fbpx
维基百科

層 (深度學習)

四月 01, 2023

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[1]和最大池化层[2][3]。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[4][5][6]和自动编码器中的解卷积层等。

與新皮質層次的相異

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。

參見

參考文獻

  1. ^ Habibi, Aghdam, Hamed. Guide to convolutional neural networks : a practical application to traffic-sign detection and classification. Heravi, Elnaz Jahani. Cham, Switzerland. 2017-05-30. ISBN 9783319575490. OCLC 987790957. 
  2. ^ Yamaguchi, Kouichi; Sakamoto, Kenji; Akabane, Toshio; Fujimoto, Yoshiji. A Neural Network for Speaker-Independent Isolated Word Recognition. First International Conference on Spoken Language Processing (ICSLP 90). Kobe, Japan. November 1990 [2021-02-13]. （原始内容于2021-03-07）. 
  3. ^ Ciresan, Dan; Meier, Ueli; Schmidhuber, Jürgen. Multi-column deep neural networks for image classification. New York, NY: Institute of Electrical and Electronics Engineers (IEEE). June 2012: 3642–3649. CiteSeerX 10.1.1.300.3283  . ISBN 978-1-4673-1226-4. OCLC 812295155. S2CID 2161592. arXiv:1202.2745  . doi:10.1109/CVPR.2012.6248110.  |journal=被忽略 (帮助)
  4. ^ Dupond, Samuel. A thorough review on the current advance of neural network structures.. Annual Reviews in Control. 2019, 14: 200–230 [2021-02-13]. （原始内容于2020-06-03）. 
  5. ^ Abiodun, Oludare Isaac; Jantan, Aman; Omolara, Abiodun Esther; Dada, Kemi Victoria; Mohamed, Nachaat Abdelatif; Arshad, Humaira. State-of-the-art in artificial neural network applications: A survey. Heliyon. 2018-11-01, 4 (11): e00938. ISSN 2405-8440. PMC 6260436  . PMID 30519653. doi:10.1016/j.heliyon.2018.e00938   （英语）. 
  6. ^ Tealab, Ahmed. . Future Computing and Informatics Journal. 2018-12-01, 3 (2): 334–340 [2021-02-13]. ISSN 2314-7288. doi:10.1016/j.fcij.2018.10.003  . （原始内容存档于2021-11-29） （英语）. 

四月 01, 2023
深度學習, 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, 與新皮質層次的相異, 编辑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, 參見, 编辑深度学习, 新皮質, 參考文獻, 编辑, habibi, aghdam, hamed. 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 1 和最大池化层 2 3 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 4 5 6 和自动编码器中的解卷积层等 與新皮質層次的相異 编辑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 參見 编辑深度学习 層 新皮質 參考文獻 编辑 Habibi Aghdam Hamed Guide to convolutional neural networks a practical application to traffic sign detection and classification Heravi Elnaz Jahani Cham Switzerland 2017 05 30 ISBN 9783319575490 OCLC 987790957 Yamaguchi Kouichi Sakamoto Kenji Akabane Toshio Fujimoto Yoshiji A Neural Network for Speaker Independent Isolated Word Recognition First International Conference on Spoken Language Processing ICSLP 90 Kobe Japan November 1990 2021 02 13 原始内容存档于2021 03 07 Ciresan Dan Meier Ueli Schmidhuber Jurgen Multi column deep neural networks for image classification New York NY Institute of Electrical and Electronics Engineers IEEE June 2012 3642 3649 CiteSeerX 10 1 1 300 3283 ISBN 978 1 4673 1226 4 OCLC 812295155 S2CID 2161592 arXiv 1202 2745 doi 10 1109 CVPR 2012 6248110 journal 被忽略 帮助 Dupond Samuel A thorough review on the current advance of neural network structures Annual Reviews in Control 2019 14 200 230 2021 02 13 原始内容存档于2020 06 03 Abiodun Oludare Isaac Jantan Aman Omolara Abiodun Esther Dada Kemi Victoria Mohamed Nachaat Abdelatif Arshad Humaira State of the art in artificial neural network applications A survey Heliyon 2018 11 01 4 11 e00938 ISSN 2405 8440 PMC 6260436 PMID 30519653 doi 10 1016 j heliyon 2018 e00938 英语 Tealab Ahmed Time series forecasting using artificial neural networks methodologies A systematic review Future Computing and Informatics Journal 2018 12 01 3 2 334 340 2021 02 13 ISSN 2314 7288 doi 10 1016 j fcij 2018 10 003 原始内容存档于2021 11 29 英语 取自 https zh wikipedia org w index php title 層 深度學習 amp oldid 72292013, 维基百科，wiki，书籍，书籍，图书馆，

文章

，阅读，下载，免费，免费下载，mp3，视频，mp4，3gp， jpg，jpeg，gif，png，图片，音乐，歌曲，电影，书籍，游戏，游戏。