大家好，今天小編關(guān)注到一個比較有意思的話題，就是關(guān)于cnn減肥方法的問題，于是小編就整理了1個相關(guān)介紹cnn減肥方法的解答，讓我們一起看看吧。
神經(jīng)網(wǎng)絡(luò)是什么？
下面我們來點通俗易懂的幾個概念。如果想系統(tǒng)性學(xué)習(xí)，建議買一些相關(guān)的書籍看一看。
神經(jīng)網(wǎng)絡(luò)技術(shù)是機(jī)器學(xué)習(xí)下屬的一個概念，本質(zhì)上是從信息處理的角度對人腦神經(jīng)元網(wǎng)絡(luò)進(jìn)行抽象模擬，從而建立計算模型。
基于神經(jīng)連接的計算模型在上世紀(jì)40年代開始受到重視，大量的訓(xùn)練數(shù)據(jù)（包括圖像、視頻和語音）成功的實現(xiàn)了數(shù)據(jù)分析。在深度學(xué)習(xí)發(fā)展之前，神經(jīng)網(wǎng)絡(luò)通常只有3到5層，和幾十個神經(jīng)元/節(jié)點；深度學(xué)習(xí)之后，神經(jīng)網(wǎng)絡(luò)擴(kuò)展到7到10層，甚至更多層，模擬神經(jīng)元數(shù)目增至百萬量級，從而面向更為復(fù)雜的問題實現(xiàn)更為可靠的處理。當(dāng)下興起的人工智能，主要就是大規(guī)模的深度學(xué)習(xí)。
具體來看，神經(jīng)網(wǎng)絡(luò)有三類主要形式：
前饋神經(jīng)網(wǎng)絡(luò)（Feed forward neural networks）是最常見的人工神經(jīng)網(wǎng)絡(luò)。在這種結(jié)構(gòu)下，信息只向一個方向（向前）移動，即從輸入層經(jīng)過“隱藏層”到輸出層，沒有循環(huán)網(wǎng)絡(luò)。首個單節(jié)神經(jīng)網(wǎng)絡(luò)在1958年提出，經(jīng)過計算能力和訓(xùn)練算法的***展，前饋神經(jīng)網(wǎng)絡(luò)展現(xiàn)出了更高的性能水平。
1.2 循環(huán)神經(jīng)網(wǎng)絡(luò)
循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent neural networks)指結(jié)構(gòu)中包含節(jié)點定向連接成環(huán)（loops）的人工神經(jīng)網(wǎng)絡(luò)，非常適合于處理（手寫、文本、語音形式的）任意時序的輸入序列。2016年11月，牛津研究報告顯示，基于神經(jīng)網(wǎng)絡(luò)（和卷積神經(jīng)網(wǎng)絡(luò)）的系統(tǒng)在唇語識別應(yīng)用中實現(xiàn)了95%的準(zhǔn)確率（有經(jīng)驗的人類唇語者準(zhǔn)確率近52%）。
1.3 卷積神經(jīng)網(wǎng)絡(luò)
卷積神經(jīng)網(wǎng)絡(luò)（Convolutional neural networks）是一種深度前饋人工神經(jīng)網(wǎng)絡(luò)，其邏輯結(jié)構(gòu)受動物視覺大腦皮層的啟發(fā)，對于大型圖像處理（視覺感知任務(wù)）有出色表現(xiàn)。
人工神經(jīng)網(wǎng)絡(luò)（ANNs）或連接系統(tǒng)是計算系統(tǒng)，其模糊地受到構(gòu)成動物腦的生物神經(jīng)網(wǎng)絡(luò)的啟發(fā)。這些系統(tǒng)通過考慮實例“學(xué)習(xí)”（即逐步提高性能），通常沒有特定于任務(wù)的編程。例如，在圖像識別中，他們可能會通過分析手動標(biāo)記為“貓”或“無貓”的示例圖像并使用結(jié)果識別其他圖像中的貓來識別包含貓的圖像。他們沒有任何先驗知識就這樣做關(guān)于貓，例如，他們有毛皮，尾巴，胡須和貓般的面孔。相反，他們從他們處理的學(xué)習(xí)資料中演變出自己的一套相關(guān)特征。
人工神經(jīng)網(wǎng)絡(luò)基于一組稱為人造神經(jīng)元（在動物腦中的生物神經(jīng)元的簡化版本）的連接單元或節(jié)點。人造神經(jīng)元之間的每個連接（簡化版本的突觸）可以將信號從一個傳輸?shù)搅硪粋€。接收信號的人工神經(jīng)元可以處理它，然后發(fā)出信號傳遞與之相連的人造神經(jīng)元。
在常見的ANN實現(xiàn)中，人造神經(jīng)元之間的連接處的信號是實數(shù)，并且每個人造神經(jīng)元的輸出通過其輸入之和的非線性函數(shù)來計算。人工神經(jīng)元和連接通常具有隨著學(xué)習(xí)進(jìn)行而調(diào)整的權(quán)重。重量增加或減少連接處信號的強(qiáng)度。人造神經(jīng)元可能有一個閾值，只有當(dāng)匯總信號超過該閾值時才會發(fā)送信號。通常，人造神經(jīng)元是分層組織的。不同的層可能會對其輸入執(zhí)行不同類型的轉(zhuǎn)換。信號從第一個（輸入）到最后一個（輸出）層傳播，可能在多次穿越層之后。
ANN方法的最初目標(biāo)是以與人類大腦相同的方式解決問題。然而，隨著時間的推移，注意力集中在匹配具體任務(wù)上，導(dǎo)致生物學(xué)的偏差。人工神經(jīng)網(wǎng)絡(luò)已用于各種任務(wù)，包括計算機(jī)視覺，語音識別，機(jī)器翻譯，社交網(wǎng)絡(luò)過濾，游戲板和***游戲以及醫(yī)療診斷。
了解更多硅谷前沿深度訊息請看 硅發(fā)布 微信公眾號。
到此，以上就是小編對于cnn減肥方法的問題就介紹到這了，希望介紹關(guān)于cnn減肥方法的1點解答對大家有用。