测4.5 生物化学五、GCN的开源库5.1 DGL（Deep Graph Library）5.2 PyG （PyTorch Geometric）六、对于GCN的未来发展方
转载
2024-01-01 17:47:44
16阅读
前几篇介绍了谱域图卷积及空域图卷积：图卷积神经网络1-谱域卷积：拉普拉斯变换到谱域图卷积图卷积神经网络2-谱域卷积：SCNN/ChebNet/GCN的引入和介绍图卷积神经网络3-空域卷积：GNN/GraphSAGE/PGC的引入和介绍图卷积神经网络4-空域卷积：空域卷积局限性分析和过平滑解决方案本篇博客主要讲解图卷积神经网络的主要应用。目录1：简介2：图卷积在交通预测上的应用（主要讲解）2.1：交
转载
2023-12-04 14:52:14
2阅读
图卷积神经网络（GCN）的简单介绍 1. 什么是GCN 图卷积神经网络是一种能对图数据进行深度学习的方法。 简单的说，GNN就是其研究的对象是图数据（Graph），研究的模型是卷积神经网络。 2. 为什么使用GCN 与传统方法相比，深度学习的效率更高，而卷积神经网络作为深度学习的最成功的应用之一，其主要限制在于Euclidean data。 什么是Euclidean data？ Eu
转载
2023-11-24 22:58:21
50阅读
卷积运算与相关运算在计算机视觉领域，卷积核、滤波器通常为较小尺寸的矩阵，比如\(3\times3\)、\(5\times5\)等，数字图像是相对较大尺寸的2维（多维）矩阵（张量），图像卷积运算与相关运算的关系如下图所示（图片来自链接），其中\(F\)为滤波器，\(X\)为图像，\(O\)为结果。相关是将滤波器在图像上滑动，对应位置相乘求和；卷积则先将滤波器旋转180度（行列均对称翻转），然后使用旋
转载
2023-08-12 21:20:43
225阅读
ConvNets
卷积神经网络的结构基于一个假设，即输入数据是图像，基于该假设，我们就向结构中添加了一些特有的性质。这些特有属性使得前向传播函数实现起来更高效，并且大幅度降低了网络中参数的数量。
转载
2023-07-31 16:58:42
756阅读
了解用于NLP的卷积神经网络当我们听到卷积神经网络（Convolutional Neural Network）时，我们通常会想到计算机视觉。从 Facebook 的自动标记照片到自动驾驶汽车，CNNs 在图像分类方面有重大突破，并且是当今大多数计算机视觉系统的核心。最近，我们也开始将 CNNs 应用于自然语言处理中的问题，并得到了一些有趣的结果。在这篇文章中，我将尝试总结一下 CNNs 是什么，以
转载
2023-10-10 11:29:18
119阅读
卷积神经网络简介卷积神经网络（Convolutional Neural Networks，CNN）是一种广泛应用于计算机视觉领域的深度学习模型。它通过模拟人类视觉系统的工作方式，实现了在图像识别、目标检测、图像分割等任务上的出色表现。卷积层卷积神经网络的核心组件是卷积层。卷积层通过卷积操作在输入数据上提取特征。它使用一组可学习的滤波器（也称为卷积核或特征映射）对输入进行逐元素的卷积操作，并生成输出
转载
2023-09-21 09:04:50
129阅读
导语卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（deep learning）的代表算法之一。经典的神经网络结构，分别是LeNet-5、AlexNet和VGGNet。本问对经典卷积神经网络进行讲解。本文来源于吴恩达老师的深度学习课程[1]笔记部
转载
2023-11-24 22:56:58
19阅读
卷积神经网络（Convolutional Neural Network，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。 它包括卷积层(convolutional layer)和池化层(pooling layer)。对比：卷积神经网络、全连接神经网络左图：全连接神经网络（平面），组成：输入层、激活函数、全连接层右图：卷积神经网络（立体），组
转载
2023-11-12 22:41:10
79阅读
识别黑白图中的服装图案(Fashion-MNIST)基于上述代码修改模型的组成1 修改myConNet模型1.1.1 修改阐述将模型中的两个全连接层，变为全局平均池化层。1.1.2 修改结果### 1.5 定义模型类
class myConNet(torch.nn.Module):
def __init__(self):
super(myConNet, self
转载
2023-11-27 10:18:21
49阅读
卷积神经网络一、卷积神经网络与BP网络（传统前馈神经网络）相比具有以下特点：（1）、采取局部连接（稀疏连接），减少了所需参数； （2）、可直接处理二维数据，故常被用于图片处理操作； （3）、具有三个基本层——卷积层、池化层、全连接层：卷积层CNN算法常用于图片处理，其中卷积层是通过多个卷积核对输入的图片像素矩阵进行局部连接，通过权值共享与卷积的方式进行图片的特征提取得到特征映射数据。（所以卷积核又
转载
2023-09-15 15:36:43
348阅读
为什么有图卷积神经网络自2012年以来，深度学习在计算机视觉以及自然语言处理两个领域取得了巨大的成功。和传统方法相比，它好在哪里呢？假设有一张图，要做分类，传统方法需要手动提取一些特征，比如纹理啊，颜色啊，或者一些更高级的特征。然后再把这些特征放到像随机森林等分类器，给到一个输出标签，告诉它是哪个类别。而深度学习是输入一张图，经过神经网络，直接输出一个标签。特征提取和分类一步到位，避免了手工提取特
转载
2023-10-10 10:22:09
920阅读
