AlexNet
AlexNet er et dybt konvolutionelt neuralt netværk (CNN), introduceret af Alex Krizhevsky, Ilya Sutskever og Geoffrey Hinton i 2012. Det vandt ImageNet Large Scale Visual Recognition Challenge (ILSVRC 2012) med en top-5 fejlrate på 15,3%, hvilket var mere end 10 procentpoint bedre end nummer to og genantændte bred interesse for deep learning. Arkitekturen introducerede eller populariserede flere teknikker – ReLU-aktiveringer, dropout-regularisering og multi-GPU-træning – som blev standardpraksis inden for feltet.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet Classification with Deep Convolutional Neural Networks. Advances in Neural Information Processing Systems, 25, 1097–1105. (Republished: Communications of the ACM, 60(6), 84–90, 2017.) DOI: 10.1145/3065386 ↗
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning (Ch. 9: Convolutional Networks). MIT Press. ISBN: 978-0-262-03561-3
- LeCun, Y., Bengio, Y., & Hinton, G. E. (2015). Deep Learning. Nature, 521, 436–444. DOI: 10.1038/nature14539 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). AlexNet (Krizhevsky–Sutskever–Hinton Deep Convolutional Neural Network). ScholarGate. https://scholargate.app/da/deep-learning/alexnet
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Batch NormalizationDyb læring↔ compare
- DropoutDyb læring↔ compare
- ResNet (Residual Network)Dyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →