Konvolutionelt Neuralt Netværk (Klassifikation)
Et konvolutionelt neuralt netværk (CNN) er en deep learning-model, etableret af LeCun og kolleger i 1998, der lærer lokale mønstre direkte fra billeder og struktureret data for at klassificere dem. Lag af konvolutionelle filtre opdager stadigt mere abstrakte træk, så manuel træk-konstruktion kan i vid udstrækning reduceres.
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
- LeCun, Y., Bottou, L., Bengio, Y. & Haffner, P. (1998). Gradient-Based Learning Applied to Document Recognition. Proceedings of the IEEE, 86(11), 2278–2324. DOI: 10.1109/5.726791 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 1). Convolutional Neural Network for Classification. ScholarGate. https://scholargate.app/da/deep-learning/cnn-classification
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.
- AutoencoderDyb læring↔ compare
- Random ForestMaskinlæring↔ compare
- Support Vector Machine (Klassifikation)Maskinlæring↔ compare
- Transformer (NLP)Dyb læring↔ compare
- XGBoostMaskinlæring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →