卷積神經網路系列(1)

CNN網路建模精確特徵萃取

作者: Ole Dreessen
2023 年 09 月 06 日
隨著人工智慧(AI)技術的快速發展,AI可支援越來越多以前無法實現或者難以實現的應用。有鑑於此,本系列文章特別解釋了卷積神經網路(Convolutional Neural Network, CNN)及其對人工智慧和機器學習的意義。CNN是一種能夠從複雜資料中擷取特徵的強大工具,例如識別音訊訊號或圖像訊號中的複雜模式就是其應用之一。本文討論了CNN相對於經典線性規劃的優勢,後續文章《訓練卷積神經網路:解析機器學習—第二部分》將討論如何訓練CNN模型,而第三部分則將討論一個特定用例,並使用專門的AI微控制器對模型進行測試。本文為「CNN相對於經典線性規劃」的一部分。...
》想看更多內容?快來【免費加入會員】【登入會員】,享受更多閱讀文章的權限喔!
標籤
相關文章

深度訓練提升CNN網路精度

2023 年 09 月 29 日

CNN硬體轉換解封邊緣AI潛力

2023 年 10 月 13 日

傳統SoC效能有瓶頸 MPSoC驅動AI多元應用

2019 年 01 月 24 日

整合人臉辨識/反電子詐騙/低功秏喚醒 人臉驗證系統準確率升級

2020 年 11 月 19 日

效能/功耗/AI推論一把罩 MCU實現AIoT多元應用(1)

2023 年 07 月 06 日

效能/功耗/AI推論一把罩 MCU實現AIoT多元應用(2)

2023 年 07 月 06 日
前一篇
DEVCORE擴大台灣資安人才庫
下一篇
施耐德/碩成採用鋰鐵電池打造不斷電系統