cnn标签_码道开发者社区

cnn

动态多目标优化：基于CNN-BiLSTM定向改进预测的动态多目标进化算法（CNN-LSTM-DIP-DMOEA）求解CEC2018（DF1-DF14），提供MATLAB代码

一、算法改进背景与意义1.1 动态多目标优化问题（DMOPs）的核心挑战动态多目标优化问题（Dynamic Multiobjective Optimization Problems, DMOPs）广泛存在于工程设计、资源调度、智能控制等领域，其核心特征是目标函数、约束条件或决策空间随时间（环境代际）动态变化。例如，工业生产线调度中，设备故障率、原材料供应速度的实时波动会导致优化目标（如生产效率、成

 荔枝科研工作室
2025-09-07 11:29:57

 844

 27

#cnn #算法 #lstm
S 3.5深度学习--卷积神经网络--代码

本文介绍了使用迁移学习实现食物分类的代码实现。通过加载预训练的ResNet18模型，冻结底层参数并替换全连接层，构建了一个新的分类模型。然后定义了数据预处理流程、数据集类和数据加载器，并设置了训练和测试过程。代码展示了如何利用迁移学习技术，通过微调预训练模型来适应新任务，显著减少训练时间和计算资源需求。最后进行模型训练和测试，记录准确率和损失值来评估模型性能。

2501_91237346
2025-09-07 20:58:26

 465

 4

#深度学习 #cnn #人工智能
深度学习入门实战教程｜案例③-6：CNN 深度解释与可视化

本文探讨高光谱分类中CNN模型的可解释性问题。通过类激活图(CAM)和通道注意力可视化方法，揭示了CNN内部工作机制。实验在KSC数据集上进行，采用1DCNN模型，并展示多种可视化技术：混淆矩阵分析错误分类模式、整图预测验证空间泛化能力、卷积核谱形可视化展示特征提取机制、通道重要性评估识别关键特征维度。这些方法使CNN从"黑箱"转变为可解释模型，帮助理解其决策依据。实验代码完整

 lestatlu
2025-09-07 20:33:52

 508

 5

#深度学习 #cnn #人工智能 +3
深度学习入门实战教程｜案例③-5：进阶卷积（Dilated / Depthwise Separable）在 KSC 的应用

研究对比了空洞卷积和深度可分离卷积在1D高光谱分类中的效果。空洞卷积通过间隔采样扩大感受野，深度可分离卷积将标准卷积拆分为逐通道和点卷积，显著降低参数量。实验在KSC数据集上对比了三种1D-CNN模型：标准卷积、空洞卷积和深度可分离卷积。结果表明，空洞卷积在AA/Kappa指标上更稳定，深度可分离卷积计算效率更高，但基础卷积在特定情况下仍可能表现最佳。研究建议将这些结构作为可选基线进行对比，并提出

 lestatlu
2025-09-07 20:32:56

 458

 4

#深度学习 #人工智能 #cnn +2
【动态多目标优化】基于CNN-LSTM定向改进预测的动态多目标进化算法（CNN-LSTM-DIP-DMOEA）求解CEC2018附MATLAB代码

在科技飞速发展的当下，众多实际问题不再局限于单一目标的优化，而是涉及多个目标，并且这些目标往往随时间动态变化。比如，在智能交通系统中，我们既希望交通流量最大化，又要保证出行时间最短，同时还要考虑环境污染最小化，而这些目标会随着不同的时间段、路况等因素不断改变；在能源管理领域，既要追求能源利用效率最大化，又要控制成本最低，还要保障能源供应的稳定性，这些目标同样会因能源价格波动、用户需求变化等动态因

 荔枝科研工作室
2025-09-08 11:13:31

 775

 23

#cnn #lstm #算法
优秀项目：深度学习CNN卷积神经算法垃圾分类系统 TensorFlow大数据 OpenCV 毕业设计（建议收藏）✅

优秀项目：深度学习CNN卷积神经算法垃圾分类系统 TensorFlow大数据 OpenCV 毕业设计（建议收藏）✅

q_3375686806
2025-09-10 18:52:45

 338

 4

#深度学习 #算法 #cnn +1
深度学习⑤【CNN实战：基于深度残差（深层奥义）网络的宠物狗细粒度图像分类】

通过本实战项目，您不仅能够掌握ResNet在实际项目中的应用，更能深入理解细粒度图像分类的核心技术和解决方案

 m0_74027965
2025-09-11 10:20:36

 1086

 23

#深度学习 #cnn #分类
毕业设计：python人脸表情识别系统情绪识别系统深度学习神经网络CNN算法毕业设计✅

毕业设计：python人脸表情识别系统情绪识别系统深度学习神经网络CNN算法毕业设计✅

源码之家
2025-09-11 19:00:00

 907

 15

#深度学习 #神经网络 #python +1
机器学习、深度学习

卷积神经网络（CNN）vs. 循环神经网络（RNN）vs. Transformer

kunwen123
2025-09-12 17:59:05

 635

 3

#cnn #rnn #transformer
机器学习-卷积神经网络（CNN）

由此一个卷积层模型的参数不再依赖于输入/输出的大小，只与窗口大小相关。一个核可以学习识别一个模式。单通道的输入和输出的卷积。

m0_74478829
2025-09-13 16:17:05

 464

 12

#机器学习 #cnn #人工智能
基于CNN+LSTM混合深度学习模型的智能呼吸系统疾病诊断系统

该AI系统通过深度学习模型(CNN+LSTM)分析肺音频，预测多种呼吸系统疾病。系统支持6类疾病识别(包括COPD、肺炎等)，采用多维度音频特征提取(MFCC、色度特征等)，结合CNN特征提取和LSTM时序建模能力，实现对呼吸系统疾病的智能分类诊断。

qq_54886682
2025-09-15 17:58:41

 277

 5

#深度学习 #cnn #lstm +2
大模型之NLP三大特征抽取器（CNN/RNN/TF）

RNN已经基本完成它的历史使命，将来会逐步退出历史舞台；CNN如果改造得当，将来还是有希望有自己在NLP领域的一席之地；而Transformer明显会很快成为NLP里担当大任的最主流的特征抽取器。NLP任务的特点：输入是个一维线性序列；输入不定长；单词或句子的位置关系很重要；句子中长距离特征对于语义理解也很重要。。

图灵的达芬奇
2025-09-15 16:59:52

 817

 21

#自然语言处理 #cnn #rnn
CNN卷积神经算法垃圾分类系统 TensorFlow大数据 OpenCV 深度学习毕业设计（建议收藏）✅

CNN卷积神经算法垃圾分类系统 TensorFlow大数据 OpenCV 深度学习毕业设计（建议收藏）✅

vx_biyesheji0002
2025-09-16 18:00:00

 696

 19

#算法 #深度学习 #cnn
卷积神经网络CNN算法垃圾分类系统深度学习TensorFlow大数据 OpenCV 毕业设计（建议收藏）✅

卷积神经网络CNN算法垃圾分类系统深度学习TensorFlow大数据 OpenCV 毕业设计（建议收藏）✅

vx_biyesheji0001
2025-09-16 16:00:00

 1198

 39

#算法 #深度学习 #cnn +1
深度学习之卷积神经网络CNN

卷积神经网络专门用于处理图像, 视频, 语音等数据的神经网络. 是含有卷积层的神经网络, 卷积层的作用就是用来自动学习, 提取图像的特征.CNN网络主要由三部分构成:卷积层池化层和全连接层卷积层负责提取图像中的局部特征.池化层用来大幅降低参数量级(降维).全连接层类似人工神经网络的部分, 用来输出想要的结果.

m0_74228750
2025-09-17 21:46:10

 1741

 58

#深度学习 #cnn #人工智能
实时脑肿瘤诊断：一种新型轻量级深度学习模型的应用

脑肿瘤仍是全球范围内的主要致死原因之一，这凸显了对有效且精准诊断工具的迫切需求。本文提出了 MK-YOLOv8—— 一种创新性轻量级深度学习框架，该框架专为从磁共振成像（MRI）图像中实时检测和分类脑肿瘤而开发。该模型以 YOLOv8 架构为基础，集成了 Ghost 卷积、C3Ghost 模块和 SPPELAN 模块，旨在提升特征提取能力并大幅降低计算复杂度。模型中新增了一个超小目标检测层，可支持

 renrenzhenxue
2025-09-18 00:00:40

 335

#深度学习 #人工智能 #计算机视觉 +2
python手写数字识别计分系统+CNN模型+YOLOv5模型深度学习计算机毕业设计（建议收藏）✅

python手写数字识别计分系统+CNN模型+YOLOv5模型深度学习计算机毕业设计（建议收藏）✅

源码之家
2025-09-18 15:21:14

 633

 23

#深度学习 #python #cnn
python水果检测识别系统 CNN卷积神经网络算法Django框架 python语言计算机毕业设计大数据专业（源码）✅

python水果检测识别系统 CNN卷积神经网络算法Django框架 python语言计算机毕业设计大数据专业（源码）✅

q_3375686806
2025-09-19 10:30:39

 614

 21

#python #cnn #算法 +1
深度学习笔记：卷积神经网络CNN

LeNet 验证了 CNN 的可行性，为后续研究奠定基础；AlexNet 通过激活函数、Dropout 等创新，让 CNN 适配大规模数据；VGG 用模块化设计和小卷积核，探索了 “深度” 对性能的提升。

凳子（刘博浩）
2025-09-19 13:47:32

 607

 19

#深度学习 #cnn
深度学习（4）卷积神经网络

卷积层通过 “参数共享”（同一核在全图复用）大幅减少参数数量，通过 “局部连接” 保留空间结构，是 CNN 区别于 MLP 的核心。

wwww.bo
2025-09-19 15:54:13

 1062

 18

#深度学习 #cnn #人工智能
python人脸表情识别系统情绪识别系统深度学习神经网络CNN算法卷积神经网络算法毕业设计✅

python人脸表情识别系统情绪识别系统深度学习神经网络CNN算法卷积神经网络算法毕业设计✅

q_3375686806
2025-09-19 15:30:00

 814

 15

#深度学习 #神经网络 #python +1
深度学习中的卷积神经网络

卷积神经网络（CNN）通过局部连接和参数共享机制，有效解决了图像处理中的参数量爆炸问题。核心原理包括平移不变性和局部性，通过卷积、填充、步幅和池化等技术实现高效特征提取。从LeNet到AlexNet再到VGG，CNN架构不断演进，展现了分层特征提取能力。训练技巧包括ReLU激活、Dropout正则化和数据增强等优化策略。相比全连接网络，CNN具有显著的计算和内存优势，在计算机视觉等领域广泛应用，其

 hui梦呓の豚
2025-09-19 16:00:21

 792

 22

#深度学习 #cnn #人工智能
开心实习之深度学习之卷积神经网络

卷积神经网络通过 “卷积层提取特征、池化层压缩维度、全连接层分类” 的核心流程，解决了全连接层忽略空间信息、参数过多的痛点。从 LeNet 的 “开山”，到 AlexNet 的 “爆发”，再到 VGG 的 “深度革命”，CNN 的发展始终围绕 “更高效提取特征、适配更大数据” 的目标。如今，CNN 已广泛应用于图像分类、目标检测、人脸识别等领域，其核心思想（参数共享、局部特征、自动学习）不仅局限于

 tangchen。
2025-09-19 15:34:40

 741

 13

#深度学习 #cnn #人工智能
Python人脸表情识别系统情绪识别 CNN卷积神经网络 PyQt5界面深度学习毕业设计✅

Python人脸表情识别系统情绪识别 CNN卷积神经网络 PyQt5界面深度学习毕业设计✅

q_3548885153
2025-09-19 18:00:00

 1568

 22

#深度学习 #python #cnn +1
基于深度学习的图像自动标题生成系统

本项目开发了一个基于深度学习的图像标题生成系统，采用VGG16+LSTM的编码器-解码器架构。系统支持用户上传图片，通过VGG16提取图像特征后，由LSTM模型生成自然语言描述。技术实现上，将图像特征提取（离线）与标题生成（在线）分离，采用Add层融合多模态特征，并通过Streamlit构建了可视化交互界面。该系统能自动为输入图像生成英文描述，具有处理效率高、用户友好等特点。

qq_54886682
2025-09-20 17:31:25

 437

 3

#深度学习 #人工智能 #python +2
犬种识别：基于Xception的CNN图像识别系统神经网络深度学习毕业设计（建议收藏）✅

犬种识别：基于Xception的CNN图像识别系统神经网络深度学习毕业设计（建议收藏）✅

q_3375686806
2025-09-21 09:30:00

 751

 16

#神经网络 #深度学习 #cnn +2
深度学习】--卷积神经网络

我们看到第一行三个图片中，目标物体（黑色标注）在图片的不同位置，它们经过卷积之后，得到了第二行的三个特征图，我们再将特征图进行最大池化，发现池化后的压缩结果都为3，将其识别为了同一个特征，其余的噪声影响都被处理了。我们的目标是识别图片中的花朵是不是鸢尾花，那我们卷积时寻找的特征图，当然得是关于鸢尾花的特征，尽量减少其余噪声的影响。对于卷积层，可以形象的将卷积核当作是每个人的眼睛，每个眼睛都能得到一

 2501_91113915
2025-09-21 20:49:58

 886

 26

#深度学习 #cnn #人工智能
深度学习笔记：卷积神经网络（CNN）演进与PyTorch构建模型基础

残差块有两种形式：直接相加输入与输出（需形状一致）通过1×1卷积调整通道数后再相加这些模块可组合成现代网络如 ResNet从LeNet到VGG，CNN通过更深的结构更好的激活函数正则化技术和模块化设计不断提升性能。而在PyTorch中，我们可以通过nn.Module和等工具灵活构建这些网络结构，实现从理论到实践的无缝衔接。

2201_75691511
2025-09-22 14:26:30

 394

 5

#深度学习 #cnn
深度学习入门：读懂卷积神经网络与 PyTorch 核心知识

本文系统介绍了卷积神经网络(CNN)的核心原理与应用。首先阐述了CNN相比多层感知机的优势：保留图像空间结构、参数共享和平移不变性。详细解析了CNN的核心组件：卷积层提取特征、池化层降维、激活函数引入非线性。梳理了从LeNet到ResNet的经典网络演进历程，以及目标检测网络的发展。同时讲解了PyTorch框架的四大核心组件：层、模型、损失函数和优化器，对比了nn.Module和nn.functi

yuhang778
2025-09-22 15:51:29

 907

 14

#深度学习 #cnn #pytorch
从传统CNN到ResNet：深度学习中的深层网络革命

2015年，何凯明团队提出的残差网络(ResNet)解决了传统CNN的深层网络训练难题。其核心创新在于引入残差结构和快捷连接，让网络学习"残差映射"而非直接映射，有效缓解了梯度消失问题。ResNet通过批量归一化(BN)层进一步稳定训练，设计出从18层到152层的系列网络架构。实验证明，152层ResNet在ImageNet上的Top-5错误率降至5.2%，远超传统CNN。这一

 Sunhen_Qiletian
2025-09-23 19:00:49

 1718

 42

#深度学习 #cnn #网络
Day28_【深度学习（7）—卷积神经网络CNN】

本文介绍了卷积神经网络(CNN)的基本结构和原理。CNN主要包含输入层、卷积层、池化层、全连接层和输出层。卷积层通过卷积核提取图像特征，具有权重参数；池化层用于降维，无权重参数。文章详细说明了卷积核尺寸、通道数、特征图计算、padding和stride等核心概念，以及最大池化和平均池化的实现方法。全连接层将空间特征整合为一维向量用于分类决策。CNN通过这种特殊结构有效处理图像数据，相比传统神经网络

 l12345sy
2025-09-23 18:49:40

 960

 15

#深度学习 #cnn #人工智能
深度学习-卷积神经网络

本文总结了卷积神经网络(CNN)的核心知识点：1. 图像基础知识，包括像素表示、RGB通道和图像处理；2. CNN由卷积层、池化层和全连接层组成，卷积层通过滑动窗口提取特征，池化层降维；3. 详细讲解了卷积计算原理、多通道处理、填充与步长设置，以及特征图尺寸计算公式；4. 介绍了PyTorch实现卷积和池化的API；5. 以CIFAR10分类为例说明CNN应用，并给出提高准确率的优化建议。CNN凭

 空白到白
2025-09-25 08:36:10

 1236

 26

#深度学习 #cnn #人工智能
【深度学习】Mathematical background(数学背景)（下）

本文摘要梳理了信息论与数值计算的核心概念。信息论部分涵盖伯努利变量熵、衡量分布近似信息损失的KL散度（具有不对称性）。数值计算部分包括：一阶导数、梯度下降原理（梯度为各方向偏导之和）、极值点判定；二阶导数相关内容涉及曲率计算、基于泰勒展开的最优步长推导。文末提及实验课将演示相关代码实现。

weixin_73917603
2025-09-25 17:59:26

 265

 2

#深度学习 #神经网络 #numpy +2
python老照片修复系统卷积神经网络CNN算法图片修复深度学习 Django框架 pytorch 大数据毕业设计（建议收藏）✅

python老照片修复系统卷积神经网络CNN算法图片修复深度学习 Django框架 pytorch 大数据毕业设计（建议收藏）✅

源码之家
2025-09-25 18:30:00

 1874

 53

#python #深度学习 #cnn +1
【深度学习】lecture_3_Deep networks & backpropagation

这篇文章介绍了深度学习中的关键概念和方法。主要内容包括：1）机器学习的基本定义（任务T、性能P、经验E）；2）线性回归示例和误差类型（训练/测试/泛化误差）；3）模型容量与泛化能力的关系；4）感知机和深度神经网络结构；5）基于梯度的学习方法（反向传播）和常用损失函数（交叉熵）；6）三种输出类型和隐藏单元激活函数（ReLU、sigmoid、tanh）；7）网络架构设计原则；8）反向传播计算中的链式法

 weixin_73917603
2025-09-25 22:22:41

 643

 7

#深度学习 #人工智能 #python +3