资源简介
在这篇综述中,我们的目标是在这个快速增长的领域提供尽可能多的新想法和前景。不仅涉及到二维卷积,还涉及到一维和多维卷积。首先,这篇综述首先简单介绍了CNN的历史。第二,我们提供CNN的概述。第三,介绍了经典的和先进的CNN模型,特别是那些使他们达到最先进的结果的关键点。第四,通过实验分析,得出一些结论,并为函数选择提供一些经验法则。第五,介绍了一维、二维和多维卷积的应用。最后,讨论了CNN的一些有待解决的问题和有发展前景的方向,为今后的工作提供参考。
代码片段和文件信息
- 上一篇:AAAI 2020最新「因果推理表示学习」.zip
- 下一篇:as3中文手册chm版
相关资源
- CNN-SVM模型在抽油机井故障诊断中的应
- 基于CNN的静态手势识别系统
- 一种基于LBP和CNN的人脸识别算法
- PCNN TOOLBOX
- MSCNN_dehaze.rar
- 脉冲耦合神经网络工具箱PCNN-toolbox
- 卷积神经网络的人脸识别样本采集+
- 基于深度学习的神经网络算法论文
- faster rcnn流程图
- SRCNN翻译学习并改进.zip
- 基于深度学习的图像检索系统CNN
- 超分辨率PPT
- faster_rcnn test 浮点运算量
- 论文研究-基于改进贝叶斯优化算法的
- darknet文本检测与CNN+CTCOCR文字识别项目
- 超分辨率重建SRCNN(GUI界面)
- 基于多任务卷积网络(MTCNN)和Cente
- 基于深度学习的链路预测
- Mask R-CNN.pptx
- PyTorch介绍及入门pdf
- instances_minival2014.json.zip
- ncnn.lib win x64
- Neural Networks with R Smart models using CNN
- 学习摘要:Methods for interpreting and un
- RISC-V 二值化 CNN 芯片加速器进行人员
- 复数版卷积神经网络,复数版CAFFE
- deep learning 概览+时序模型
- 基于CNN的手写数字识别
- 这是基于CNN算法的分类代码
- CNN实现的图像检索
评论
共有 条评论