Konvolūciju neironu tīkls (klasifikācija)
Konvolūciju neironu tīkls (CNN) ir dziļās apmācības modelis, ko 1998. gadā izveidoja LeCun un kolēģi, un kas apgūst lokālus attēlu un strukturētu datu paraugus tieši no datiem, lai tos klasificētu. Konvolūcijas filtru kopas atklāj arvien abstraktākas iezīmes, tādējādi manuālo iezīmju inženieriju var lielā mērā samazināt.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 1). Convolutional Neural Network for Classification. ScholarGate. https://scholargate.app/lv/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.
- AutoencoderDziļā mācīšanās↔ compare
- Random ForestMašīnmācīšanās↔ compare
- Atbalsta vektoru mašīna (klasifikācija)Mašīnmācīšanās↔ compare
- Transformer (NLP)Dziļā mācīšanās↔ compare
- XGBoostMašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →