基于卷积神经网络（CNN）的深度迁移学习在声发射（AE）监测螺栓连接状况的应用
，从而识别螺栓的紧固级别。详细步骤如下： 2.3.1 模型选择 选择合适的深度学习模型进行分类。本研究中使用了四种不同的模型架构： GoogleNet: 一种具有“inception 模块”的深度卷积神经网络，能够有效地提取图像特征。ResNet18: 一种具有残差连接的深度卷积神经网络，能够有效地解决梯度消失问题。MobileNetV2: 一种轻量级的深度卷积神经网络，适合在移动设备上进行部署。Effi...
【猫狗识别系统】图像识别Python+TensorFlow+卷积神经网络算法+人工智能深度学习
搭建了一个Web网页端可视化操作界面。实现用户上传一张图片识别其名称。 一、前言 本研究中，我们开发了一个基于深度学习的猫狗识别系统，使用了TensorFlow框架下的MobileNetV2轻量级卷积神经网络模型。MobileNetV2模型以其高效的结构和较低的计算成本而闻名，非常适合在移动和嵌入式设备上使用。通过对数千张标记好的猫狗图片进行训练，最终生成了一个准确率较高的模型文件（H5格式），可以有效地...
深度神经网络——什么是 CNN（卷积神经网络）？
Facebook和Instagram自动检测图像中的面孔，Google通过上传照片搜索相似图片的功能，这些都是计算机视觉技术的实例，它们背后的核心技术是卷积神经网络（CNN）。那么，CNN究竟是什么呢？接下来，我们将深入探讨CNN的架构，揭示它们是如何工作的。 CNN是一种深度学习模型，它模仿了人类大脑处理视觉信息的方式。它们之所以在图像识别等领域表现出色，是因为它们能够自动从图像中学习复杂的特征。CN...
深度神经网络——什么是梯度下降？
如果对神经网络的训练有所了解，那么很可能已经听说过“梯度下降”这一术语。梯度下降是提升神经网络性能、降低其误差率的主要技术手段。然而，对于机器学习新手来说，梯度下降的概念可能稍显晦涩。本文旨在帮助您直观理解梯度下降的工作原理。 梯度下降作为一种优化算法，其核心在于通过调整网络的参数来优化性能，目标是最小化网络预测与实际或期望值（即损失）之间的差距。梯度下降从参数的初始值出发，利用基于微积分的计算方法，对...
神经网络的工程基础（二）——随机梯度下降法｜文末送书
相关说明 这篇文章的大部分内容参考自我的新书《解构大语言模型：从线性回归到通用人工智能》，欢迎有兴趣的读者多多支持。 本文涉及到的代码链接如下：regression2chatgpt/ch06_optimizer/stochastic_gradient_descent.ipynb 本文将讨论利用PyTorch实现随机梯度下降法的细节。 关于大语言模型的内容，推荐参考这个专栏。 内容大纲 相关说明一、随机梯...
深度神经网络——什么是生成式人工智能？
工智能可以利用现有的文本、音频文件或图像来创建新内容。 它使计算机能够检测与输入相关的底层模式，以便生成类似的内容。 生成式人工智能通过各种技术实现这一过程： 生成对抗网络（GAN）： GAN 由两个神经网络组成。 有一个生成器和一个鉴别器网络，它们相互竞争以在两者之间建立平衡。 生成器网络生成类似于源数据的新数据或内容。 鉴别器网络区分源数据和生成的数据，以识别更接近原始数据的数据。变形金刚： Tran...
深度神经网络——什么是混淆矩阵？
概述 混淆矩阵是一种在机器学习和数据科学中广泛使用的分析工具，用于评估分类模型的性能。它通过比较实际类别和模型预测的类别来提供模型性能的详细信息。以下是混淆矩阵的一些关键点： 结构：混淆矩阵是一个表格，通常有两行两列（对于二分类问题）或更多行和列（对于多分类问题）。每一行代表实际类别，每一列代表预测类别。 元素：矩阵中的元素表示不同类别的样本数量。具体来说： 真阳性（TP）：正确预测为正类的样本数量。假...
深度神经网络——什么是边缘人工智能和边缘计算
1.概述 边缘人工智能是人工智能最引人注目的新领域之一，它的目标是让人们运行人工智能流程，而不必担心隐私或因数据传输而导致的速度减慢。 边缘人工智能正在使人工智能得到更广泛、更广泛的使用，让智能设备无需访问云即可快速对输入做出反应。 虽然这是 Edge AI 的快速定义，但让我们花点时间通过探索使其成为可能的技术并查看 Edge AI 的一些用例来更好地了解 Edge AI。 2.什么是边缘计算？ 为了...
基于神经网络的柯氏音血压计
以及使用心搏周期估计进行分割。然后将每个序列中的每个片段标记为1）收缩后和舒张前（AB）或2）收缩前或舒张后（BA），从而实现二元序列到序列的分类问题。为了解决由此产生的序列到序列分类问题，将一维卷积神经网络（CNNs）和递归神经网络（RNNs）相结合，开发了一种算法。然后，与收缩压和舒张压相关的节段（SBP和DBP）被识别为输出目标序列从BA类切换到AB类，然后从AB类切换到BA类的节段。最后，通过将切...
深度神经网络——图像分类如何工作？
支持向量机能够通过使用称为核技巧的技术进行非线性分类。 虽然 SVM 分类器通常非常准确，但 SVM 分类器的一个重大缺点是它们往往受到大小和速度的限制，随着大小的增加，速度会受到影响。 多层感知器（神经网络） 多层感知器，也称为神经网络模型，是受人脑启发的机器学习算法。 多层感知器由相互连接在一起的各个层组成，就像人脑中的神经元连接在一起一样。 神经网络对输入特征与数据类别的关系做出假设，并且这些假设在...