基于对数谱图的深度学习心音分类
对心音信号进行一致长度的分帧，提取其对数谱图特征，论文提出了长短期记忆(LSTM)和卷积神经网络(CNN)两种深度学习模型，根据提取的特征对心跳声进行分类。 心音数据集 影像学诊断包括心脏核磁共振成像(MRI)、CT扫描、心肌灌注成像。这些技术的缺点也很明显对现代机械、专业人员的要求高，诊断时间长。...
使用深度学习从分割图生成图像
一、前言使用 pix2pixHD 条件生成对抗网络 （CGAN） 从语义分割映射生成场景的合成图像。Pix2pixHD由两个同时训练的网络组成，以最大限度地提高两者的性能。生成器和鉴别器网络在训练期间相互竞争。当两个网络都无法进一步改进时，训练就会收敛。 二、下载视频数据集此示例使用CamVid 数...
深度学习基础入门篇9.1：卷积之标准卷积：卷积核/特征图/卷积计算、填充、感受视野、多通道输入输出、卷积优势和应用案例讲解
深度学习基础入门篇[9.1]：卷积之标准卷积：卷积核/特征图/卷积计算、填充、感受视野、多通道输入输出、卷积优势和应用案例讲解 1.卷积提出背景 在全连接网络[1]中，一张图片上的所有像素点会被展开成一个1维向量输入网络，如 图1 所示，28 x 28的输入数据被展开成为784 x 1 的数据作为输...
上海交通大学王宇光：几何深度学习和图神经网络的研究进展和趋势
以下为王宇光在机器之心 AI 科技年会上的演讲内容，机器之心进行了不改变原意的编辑、整理：大家下午好，我是上海交大自然科学研究院的王宇光。今天主要给大家介绍一下几何深度学习和图神经网络的研究进展，以及未来的技术趋势。我们知道几何深度学习是用于处理不同对象的深度神经网络，其结构和传统 CNN 相似，只...
深度学习相关概念：计算图与反向传播
在深度学习分类问题中，反向传播是一个重要的环节，它决定着模型是否能被训练，反向传播相当于一个负反馈，当一件事做完之后，会寻找当前事件做的不好的问题，进行回传，当下次在做的时候，进行优化。计算图 在了解反向传播之前，我们必须首先明白什么是计算图，当只有构...
「几何深度学习」从古希腊到AlphaFold，「图神经网络」起源于物理与化学
【新智元导读】最近大火的「几何深度学习」到底是怎么出现的？创始人Michael Bronstein发布系列长文，带你从头开始回忆。2016年，牛津大学教授、Twitter的图机器学习研究负责人Michael Bronstein发布了一篇论文，首次引入几何深度学习（Geometric Deep Lea...
深度学习入门（9）神经网络Affine与Softmax层的计算图表示方式及其误差反向传播的代码实现
1 Affine与Softmax层的实现1.1 Affine层神经元的加权和可以用 Y = np.dot(X, W) + B计算出来。然后，Y 经过激活函数转换后，传递给下一层。这就是神经网络正向传播的流程。神经网络的正向传播中进行的矩阵的乘积运算在几何学领域被称为“仿射变换” 。将进行仿...
深度学习入门（8）激活函数ReLU和 Sigmoid的计算图表示方式及其误差反向传播的代码实现
前言基于前两篇文章《深度学习入门（6）误差反向传播基础---计算图与链式法则》《深度学习入门（7）误差反向传播计算方式及简单计算层的实现》计算图基础及其简单层的实现，本文主要介绍如何将计算图运用到神经网络中，通过定义一个类的方式用计算图实现激活函数的 ReLU层和 Sigmoid层，让其成为构成神经...
深度学习入门（6）误差反向传播基础---计算图与链式法则
1.计算图计算图将计算过程用图形表示出来。这里的图形是数据结构图。1.1用计算图进行计算 构建了计算图后，从左向右进行计算。就像电路中的电流流动一样，计算结果从左向右传递。到达最右边的计算结果后，计算过程就结束了。计算图计算流程：1.构建计算图。2.在计算图上，从左向右进行计算。第2歩“从左向右进行...
深度学习之如何使用Grad-CAM绘制自己的特征提取图-（Pytorch代码，详细注释）神经网络可视化-绘制自己的热力图
众所周知，我们一般是将神经网络理解成一个黑匣子，因此我们往往不知道神经网络特征提取提取的具体是图片的那部分，因此Grad-CAM诞生了，我们只需要少量的代码，Grad-CAM，就可以识别对神经网络模型特征提取图实现可视化，然后使我们清楚地看到神经网络究竟是根据图像的那部分特征进行识别的。CAM我们就...
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
产品推荐
社区圈子
