神经网络深度学习算法 内容精选 换一换
  • 基于深度学习算法的语音识别

    华为云计算 云知识 基于深度学习算法 语音识别 基于深度学习算法的语音识别 时间:2020-12-01 09:50:45 利用新型的人工智能(深度学习算法,结合清华大学开源语音数据集THCHS30进行语音识别的实战演练,让使用者在了解语音识别基本的原理与实战的同时,更好的了解人工智能的相关内容与应用。

    来自:百科

    查看更多 →

  • 计算机视觉基础:深度学习和神经网络

    、自动机器学习等领域。 课程简介 本教程介绍了AI解决方案深度学习的发展前景及其面临的巨大挑战;深度神经网络的基本单元组成和产生表达能力的方式及复杂的训练过程。 课程目标 通过本课程的学习,使学员: 1、了解深度学习。 2、了解深度神经网络。 课程大纲 第1章 深度学习和神经网络

    来自:百科

    查看更多 →

  • 神经网络深度学习算法 相关内容
  • 深度学习

    华为云计算 云知识 深度学习 深度学习 时间:2020-11-23 16:30:56 深度学习( Deep Learning,DL)是机器学习的一种,机器学习是实现人工智能的必由之路。深度学习的概念源于人工神经网络的研究,包含多个隐藏层的多层感知器就是深度学习结构。深度学习通过组合低层特

    来自:百科

    查看更多 →

  • 深度学习概览

    华为云计算 云知识 深度学习概览 深度学习概览 时间:2020-12-17 10:03:07 HCIA-AI V3.0系列课程。本课程主要讲述深度学习相关的基本知识,其中包括深度学习的发展历程、深度学习神经 网络的部件、深度学习神经网络不同的类型以及深度学习工程中常见的问题。 目标学员

    来自:百科

    查看更多 →

  • 神经网络深度学习算法 更多内容
  • 大V讲堂——双向深度学习

    算法和应用示例。 课程简介 本课程介绍了双向深度学习理论、算法和应用示例,让你对双向深度学习有初步的认知。 课程目标 通过本课程的学习,使学员: 1、认识双向智能。 2、了解深度双向智能的理论、算法和应用示例。 课程大纲 第1章 引言 第2章 双向智能 第3章 深度双向智能 华为云

    来自:百科

    查看更多 →

  • 从MindSpore手写数字识别学习深度学习

    本次训练所使用的经过数据增强的图片 基于深度学习的识别方法 与传统的机器学习使用简单模型执行分类等任务不同,此次训练我们使用深度神经网络作为训练模型,即深度学习深度学习通过人工神经网络来提取特征,不同层的输出常被视为神经网络提取出的不同尺度的特征,上一层的输出作为下一层的输入,层层连接构成深度神经网络。 1994年,Yann

    来自:百科

    查看更多 →

  • AI技术领域课程--深度学习

    类的水平。本课程将介绍深度学习算法的知识。 课程简介 本课程将会探讨深度学习中的基础理论、算法、使用方法、技巧与不同的深度学习模型。 课程目标 通过本课程的学习,使学员: 1、掌握神经网络基础理论。 2、掌握深度学习中数据处理的基本方法。 3、掌握深度学习训练中调参、模型选择的基本方法。

    来自:百科

    查看更多 →

  • 大V讲堂——能耗高效的深度学习

    云知识 大V讲堂——能耗高效的深度学习 大V讲堂——能耗高效的深度学习 时间:2020-12-08 10:09:21 现在大多数的AI模型,尤其是计算视觉领域的AI模型,都是通过深度神经网络来进行构建的,从2015年开始,学术界已经开始注意到现有的神经网络模型都是需要较高算力和能好的

    来自:百科

    查看更多 →

  • 深度学习:IoT场景下的AI应用与开发

    华为云计算 云知识 深度学习:IoT场景下的AI应用与开发 深度学习:IoT场景下的AI应用与开发 时间:2020-12-08 10:34:34 本课程旨基于自动售卖机这一真实场景开发,融合了物联网与AI两大技术方向,向您展示AI与IoT融合的场景运用并解构开发流程;从 物联网平台

    来自:百科

    查看更多 →

  • 神经网络基础

    华为云计算 云知识 神经网络基础 神经网络基础 时间:2020-12-07 16:53:14 HCIP-AI EI Developer V2.0系列课程。神经网络深度学习的重要基础,理解神经网络的基本原理、优化目标与实现方法是学习后面内容的关键,这也是本课程的重点所在。 目标学员

    来自:百科

    查看更多 →

  • 昇腾AI软件栈逻辑架及功能介绍

    的处理算法。应用使能层包含计算机视觉引擎、语言文字引擎以及通用业务执行引擎等,其中: 1、计算机视觉引擎面向计算机视觉领域提供一些视频或图像处理的算法封装,专门用来处理计算机视觉领域的算法和应用。 2、语言文字引擎面向语音及其他领域,提供一些语音、文本等数据的基础处理算法封装等,

    来自:百科

    查看更多 →

  • 电梯内电瓶车检测

    视频监控 视频检测 人工智能 机器视觉 商品介绍 电瓶车起火事件时有发生,为保证楼宇公共安全,禁止电瓶车进入,该产品采用AI智能算法,利用卷积神经网络技术,通过深度学习实现电瓶车检测功能。 电梯内电瓶车检测商品介绍: 应用场景: 随着电瓶车越来越受欢迎,电瓶车起火事件也时有发生。特别当电

    来自:云商店

    查看更多 →

  • 什么是视频标签

    物标签 视频 OCR 识别视频中出现的文字内容,包括字幕、弹幕、以及部分自然场景文字和艺术字等 产品优势 识别准确 采用标签排序学习算法与卷积神经网络算法,识别精度高,支持实时识别与检测 简单易用 提供符合 RES Tful的API访问接口,使用方便,用户的业务系统可快速集成 层次标签

    来自:百科

    查看更多 →

  • 图像处理理论、应用与实验

    图像处理基本任务 第5章 特征提取与传统图像处理算法 第6章 深度学习与卷积神经网络 第7章 图像处理实验 华为云开发者学堂 华为官方云计算技术培训学习平台,致力于打造精品课程,在线实验,考试及认证一站式云计算技术人才培训平台,打造了“学、练、考、证”一站式学习与体验平台,为用户提供架构完整、内

    来自:百科

    查看更多 →

  • 什么是图像识别

    类、基于场景内容或者物体的广告推荐等功能更加准确。 图1 图像标签 示例图 名人识别 利用深度神经网络模型对图片内容进行检测,准确识别图像中包含的影视明星及网红人物。 翻拍识别 利用深度神经网络算法判断条形码图片为原始拍摄,还是经过二次翻拍、打印翻拍等手法二次处理的图片。利用翻拍识别

    来自:百科

    查看更多 →

  • 大V讲堂——神经网络结构搜索

    云知识 大V讲堂——神经网络结构搜索 大V讲堂——神经网络结构搜索 时间:2020-12-14 10:07:11 神经网络结构搜索是当前深度学习最热门的话题之一,已经成为了一大研究潮流。本课程将介绍神经网络结构搜索的理论基础、应用和发展现状。 课程简介 神经网络结构搜索(NAS)

    来自:百科

    查看更多 →

  • 人工智能学习入门

    AI技术领域课程--机器学习 AI技术领域课程--深度学习 AI技术领域课程--生成对抗网络 AI技术领域课程--强化学习 AI技术领域课程--图网络 AI技术领域课程--机器学习 AI技术领域课程--深度学习 AI技术领域课程--生成对抗网络 AI技术领域课程--强化学习 AI技术领域课程--图网络

    来自:专题

    查看更多 →

  • 打手机智能识别

    能检测算法解决此类问题,从而节约监督人员人力成本,提高监督效率,覆盖更广的监督范围,更能精确的监测到作业人员打手机行为,加强安全管控。 打手机智能检测算法是基于人工智能技术领域中的深度学习技术,结合大数据,使用大量的人员打手机图片数据采用监督学习的方式进行智能检测训练。算法采用深

    来自:云商店

    查看更多 →

  • 实战篇:神经网络赋予机器识图的能力

    手写数字识别模型。 课程目标 通过本课程的学习使学员掌握深度学习平台应用及入门深度学习。 课程大纲 第1节 导读&往期内容回顾 第2节 深度学习平台介绍 第3节 深度学习入门示例介绍 第4节 神经网络构建多分类模型 第5节 华为云深度学习平台实操演练 华为云 面向未来的智能世界,

    来自:百科

    查看更多 →

  • BoostKit大数据使能套件:Spark机器学习算法,实现数据处理倍级性能提升

    包括优化的机器学习算法,从而实现Spark性能倍级提升。 内容大纲: 1. 大数据机器学习算法发展历程; 2. 机器学习算法优化的技术挑战; 3. 鲲鹏BoostKit机器学习算法原理创新; 4. 面向鲲鹏的算法亲和优化实践; 5. 鲲鹏BoostKit机器学习算法实践。 听众收益:

    来自:百科

    查看更多 →

  • 常见的缓存淘汰算法

    。 2Q与LRU-2类似,不同点在于将LRU-2算法中的访问历史队列改成了一个FIFO队列,这里不再赘述。上面介绍了4个常用的缓存淘汰算法,实现起来也不是很复杂。当然还有一些其他的算法,这里就不再介绍了,感兴趣的朋友可以查找资料学习一下。 华为云 面向未来的智能世界,数字化是企业

    来自:百科

    查看更多 →

共105条
看了本文的人还看了