AlexNet
AlexNet är ett djupt faltningsnätverk (CNN) som introducerades av Alex Krizhevsky, Ilya Sutskever och Geoffrey Hinton år 2012. Det vann ImageNet Large Scale Visual Recognition Challenge (ILSVRC 2012) med en topp-5-felkvot på 15,3 %, vilket överträffade tvåan med mer än 10 procentenheter och återuppväckte ett brett intresse för djupinlärning. Arkitekturen introducerade eller populariserade flera tekniker – ReLU-aktiveringar, dropout-regularisering och träning med flera GPU:er – som blev standardpraxis inom fältet.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet Classification with Deep Convolutional Neural Networks. Advances in Neural Information Processing Systems, 25, 1097–1105. (Republished: Communications of the ACM, 60(6), 84–90, 2017.) DOI: 10.1145/3065386 ↗
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning (Ch. 9: Convolutional Networks). MIT Press. ISBN: 978-0-262-03561-3
- LeCun, Y., Bengio, Y., & Hinton, G. E. (2015). Deep Learning. Nature, 521, 436–444. DOI: 10.1038/nature14539 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). AlexNet (Krizhevsky–Sutskever–Hinton Deep Convolutional Neural Network). ScholarGate. https://scholargate.app/sv/deep-learning/alexnet
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.
- Batch-normaliseringDjupinlärning↔ compare
- DropoutDjupinlärning↔ compare
- ResNet (Residual Network)Djupinlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →