|
- Transformer 和 cnn 是两条差异巨大的路径吗？ - 知乎
cnn是硬件局限下的产物 cnn主要处理图像数据，T主要处理序列数据 cnn，MLP，T 资源有限就简化MLP 资源无限就堆叠MLP 从理论性质的角度，有差异的地方，例如全局性和局部性，也有相同的地方，金字塔也有全局性，mask也有局部性。 从效果上看，各有千秋，各有所长。 讨论巨大化的差异还是要有前提！
- 能否对卷积神经网络工作原理做一个直观的解释？ - 知乎
足够通俗易懂了吧 下边关于CNN的讲解，是建立在你已经看过上边这篇文章的基础上哦！ 2 从军体拳到降龙十八掌：从前馈神经网络到CNN 许多初学者在深度学习的学习过程中，通常都会从学习卷积神经网络（Convolutional Neural Network, 简称CNN）开始。
- CNN卷积神经网络的始祖文是哪篇？ - 知乎
卷积神经网络 （CNN）的开创性工作可以追溯到 Yann LeCun 在 1998 年发表的论文，论文题目为：“Gradient-based learning applied to document recognition”。 这篇论文介绍了一种名为 LeNet-5 的卷积神经网络架构，主要应用于 手写数字识别 任务。
- 卷积神经网络 (CNN)学习资料推荐？ - 知乎
CNN在图像领域取得了巨大的成功，其在NLP领域的尝试就变得自然而然，其中一个合理性就在于：卷积层具有局部特征提取的特性，继而可以考虑用来提取句子中类似n-gram的关键信息。 以下我们将介绍CNN在NLP领域中的几个经典网络结构。 3 1、TextCNN 3 1 1、简介
- 在 CNN 中，为什么要逐渐增加特征图的通道数？ - 知乎
为什么要增加特征通道数，因为这就是在提取特征，每个通道专注不同的特征，有的是专注边缘，有的专注纹理，有的专注形状；高层次的CNN特征，有的专注鼻子、有的专注眼睛。 这些东西，显然不是3个通道能容纳的，通道越多，能容纳的特征就越多。
- CNN，是卷积神经网络，LCNN，是什么？ - 知乎
动机 CNN的经典用例是执行图像分类，例如查看宠物的图像并确定它是猫还是狗。 这是一项看似简单的任务 – 为什么不使用普通的神经网络呢？ 好问题。 原因1：图像很大 现在用于计算机视觉问题的图像通常是224×224或更大。
- CNN、RCNN、YOLO等和Alexnet、VGG等的关系是什么？ - 知乎
CNN，卷积神经网络，是以卷积为核心的一大类网络。 LeNet、AlexNet、VGG、GoogLeNet，属于CNN。 RCNN、Fast RCNN、Faster RCNN、YOLO、YOLOv2、SSD，也属于CNN，但和2是另一条路线。 从肤浅的层面说，2和3的区别在于，2属于用于图像分类的CNN，3属于用于目标检测的CNN。
- 脉冲神经网络（SNN）和卷积神经网络（CNN）的区别和关系是什么？ - 知乎
个人觉得SNN识别图片的核心在于把单张细节丰富的图片转换成了多张图片的“劣质视频”（01脉冲数据），你确定这和视频任务里的RNN+CNN没有任何联系？ 继续变成BNN后就可以类脑了？ 所以SNN领域的研究者麻烦出来说一下，所谓类脑是什么，源于哪个改进？
|
|
|