neural 第106页

深度神经网络模型（DNN）与前向传播算法

\quad\;\;深度神经网络（DeepNeuralNetworks，以下简称DNN）是深度学习的基础，而要理解DNN，首先我们要理解DNN模型，下面我们就对DNN的模型与前向传播算法做一个总结

sihuachun·2022-11-25 02:43

全连接神经网络详解（Full Connect Neural Network）

1.3梯度下降二、浅层神经网络2.1正向传播2.2反向传播三、深层神经网络3.1ImageNet发展史3.2网络参数总结及展望前言深度学习最基础的网络类型的之一，全连接神经网络（FullConnectNeuralNetwork

CPones·2022-11-25 02:12

DNN(深度神经网络)

深度神经网络（DeepNeuralNetworks，以下简称DNN）神经网络发展第一代神经网络又称为感知器，由科学家FrankRosenblatt发明于1950至1960年代，它的算法只有两层，输入层输出层

baihaisheng·2022-11-25 02:36

狭义的DNN（又名全连接DNN 或 DBN网络）

广义DNN是我们常说的深度神经网络（deepneuralnetwork），它是区分最多3层结构（隐层=1）感知器所构成ANN网络，也就是说带有激活函数的神经元如果构成的网络隐层>=2，都称之深度神经网络

自学AI的鲨鱼儿·2022-11-25 02:33

去雾算法2020

2022去噪/去模糊/去雨去雾[1]NeuralCompression-BasedFeatureLearningforVideoRestoration(用于视频复原的基于神经压缩的特征学习)(视频处理)

AI视觉网奇·2022-11-25 01:10

Multivariate Time Series Forecasting with LSTMs in Keras

MultivariateTimeSeriesForecastingwithLSTMsinKerasByJasonBrownleeonAugust14,2017inDeepLearningforTimeSeriesNeuralnetworkslikeLongShort-TermMemory

凌风探梅·2022-11-25 00:54

Non-stationary Transformers: Exploring the Stationarity in Time Series Forecasting论文阅读

Title：Non-stationaryTransformers:ExploringtheStationarityinTimeSeriesForecastingPublication：NeuralPSAuthor

魔法少女斯内普·2022-11-25 00:52

反向传播神经网络极简入门

转载网址：http://www.hankcs.com/ml/back-propagation-neural-network.html我一直在找一份简明的神经网络入门，然而在中文圈里并没有找到。

佛空如水·2022-11-25 00:52

知识蒸馏：《Distilling the Knowledge in a Neural Network》算法介绍及PyTorch代码实例

目录一、摘要二、蒸馏算法三、代码四、References一、摘要提高几乎任何机器学习算法性能的一个非常简单的方法就是在相同的数据上训练许多不同的模型，然后平均它们的预测，或者对模型进行集成然后投票（vote），即多模型集成可以显著提升机器学习性能。很不幸，使用整个集成模型进行预测是很麻烦的，而且可能计算成本太高，若部署到用户群体非常庞大的情景下，每一个用户所产生的的输入都要在整个集成模型上运行一次

Taylor不想被展开·2022-11-25 00:48

YOLOv5结合轻量化网络MobileNetv3

MobileNetv3继承了上两个版本的长处，引入了一些新颖的模块，并采用最新的神经网络架构搜索(NeuralArchitectureSearch,NAS)技术来自动寻找目标数据集上的最优神经网络结构。

Taylor不想被展开·2022-11-24 23:47

图学习笔记（三）：图神经网络

图学习笔记（三）：图与图学习回顾六.图神经网络（GraphNeuralNetworks）一、什么是图神经网络二、有哪些图神经网络符号定义1.图卷积网络（GraphConvolutionNetworks，

Laura_Wangzx·2022-11-24 23:36

图神经网络(GNN)简述

目录一、什么是图(graph)二、如何将图片(images)表示成图(graph)三、在机器学习中使用图(graph)的挑战四、图神经网络(GraphNeuralNetwork,GNN)(I).ThesimplestGNN

Taylor不想被展开·2022-11-24 23:30

Sequence Models Week 3 Neural Machine Translation

NeuralMachineTranslationWelcometoyourfirstprogrammingassignmentforthisweek!

weixin_30780221·2022-11-24 22:08

Lecture 8: Machine Translation, Sequence-to-sequence and Attention

文章目录Pre-NeuralMachineTranslation机器翻译翻译模型NeuralMachineTranslationHowtotrainaNMTsystem?

24kb_·2022-11-24 22:08

HIERARCHICAL MULTISCALE RECURRENT NEURAL NETWORKS 论文简介

学习层次和时间表示一直是RNN的长期挑战之一。多尺度RNN一直被认为是能够解决这个问题的一种有效方式，但是缺乏经验证据表明这种方式可以通过发现序列中的潜在层次结构准确地解决时序依赖问题。而这篇论文提出了一种新颖的结构，可以通过使用新颖的更新机制和不同的时间尺度来编码时序依赖解决潜在的层次结构问题，并且没有使用明确的边界信息。已知深度CNN可以获得空间数据的层次表示，RNN可以获得时序数据时间表示。

学习总结·2022-11-24 21:25

PSPNet----多尺度平均池化 (MSAP) 卷积网络阅读笔记

SARIMAGECHANGEDETECTIONMETHODVIAAPYRAMIDPOOLINGCONVOLUTIONALNEURALNETWORK，IGARSS2020基于金字塔池卷积神经网络的SAR图像变化检测方法摘要

赫瑟尔·2022-11-24 19:14

epoch， batch_size，iteration

Intheneuralnetworkterminology:oneepoch=oneforwardpassandonebackwardpassofallthetrainingexamplesbatchsize

xky1306102chenhong·2022-11-24 19:37

一文带你了解卷积神经网络基础，建议收藏

CNN的英文全称是ConvolutionalNeuralNetwork，雏形是LeCun在1998年发明的LeNet网络结构。LeNet网络架构那么到底什么是神经网络呢？

视学算法·2022-11-24 19:37

PyTorch日积月累_3-neural network

文章目录神经网络工具箱`nn.Module`1.简单的线性回归类2.感知机3.常用方法1.卷积层和池化层2.RNN、LSTM3.损失函数4.其他类型的层两种特殊Module`nn.Sequential``nn.ModuleList`PyTorch中的优化器1.优化器的基本使用方法2.针对网络不同部分设置不同学习率3.在运行过程中调整学习率其他1.`nn.Module`对象和`torch.funct

长星照耀十三州府_·2022-11-24 19:06

DRU-Net--一种用于医学图像分割的高效深度卷积神经网络

Title:DRU-NET:ANEFFICIENTDEEPCONVOLUTIONALNEURALNETWORKFORMEDICALIMAGESEGMENTATION摘要本文的网络结构是受ResNet和DenseNet

不想敲代码的小杨·2022-11-24 18:31

吴恩达deeplearning.ai系列课程笔记+编程作业(11)第四课卷积神经网络-第二周深度卷积网络：实例探究（Deep convolutional models: case studies）

第四门课卷积神经网络（ConvolutionalNeuralNetworks）第二周深度卷积网络：实例探究（Deepconvolutionalmodels:casestudies）文章目录第四门课卷积神经网络

geekxiaoz·2022-11-24 18:15

吴恩达deeplearning.ai系列课程笔记+编程作业(3)第一课神经网络和深度学习-第三周：浅层神经网络(Shallow neural networks)

第一门课神经网络和深度学习(NeuralNetworksandDeepLearning)第三周：浅层神经网络(Shallowneuralnetworks)文章目录第一门课神经网络和深度学习(NeuralNetworksandDeepLearning

geekxiaoz·2022-11-24 18:15

《深入浅出图神经网络》读书笔记 1-2

《深入浅出图神经网络》读书笔记1-2第1章图的概述第2章神经网络基础2.1机器学习基本概念2.2神经网络2.4训练神经网络第1章图的概述图神经网络（GraphNeuralNetwor,GNN）的发展历程

HuixinZhang2013·2022-11-24 18:22

博文目录

为了记录自己的学习路程，特梳理目录如下：每日学习记录如何成为一名优秀算法工程师-1如何成为一名优秀算法工程师-2开源书籍开源书籍深度学习系列书籍：NeuralNetworkandDeepLearninggithubhttps

weixin_30530339·2022-11-24 17:40

NNDL 实验七循环神经网络（1）RNN记忆能力实验

循环神经网络（RecurrentNeuralNetwork，RNN）是一类具有短期记忆能力的神经网络．在循环神经网络中，神经元不但可以接受其他神经元的信息，也可以接受自身的信息，形成具有环路的网络结构．

HBU_David·2022-11-24 17:04

pyg的COLAB NOTEBOOKS1.Introduction: Hands-on Graph Neural Networks

原文链接：（需要梯子）https://colab.research.google.com/drive/1h3-vJGRVloF5zStxL5I0rSy4ZUPNsjy8?usp=sharing&pli=1#scrollTo=AkQAVluLuxT_可视化代码#Installrequiredpackages.importosimporttorchos.environ['TORCH']=torch._

苦逼学习pytorch中·2022-11-24 17:03

手推RNN反向传播

循环神经网络（RecurrentNeuralNetwork,RNN）是一类以序列（sequence）数据为输入，在序列的演进方向进行递归（recursion）且所有节点（循环单元）按链式连接的递归神经网络

comli_cn·2022-11-24 17:31

11.Session-based Recommendation with Graph Neural Networks论文详解

eligible-zzw·2022-11-24 17:19

13.TAGNN: Target Attentive Graph Neural Networks for Session-based Recommendation

一、前言目前已经有很多方法通过将会话建模为序列或图来完成对会话的嵌入，进而对next-item进行预测。这些方法将会话压缩为一个固定的表示向量，而不考虑要预测的目标项。之前的大多数方法的出发点就是通过对会话进行嵌入，期望能够捕获到用户意图信息完成对未来可能产生交互物品的预测。本文的作者认为由于目标物品的多样性和用户的兴趣，固定的向量会限制推荐模型的表示能力。因此在本文中提出了一种新的目标注意图神经

eligible-zzw·2022-11-24 17:19

论文《Session-based Recommendation with Graph Neural Networks》阅读

论文《Session-basedRecommendationwithGraphNeuralNetworks》阅读论文概况IntroductionMethodA.ConstructingSessionGraphsB.LearningItemEmbeddingsonSessionGraphsC.GeneratingSessionEmbeddingsD.MakingRecommendationandMo

wzj1212123·2022-11-24 17:48

NARM:Neural Attentive Session-based Recommendation简析

NeuralAttentiveSession-basedRecommendation介绍作者提出之前的工作只考虑了用户的序列表现，但是对用户的主要目的并没有明显地强调，因此作者提出NeuralAttentiveRecommendationMachine

loserChen.·2022-11-24 17:41

论文阅读——《Global Context Enhanced Graph Neural Networks for Session-based Recommendation》

《GlobalContextEnhancedGraphNeuralNetworksforSession-basedRecommendation》基于会话推荐的全局上下文增强图神经网络摘要:基于会话的推荐

I have a lemon·2022-11-24 17:39

Session-based Recommendation with Graph Neural Networks，SR-GNN代码分析

preprocessutilsinitgenerate_batchget_sliceModelGetitemembeddingGNNforwardSessionGraphforwardGetSessionembedding模型评估Session-basedRecommendationwithGraphNeuralNetworks

hhmy77·2022-11-24 17:08

Session-based Recommendation with Graph Neural Networks (SR-GNN 2019)

研一上半学期已经结束，这学期学习了很多而且很碎的东西。其中在论文中学习到的知识颇为丰富，本学期看的论文大部分都是关于推荐系统的论文，而且对基于session的推荐有了深刻的理解。趁着寒假时间，对基于session的推荐相关论文做做总结，趁热打铁。对于每篇文章，我会介绍一下这篇文章主要是在解决什么问题，其模型有什么优缺点等等，话不多说，进入正文。Session-basedRecommendation

NSSWTT·2022-11-24 17:35

Rething the Item Order in Session-based Recommendation with Graph Neural Networks (FGNN 2019)

RethingtheItemOrderinSession-basedRecommendationwithGraphNeuralNetworks本篇文章讲的仍然是使用图神经网络做基于session的推荐，

NSSWTT·2022-11-24 17:35

DataWhale推荐系统论文组队task3--Session-based Recommendation with Graph Neural Networks

Dr. J·2022-11-24 17:04

图神经网络关系抽取论文阅读笔记（二）

1用于关系抽取的生成式参数图神经网络论文：GraphNeuralNetworkswithGeneratedParametersforRelationExtraction（2019ACL）1.1创新点传统的图神经网络在进行

程哥哥吖·2022-11-24 15:47

学习笔记 - GreedyAI - DeepLearningCV - Lesson3 Deep-Neural-Network

第7章深度神经网络任务学习41:梯度消亡深度神经网络面临的挑战（1）梯度消亡（GradientVanishing）：训练过程非常慢（2）过拟合（Overfitting）：在训练数据集上表现好，在实际测试数据集上表现差梯度消亡（GradientVanishing）现象（1）神经网络中，靠近输入端网络各层的系数逐渐不再随着训练而变化，或者变化非常缓慢（2）网络层数越多，该现象越明显梯度消亡(Gradi

K5niper·2022-11-24 15:45

深度学习-计算机视觉-基础学习笔记-02

卷积神经网络ConvolutionalNeuralNetworks—CNN，其与常规神经网络的构想基本一致，不同的是需要训练卷积层，因为其更能保留输入的空间结构。

weixin_43739821·2022-11-24 15:42

Cousera - Machine Learning for Neural Networks - 课程笔记 - Week 7

Week7为序列建模Modelingsequences:Abriefoverview目标：将一个输入序列转变成另一个域中的输出序列在没有明确目标序列的情况下，通过预测下一个项目获取一个引导信号预测下一个项目的任务实际上模糊了监督学习和非监督学习的边界在使用监督学习方法是，并不需要一个独立的引导信号（非监督学习）无记忆（memoryless）模型自回归（autoregressive）模型：从固定的几

支锦铭·2022-11-24 15:35

【翻译】Image Style Transfer Using Convolutional Neural Networks

文章目录Abstract1、介绍2、深度图像表示2.1.内容表示2.2.风格表示2.3.风格转移3.结果3.1.内容和风格匹配之间的权衡3.2.卷积神经网络的不同层的效果3.3.梯度下降的初始化3.4.逼真的风格转移4、讨论Abstract以不同的风格渲染图像的语义内容是一项困难的图像处理任务。可以说，以前的方法的一个主要限制因素是缺乏明确表示语义形成的图像表示，因此，允许将图像内容与风格分开。在

顺利毕业啊·2022-11-24 15:30

【论文笔记】Privacy Prediction of Lightweight Convolutional Neural Network

摘要基于云的深度学习的日益普及引发了关于准确预测和数据隐私的问题。以前的研究已经实现了简单神经网络的隐私预测。由于更复杂的神经网络需要更多的计算开销，现有的隐私预测方案效率低下。为了解决上述问题，本文介绍了一种可应用于加密数据的轻量级卷积神经网络（CNN）的隐私预测方法。首先，在不影响原有精度的情况下，将复杂的CNN剪裁成轻量级网络，可以高效地实现安全预测。其次，采用FV同态加密方案对用户的敏感数

Super—Shine·2022-11-24 15:59

【读点论文】ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices，规则分组，有序混洗

ShuffleNet:AnExtremelyEfficientConvolutionalNeuralNetworkforMobileDevicesAbstract本文介绍了一种称为ShuffleNet的计算效率极高的

羞儿·2022-11-24 15:27

large-margin softmax loss for convolutional neural networks

损失函数改进之Large-MarginSoftmaxLoss_AI之路-CSDN博客_largemarginsoftmax最近几年网络效果的提升除了改变网络结构外，还有一群人在研究损失层的改进，这篇博文要介绍的就是较为新颖的Large-Marginsoftmaxloss（L-softmaxloss）。Large-Marginsoftmaxloss来自ICML2016的论文：Large-Margin

Kun Li·2022-11-24 15:57

A Convolutional Recurrent Neural Network for Real-Time Speech Enhancement

AConvolutionalRecurrentNeuralNetworkforReal-TimeSpeechEnhancement文章：AConvolutionalRecurrentNeuralNetworkforReal-TimeSpeechEnhancement

weixin_44223902·2022-11-24 15:57

简述基于PyTorch框架的卷积神经网络（Convolutional Neural Network，CNN）

文章目录一、卷积神经网络简介（一）什么是卷积神经网络（二）卷积神经网络的结构（三）为何要用卷积神经网络二、PyTorch框架简介（一）环境搭建（二）一些基本概念和应用三、应用示例（一）项目目标（二）准备样本（三）构造卷积神经网络（四）训练并保存网络（五）加载并使用网络PyTorch框架使得构造和训练神经网络方便了许多，为简述其用法，同时也为说明卷积神经网络的原理，本文举例说明如何基于PyTorch

XY_0209·2022-11-24 15:57

VGG Convolutional Neural Network Practical

系列文章目录VGGImageClassificationPracticalConvolutionalNeuralNetworkPractical系列文章目录前言一、准备工作1.环境2.加载准备模块二、CNN

闲看庭前雪·2022-11-24 15:56

pytorch中Convolutional Neural Networks的真正计算过程与理解

关于ConvolutionalNeuralNetworks的真正理解一般ConvolutionalNeuralNetworks包含卷积层，BN层，激活层以及池化层。池化层较为简单，不再赘述。

月光下的小趴菜·2022-11-24 15:56

NLP论文（情感分析）：《A Novel Bi-Branch Graph Convolutional Neural Network for Aspect Level Sentiment Classif

NLP论文（情感分析）：《ANovelBi-BranchGraphConvolutionalNeuralNetworkforAspectLevelSentimentClassification》笔记论文介绍模型结构文章翻译

电信保温杯·2022-11-24 15:56

SCNN:A General Distribution based Statistical Convolutional Neural Network with Application to Video

目录VideoObjectDetection:anApplication论文地址SCNN:AGeneralDistributionbasedStatisticalConvolutionalNeuralNetworkwithApplicationtoVideo

hanlinger_·2022-11-24 15:56

推荐频道

neural