Mạng nơ-ron tích chập (Phân loại)
Mạng nơ-ron tích chập (CNN) là một mô hình học sâu, được LeCun và cộng sự thiết lập năm 1998, học các mẫu cục bộ trực tiếp từ ảnh và dữ liệu có cấu trúc để phân loại chúng. Các lớp bộ lọc tích chập khám phá các đặc trưng ngày càng trừu tượng, do đó có thể giảm đáng kể việc thiết kế đặc trưng thủ công.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 1). Convolutional Neural Network for Classification. ScholarGate. https://scholargate.app/vi/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.
- Bộ tự mã hóaHọc sâu↔ compare
- Rừng ngẫu nhiênHọc máy↔ compare
- Máy Vectơ Hỗ trợ (Phân loại)Học máy↔ compare
- Transformer (NLP)Học sâu↔ compare
- XGBoostHọc máy↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →