2017卷积神经网络研究综述

卷积神经网络CNN的并行化研究并行化MapReduce框架GPU加速

tensorflow 卷积神经网络 cnn cifar10数据集 有源码解析 于入门学习者很有帮助

LeNet-5卷积神经网络模型是Yann LeCun等人于1998年提出的经典模型，主要用于手写字识别任务。该模型采用sigmoid作为激活函数，并通过反向传播算法进行训练和参数优化。在训练过程中，L

卷积神经网络和递归神经网络(构建神经网络,进行数据处理,包括卷积神经网络和递归神经网络)

卷积神经网络对图像具有强大的特征提取性能，成为深度学习算法的一个重要的组成部分，在图像识别的技术应 用中起到了至关重要的作用。首先介绍了卷积神经网络的发展背景，然后介绍了神经网络的结构组成及每层的功能

图卷积神经网络(GCNNs)是深度学习技术在图结构数据问题上的一种强大的扩展。我们对GCNNs的几种池方法进行了实证评估，并将这些图池化方法与三种不同架构(GCN、TAGCN和GraphSAGE)进行

很不错的最新介绍深度学习的文献，仅供大家参考，希望更多的深学爱好者上传分享，谢谢！

本文对2019年10月更新的CNN综述文章A Survey of the Recent Architectures of Deep Convolutional Neural Networks进行了翻译

人工神经网络(ArtificialNeuralNetwork,ANN)是由大量处理单元互联组成的非线性、自适应信息处理系统。它是在现代神经科学研究成果的基础上提出的，试图通过模拟大脑神经网络处理、记忆

由Poonam Sharma和Akansha Singh所写：深度学习在各种机器学习和计算机视觉应用中取得了显着的成功。 学习允许多个处理层自己学习功能，与传统的机器学习方法相反，而传统的机器学习方法