近年来,卷积神经网络作为机器学习的热点内容以及深度学习算法之一,已经在图像识别等多个领域成功应用.随着研究的深入,为了构造出......

神经网络通过模拟生物大脑神经元的功能和连接结构,使得机器可以通过数据驱动自动化地处理特征工程。随着硬件算力的提升,以深度学......

深度学习方法以其特征提取和非线性数据建模的优势,受到越来越多研究者的关注。卷积神经网络作为深度学习中一种典型的结构,被广泛......

多尺度卷积神经网络被广泛应用在图像去模糊领域,但在不同尺度上对网络参数进行独立设定的方法会导致网络训练难,并且产生参数过大......

为了在说话人识别任务中有效融合音视频特征,提出一种基于深度门的多模态长短期记忆(LSTM)网络。首先对每一类单独的特征建立一个......

图像分类任务一直是计算机视觉领域研究的热点。面对浩如烟海的图像分类数据,传统的特征处理方法已显得捉襟见肘,而随着计算机计算......

机器翻译是自然语言处理领域重要的研究方向,近年来随着深度学习的飞速发展,神经机器翻译逐渐成为研究和应用的主流翻译方法,然而......

为了解决复杂背景下的无人机目标识别与检测问题,提出一种改进的更快捷的区域卷积神经网络(fasterregion-based convolutional neu......

针对轻量化神经网络中大量1×1卷积操作限制网络模型压缩的问题,提出了轻量化神经网络模型压缩算法,并对网络结构进行了搜索。......

针对简单的循环神经网络(RNN)无法长时间记忆信息和单一的卷积神经网络(CNN)缺乏捕获文本上下文语义的能力的问题,为提升文本分类......