AI人工智能 - 矩阵matrix - 卷积 - Neural Network神经网络 - Deep Learning深度学习 - 应用(图像识别,语音识别,文本识别)
发布日期:2021-06-29 14:21:02 浏览次数:2 分类:技术文章

本文共 294 字,大约阅读时间需要 1 分钟。

矩阵的意义

单纯看矩阵,矩阵只是数据的一种表现方式。

矩阵相乘(矩阵积)角度看,一是矩阵是数值向另一种角度数据的变换(例如余弦定理,角度和数值之间的变换),二是多元多项式的一种描述方式。核心思想是变换。

 

矩阵卷积

在矩阵基础上,加权叠加。为了加速运算,矩阵卷积,转换为矩阵乘法。

原始矩阵[m,n],卷积核[t,s],卷积运算后,矩阵变成[  (m+t-1),   (n+s-1)  ]。

卷积实例:

 

NN的意义

典型的AlexNet如下:

(复杂,简化入下)

核心思想是拟合出任意函数,进行分类

通过矩阵,拟合出任意函数。矩阵是NN的基本单元。

NN应用

图像识别

语音识别

文本识别

 

 

参考:

转载地址:https://chilaidashi.blog.csdn.net/article/details/106824982 如侵犯您的版权,请留言回复原文章的地址,我们会给您删除此文章,给您带来不便请您谅解!

上一篇:项目构建工具 - CMake (1)初识
下一篇:hypervisor中的CPU和物理CPU的对应关系

发表评论

最新留言

很好
[***.229.124.182]2024年04月06日 21时05分59秒