AI、大数据、机器学习、深度学习、神经网络之间的关系 一、人工智能（AI）的概念 人工智能是指通过计算机程序或机器来模拟、实现人类智能的技术和方法。它旨在使计算机具备感知、理解、判断、推理、学习、识别、生成、交互等类人智能的能力，从而能够执行各种任务。人工智能是一个广泛的领域，包括了机器学习、专家系统、知识表示与推理、搜索算法、逻辑推理、规划、进化算法、博弈理论与决策树、模糊逻辑、贝叶斯网络、强化学习等...

前馈神经网络（Feedforward Neural Network，简称FNN）是一种基本且广泛应用的人工神经网络结构。以下是对前馈神经网络的详细介绍： 一、定义与结构 前馈神经网络是最简单的一种神经网络，其各神经元分层排列，每个神经元只与前一层的神经元相连，接收前一层的输出，并输出给下一层，各层间没有反馈。前馈神经网络由输入层、隐藏层和输出层组成。其中，输入层负责接收外部输入数据；隐藏层位于输入层和输...

遗传算法与深度学习实战（27）——进化卷积神经网络 0. 前言1. 自定义交叉算子2. 自定义突变操作符3. 进化卷积神经网络小结系列链接 0. 前言 DEAP toolbox 中提供的标准遗传操作符对于自定义的网络架构基因序列来说是不够的。这是因为任何标准的交叉算子都可能破坏卷积神经网络 (Convolutional Neural Network, CNN) 的基因序列的格式。相反，为了构建进化卷积神...

TensorFlow深度学习实战（2）——使用TensorFlow构建神经网络 0 前言1. TensorFlow 简介与安装2. TensorFlow 构建神经网络初体验3. 训练香草神经网络3.1 香草神经网络与 MNIST 数据集介绍3.2 训练神经网络步骤回顾3.3 使用 TensorFLow 构建神经网络模型3.4 关键步骤总结 小结系列链接 0 前言 在《神经网络基础》中，我们学习了如何从零...

一、概念层级关系 1.1 基本关系图 在理解这些概念之前，我们先来看看它们之间的基本关系： 人工智能 (AI) ├── 机器学习 │ └── 深度学习 │ └── 神经网络 └── 大数据 1.2 层级解析 人工智能（AI）：最广泛的概念 人工智能是一个包罗万象的概念，涵盖了模拟人类智能的各种方法。它不仅包括机器学习，还包括一些非机器学习的方法。AI的应用领域非常广泛，从语音识别到自动驾驶，无所不包。 ...

部署神经网络时计算图的优化方法 部署神经网络时，各路框架基本都会把神经网络的计算建模为一个（有向无环的）计算图，之后再对这个计算图进行优化，包括硬件相关的优化和硬件无关的优化。本文介绍几种部署神经网络时计算图的优化方法，帮助读者在部署神经网络时理解部署工具都干了些什么。 算子融合 最关键的优化计算图的方式就是算子融合了，算子融合指的是将多个神经网络算子（例如卷积、池化、归一化等）组合在一起，以提高计算效...

本文内容：添加DualConv 目录 论文简介 1.步骤一 2.步骤二 3.步骤三 4.步骤四 论文简介 卷积神经网络(CNN)架构通常对内存和计算要求很高，这使得它们在硬件资源有限的嵌入式系统中不可行。 我们提出了双卷积核(DualConv)来构建轻量级深度神经网络。DualConv结合3 × 3和1 × 1卷积核同时处理相同的输入特征映射通道，并利用群卷积技术高效排列卷积滤波器。DualConv可以在...

一、介绍 动物识别系统，使用Python作为主要开发语言，基于深度学习TensorFlow框架，搭建卷积神经网络算法。并通过对18种动物数据集进行训练，最后得到一个识别精度较高的模型。并基于Django框架，开发网页端操作平台，实现用户上传一张动物图片识别其名称。目前可识别的动物有：‘乌龟’, ‘云豹’, ‘变色龙’, ‘壁虎’, ‘狞猫’, ‘狮子’, ‘猎豹’, ‘美洲狮’, ‘美洲虎’, ‘老虎’...

一、介绍 手势识别系统，使用Python作为主要编程语言，通过收集了10种手势图片数据集（0~9），然后基于TensorFlow搭建卷积神经网络算法模型，然后训练模型得到一个识别精度较高的模型文件，在基于Django搭建网页端操作界面平台，实现用户上传一张图片识别其名称。 二、系统效果图片展示 三、演示视频 and 完整代码 and 安装 地址：https://www.yuque.com/ziwu/yy...

基于Tent混沌映射改进的麻雀搜索算法SSA优化BP神经网络预测 1 普通BP网络 代码如有需要，联系 596520206%构建网络 net=newff(inputn,outputn,hiddennum); % 网络参数 net.trainParam.epochs=100; % 训练次数 net.trainParam.lr=0.01; % 学习速率 net.trainParam.goal=0.0001...