卷積神經(jīng)網(wǎng)絡及應用_第1頁
卷積神經(jīng)網(wǎng)絡及應用_第2頁
卷積神經(jīng)網(wǎng)絡及應用_第3頁
卷積神經(jīng)網(wǎng)絡及應用_第4頁
卷積神經(jīng)網(wǎng)絡及應用_第5頁
已閱讀5頁,還剩24頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、WOR酷式-專業(yè)學習資料-可編輯 -學習資料分享 WOR酷式-專業(yè)學習資料-可編輯 2 WOR酷式-專業(yè)學習資料-可編輯 3 -學習資料分享 研究現(xiàn)狀 直到20064 勺理論 者提出CNN 種較網(wǎng)絡的研究幾經(jīng)起落 提出,深度神經(jīng)網(wǎng)研究興 研究現(xiàn)狀 的文章 Microso國際會議、期刊 被引入很多領域 IFIYTEK 取消 WOR酷式-專業(yè)學習資料-可編輯 、神經(jīng)網(wǎng)絡與卷積神經(jīng)網(wǎng)絡 V floatinV; 廊磁outV; w; floaterrIn: &JU floaterrOut; -學習資料分享 WOR酷式-專業(yè)學習資料-可編輯 7 神經(jīng)網(wǎng)絡與卷積神經(jīng)網(wǎng)絡 -學習資料分享 1S11

2、A WOR酷式-專業(yè)學習資料-可編輯 8 “神經(jīng)網(wǎng)絡與卷積神經(jīng)洛 J Z2Z2 1 l: ,1 IK11.1 1 */sjf1sM*A 求Vjk的梯度: XI I -K X2 UrvH甯Lu B各變量滿足如幫 nx *的 YL 叫j*Xi /=0 ny &=E%*為 j=0 %=slgmoid(Z) 壽m-)2 lossFun=k-o ,求Wij的梯度: I/I / LA J_i.J! *新七千一$丁注士;42工CEEfR 用TT.*W*T的修改批 神經(jīng)網(wǎng)絡身卷積神經(jīng)網(wǎng)絡 網(wǎng)絡參數(shù) 學習資料分享 CNN網(wǎng)絡參數(shù) 權值共享火火 神經(jīng)生物學中局部感受野的提出(1962) 催生了春積的思想。

3、 卷軌神經(jīng)網(wǎng)絡與神經(jīng)網(wǎng)絡的主要區(qū)別就 WOR酷式-專業(yè)學習資料-可編輯 二、 神經(jīng)網(wǎng)絡與卷積神經(jīng)網(wǎng)絡 己_qlX_p.一人._. E)N DAI FULLYCONNECTEDNEURALNET 3*5t*S*v&G.f84 -學習資料分享 WOR酷式-專業(yè)學習資料-可編輯 神經(jīng)網(wǎng)絡與卷枳神經(jīng)網(wǎng)絡 學習資料分享 WOR酷式-專業(yè)學習資料-可編輯 神經(jīng)網(wǎng)絡與卷積神經(jīng)網(wǎng)絡 卷由核kernal在inputX圖中從左向*下每次移動一個伉置,對應住置相乘求和并到OutputY中的一個住置oInput X -學習資料分享 WOR酷式-專業(yè)學習資料-可編輯 神經(jīng)網(wǎng)絡與卷積神經(jīng)網(wǎng)絡 pooling In

4、putX Kerne!W Output KernelW 學習資料分享 子采樣通第有兩種形式。 均值子采樣彳樣,孑采樣可以看做一種特殊的卷余N WOR酷式-專業(yè)學習資料-可編輯 15 InputXKernal甲OutputY -學習資料分享 WOR酷式-專業(yè)學習資料-可編輯 16 神經(jīng)網(wǎng)絡與卷積神經(jīng)網(wǎng)絡 KernalIrX -學習資料分享 WOR酷式-專業(yè)學習資料-可編輯 黑F4Bn-H O O1 12 23 34 45 56 67 7B B9 9 WOR酷式-專業(yè)學習資料-可編輯 卷征囊第 爵本文的CNN模型的輸入是語音的頻譜特征 I 學習資料分享 ?L. -r. J* t o一 - * :

5、IJ Jr r 3 *F 一產(chǎn)一 、50 uuwmMl WOR酷式-專業(yè)學習資料-可編輯 19 -學習資料分享 WOR酷式-專業(yè)學習資料-可編輯 -學習資料分享 WOR酷式-專業(yè)學習資料-可編輯 -學習資料分享 WOR酷式-專業(yè)學習資料-可編輯 22 WOR酷式-專業(yè)學習資料-可編輯 23 -學習資料分享WOR酷式-專業(yè)學習資料-可編輯 24 WOR酷式-專業(yè)學習資料-可編輯 25 -學習資料分享WOR酷式-專業(yè)學習資料-可編輯 26 四、總結(jié)與展望 由于集用使用的訓練數(shù)據(jù)較少,CNN1 去試的網(wǎng).終結(jié)杓及參數(shù)也少, 我們還有很J火的雅型的調(diào)優(yōu)金 未來CNN還可以套試使用更深層的網(wǎng)絡結(jié)構(gòu),使用更好的語音特征。由于深度V網(wǎng)絡對數(shù)據(jù)描述的能力更強,我們預測增加訓練數(shù)據(jù)并經(jīng)合理的

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論