Rede Neural Convolucional (Classificação)
Uma Rede Neural Convolucional (CNN) é um modelo de aprendizado profundo, estabelecido por LeCun e colegas em 1998, que aprende padrões locais diretamente de imagens e dados estruturados para classificá-los. Pilhas de filtros convolucionais descobrem características cada vez mais abstratas, de modo que a engenharia manual de características pode ser amplamente reduzida.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 1). Convolutional Neural Network for Classification. ScholarGate. https://scholargate.app/pt/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.
- AutoencoderAprendizado profundo↔ compare
- Random ForestAprendizado de máquina↔ compare
- Máquina de Vetores de Suporte (Classificação)Aprendizado de máquina↔ compare
- Transformer (PNL)Aprendizado profundo↔ compare
- XGBoostAprendizado de máquina↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →