论文浅尝 | AAAI - 多分量图卷积协同过滤方法
论文笔记整理：郝凯龙，南京大学硕士。 来源：AAAI2020链接：https://arxiv.org/pdf/1911.10699.pdf动机推荐系统实际上是在做用户-商品二部图上的链路预测，仅仅用用户-商品之间的单一购买关系无法精确的进行描述为什么购买行为发生。现有的方法没有探索各种购...
不使用框架实现卷积神经网络(Python)
不使用框架实现卷积神经网络(Python) 之前为了对卷积神经网络有更深入的了解，结合别人的成果和自己的思考，在仅使用numpy和cv2的前提下，实现了深度卷积神经网络，并使用mnist数据集进行了训练和测试。不过速度真的非常慢，代码：https://github.com/WepLeo/cnn_w...
亚像素卷积和转置卷积
CNN中对特征图进行上采样常用的操作有转置卷积和亚像素卷积1、转置卷积转置卷积（Transposed Convolution）又称为反卷积（Deconvolution）先看下普通的卷积过程：如下图： 这是一个卷积核大小为3x3，步长为1，padding为0的普通卷积转置卷积的过程：2、亚像素卷积把...
深度学习之卷积神经网络CNN及tensorflow代码实现示例
卷积神经网络简介卷积神经网络(convolutional neural network，CNN)最初是用来解决图像识别等问题设计的，随着计算机的发展，现在CNN的应用已经非常广泛了，在自然语言处理(NLP)、医药发现、文本处理等等中都有应用。这里我们着重分析CNN在图像处理上的应用。在早期图像处理识...
深度学习（15）：卷积神经网络
本文以图像分类为例简要介绍卷积神经网络的基本结构。卷积过滤器（核）：过滤器是我们用来卷积的工具。对于一张图片，我们可以利用过滤器来抓取图片的某些特征。一个过滤器是一个 f * f 的矩阵， 其中的每一个元素都是可训练的参数。我们假设现在有一个6 * 6的灰度图，3 * 3的过滤器，那么卷积的过程如下...
卷积神经网络的训练
卷积神经网络的训练和全连接神经网络相比，卷积神经网络的训练要复杂一些。但训练的原理是一样的：利用链式求导计算损失函数对每个权重的偏导数（梯度），然后根据梯度下降公式更新权重。训练算法依然是反向传播算法。我们先回忆一下上一篇文章零基础入门深度学习(3) - 神经网络和反向传播算法介绍的反向传播算法，整...
深度学习：卷积神经网络从入门到精通
内容简介全面介绍各种卷积神经网络的模型、算法及应用，指导读者把握其形成和演变的基本脉络，以帮助读者在较短的时间内从入门达到精通的水平。有兴趣的读者可以从本书开始，通过图像分类、识别、检测和分割的案例，逐步深入卷积神经网络的核心，掌握深度学习的方法和精髓，领会 AlphaGo 战胜人类世界冠军的奥秘。...
卷积神经网络（CNN）
大家好，这里是七七，今天来更新关于CNN相关的内容同了。本文是针对CNN原理的说明，但对于小白不是非常友好，建议先掌握神经网络相应知识再进行阅读哦。 一、卷积与互相关 卷积 卷积运算是对两个函数进行的一种数学运算，结果是一个新的函数，如果第一个函数为f(x)，第二个为g(x)，那么其卷积运算被定义为...
深度学习之基于Vgg16卷积神经网络乳腺癌诊断系统-四. 总结
提高乳腺癌诊断的准确性和效率：基于VGG16卷积神经网络的乳腺癌诊断系统能够自动分析乳腺影像数据，提取关键特征，并输出诊断结果，从而大大提高了诊断的准确性和效率。 辅助医生进行诊断和治疗：该系统可以辅助医生进行乳腺癌的诊断和治疗，减轻医生的工作负担，提高医疗质量。 推动深度学习技术在医学领域...
Tensorflow2.0笔记 - 使用卷积神经网络层做CIFA100数据集训练（类VGG13）
本笔记记录CNN做CIFAR100数据集的训练相关内容，代码中使用了类似VGG13的网络结构，做了两个Sequetial（CNN和全连接层），没有用Flatten层而是用reshape操作做CNN和全连接层的中转操作。由于网络层次较深，参数量相比之前的网络多了不少，因此只做了10次e...
表情识别 | 卷积神经网络(CNN)人脸表情识别（Matlab）
表情识别 | 卷积神经网络(CNN)人脸表情识别（Matlab） 目录 表情识别 | 卷积神经网络(CNN)人脸表情识别（Matlab）预测效果基本介绍程序设计参考资料 预测效果 基本介绍 Matlab使用卷积神经网络(CNN)，进行人脸表情情绪识别GUI界面。 工作如下： 1、加载...
李沐48_全连接卷积神经网络FCN——自学笔记
1.FCN是用深度神经网络来做语义分割的奠基性工作。 2.它用转置卷积层来替换CNN最后的全连接层，从而可以实现每个像素的预测。 %matplotlib inlineimport torchimport torchvisionfrom torch import nnfrom torch.nn imp...
分类预测 | Matlab实现CNN-BiLSTM-SAM-Attention卷积双向长短期记忆神经网络融合空间注意力机制的数据分类预测
%% 建立模型lgraph = addLayers(lgraph, tempLayers); % 将上述网络结构加入空白结构中tempLayers = [ sequenceUnfoldingLayer("Name", "sequ...
SCI一区 | Matlab实现POA-TCN-BiGRU-Attention鹈鹕算法优化时间卷积双向门控循环单元注意力机制多变量时间序列预测
SCI一区 | Matlab实现POA-TCN-BiGRU-Attention鹈鹕算法优化时间卷积双向门控循环单元注意力机制多变量时间序列预测 目录 SCI一区 | Matlab实现POA-TCN-BiGRU-Attention鹈鹕算法优化时间卷积双向门控循环单元注意力机制多变量时间序列预测...
一维卷积神经网络的特征可视化-建立模型并进行训练
# basic modelmodel = Sequential([ Input(shape=[X_train.shape[1], 1]), Conv1D(filters=16, kernel_size=3, activation="relu"), BatchNormalizati...
故障诊断 | 一文解决，GCN图卷积神经网络模型的故障诊断（Matlab）-模型描述
GCN（Graph Convolutional Network）是一种基于图结构数据进行卷积操作的神经网络模型。它在处理图数据上展现了很好的性能，特别适用于节点分类、图分类和图生成等任务。 GCN模型的核心思想是将图结构数据转化为矩阵表示，然后通过矩阵的卷积操作来对节点进行特征表示和学习。下面是G...
李沐20_卷积层里的填充和步幅——自学笔记
填充和步幅 给定32✖32的输入图像，应用5✖5大小的卷积核（第一层输出28✖28，第7层输出大小是4✖4，即每一层都-4） 更大的卷积核可以更快地减小输出大小：形状从nk✖nk减少到(nh-kn+1)✖(nw-kw+1) 1.填充 在输入的周围添加额外的行/列，考虑了角落里的特征 （1） 填充ph...
彻底理解数字图像处理中的卷积——以Sobel算子为例
卷积在信号处理领域有极其广泛的应用，也有严格的物理和数学定义。本文只讨论卷积在数字图像处理中的应用。在数字图像处理中，有一种基本的处理方法:线性滤波。待处理的平面数字图像可被看做一个大矩阵，图像的每个像素对应着矩阵的每个元素，假设我们平面的分辨率是 1024 * 768，那么对应的大矩阵的行数= 1...
五、图像处理之几何变换：最近邻域插值、双线性插值、双立方（三次卷积）插值的原理分析及其代码实现
一、数字图像几何变换二、最近邻域插值三、双线性插值四、双立方（三次卷积）插值五、代码实现 一、几何变换 图像几何变换是图像处理中非常基础实用的技能，主要包括图片位移、缩放、镜像、剪切、放射变换等，在对图像进行空间变换的过程中，典型的情况是在对图像进行放大,旋转处理的时候，图像会出现失真的现象。这是由...
论文解读（二）：卷积神经网络真的有平移不变性吗
在我们读计算机视觉的相关论文时，经常会看到平移不变性这个词，通常观点中，大家都是普遍认为CNN是具有平移不变性的，然而近年来，有一些工作的研究对平移不变性提出了质疑，本文对一些平移不变性的理解进行记录，对于持有平移不变性的观点，和持有平移变化的观点，对该两类观点进行简单的记录，不提出相关的解决方法。...