Rete Neurale Convoluzionale (Classificazione)
Una Rete Neurale Convoluzionale (CNN) è un modello di deep learning, sviluppato da LeCun e colleghi nel 1998, che apprende pattern locali direttamente da immagini e dati strutturati per classificarli. Stack di filtri convoluzionali scoprono caratteristiche sempre più astratte, riducendo così in larga misura l'ingegneria manuale delle caratteristiche.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 1). Convolutional Neural Network for Classification. ScholarGate. https://scholargate.app/it/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.
- AutoencoderApprendimento profondo↔ compare
- Random ForestApprendimento automatico↔ compare
- Support Vector Machine (Classificazione)Apprendimento automatico↔ compare
- Transformer (NLP)Apprendimento profondo↔ compare
- XGBoostApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →