Сверточная нейронная сеть (классификация)
Сверточная нейронная сеть (CNN) — это модель глубокого обучения, разработанная ЛеКуном и его коллегами в 1998 году, которая изучает локальные паттерны непосредственно из изображений и структурированных данных для их классификации. Стеки сверточных фильтров обнаруживают все более абстрактные признаки, что значительно сокращает необходимость в ручной разработке признаков.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 1). Convolutional Neural Network for Classification. ScholarGate. https://scholargate.app/ru/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.
- АвтоэнкодерГлубокое обучение↔ compare
- Случайный лесМашинное обучение↔ compare
- Метод опорных векторов (классификация)Машинное обучение↔ compare
- Transformer (NLP)Глубокое обучение↔ compare
- XGBoostМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →