论文研究改进卷积神经网络在分类与推荐中的实例应用.pdf

BP神经网络在遥感图像分类中的应用，李先，郭嗣琮，为了研究BP神经网络在遥感图像分类中的应用，通过分析BP神经网络的原理、模型及算法，提出了利用BP神经网络进行遥感图像分类的特点

手写字迹识别是计算机视觉应用领域中的一个重要方向。特别是在邮政编码识别、银行支票识别等场景下，手写字迹的自动识别越来越受到广泛关注。深度神经网络（DNN）和卷积神经网络（CNN）等深度学习技术因其在分

卷积神经网络CNN研究的相关文章指导，为学者提供一些思路，CNN当前较火热，不断被用于更多的领域，包含图像处理，图像分类，目标检测等等。

作为一个十余年来快速发展的崭新领域，深度学习受到了越来越多研究者的关注，它在特征提取和建模上都有着相较于浅层模型显然的优势．深度学习善于从原始输入数据中挖掘越来越抽象的特征表示，而这些表示具有良好的泛

各项异性非线性扩散滤波方法自诞生以来，许多研究者致力于该方法的改进和优化，并取得了很大的进步。然而，这些改进模型都很少关注到人类视觉系统信息的利用。把视觉系统信息融合到梯度信息中，定义了视觉梯度这一全

改进的模糊神经网络算法在车型识别中的应用，杨平乐，王勇，首先介绍了车型识别的背景、意义和一般实现过程,在对采用模糊理论进行分析的基础上,针对混沌对初值的极端敏感依赖性,可以对仅有�

传统文本分类使用word embedding作为文档表示，忽略词在当前上下文的含义，潜在地认为相同词在不同文本中含义相同。针对此问题提出一种词义消歧的卷积神经网络文本分类模型——WSDCNN（word

为解决电磁频谱中的未知信号分类和身份识别问题，提出一种基于改进卷积神经网络（CNN）LeNet-5模型的信号分类方法。该方法使用信号全双谱作为CNN的输入，然后通过改进的LeNet-5模型学习信号特征

对具有时间属性的数据进行数据挖掘称为时态数据挖掘，用以发现数据在时间上的知识，当数据变化不规律时，如股票交易数据,就很难发现有价值的规律与规则。而神经网络具有并行、容错、可以硬件实现以及自我学习的优点

机器学习是许多人在人类生活的各个领域中不可或缺的技术。 它遍及全球的现代生活中,并具有多种用途。 一种应用是图像分类,它涵盖了许多影响领域,例如商业,金融,医药等,以提高产量,原因,效率等。这种对更精