CNN卷积神经网络-概述
2023-12-26 16:38:10
1.神经网络基础
2.计算机视觉基础
3.传统神经网络结构
4.全局感知和权值扫描
5.卷积神经网络结构
6.回顾线代矩阵和向量点积
7.卷积算法基本原理
8.卷积神经网络层次分解
9.输入层的特征提取
10.卷积层的卷积三轮分解
11.sigmoid激活函数特征提取和凸优化
12.激活层特征分析
13.隐含层特征值优化
14.池化层特征抽象
15.一维卷积,二维卷积,三维卷积计算和特征值合并
16.三维卷积合并为一维矩阵
17.局部感知和权重共享
18.输出层激活提取值并计算泊松分布结果
19.对泊松分布结果基于全概率公式和傅立叶变换分析概率
20.基于极大似然估计对多个输出值进行概率计算
21.基于方向导数和泰勒公式逼近mle的结果
22.设定模型相似度阀值
23.梯度下降模型训练
24.模型训练结果同阀值对比,如果误差率在欠拟合和过拟合结果之间,则相似度高,根据相似度输出相似度最大的3个图像预测结果即可。
涉及到的以往知识点如下:
1.高数数学分析的taylor公式和方导,梯度下降
2.高数线性代数的矩阵和向量点积计算,傅立叶变换
3.高数概率论数理统计的泊松分布,极大似然估计
4.机器学习的拟合问题解决方案
5.机器学习的激活函数和特征工程
6.机器学习的精准率和F1指标,哑编码
7.Python numpy,pandas库
8.Python机器学习框架scikit learn
开发环境:anaconda3.5,jupyter notebook
文章来源:https://blog.csdn.net/qq_30056341/article/details/135224621
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。 如若内容造成侵权/违法违规/事实不符,请联系我的编程经验分享网邮箱:veading@qq.com进行投诉反馈,一经查实,立即删除!
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。 如若内容造成侵权/违法违规/事实不符,请联系我的编程经验分享网邮箱:veading@qq.com进行投诉反馈,一经查实,立即删除!