人工智能基础与应用（第2版）（微课版）课件 7-2 深度神经网络.pptx

下载文档

0
0
约小于1千字
约 9页
2025-03-13 发布于山东
举报
版权申诉
保障服务

人工智能基础与应用（第2版）（微课版）课件 7-2 深度神经网络.pptx

1、本文档共9页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。

7-2深度神经网络模块?语音识别：让机器对你言听计从

目录CONTENTS深度神经网络基础01卷积神经网络02

一.深度神经网络基础1.深度神经网络的基本结构神经元加权和、非线性变换多层连接

二.卷积神经网络1.深度神经网络参数的复杂性如果输入层向量有106个，假设隐藏层向量数目与输入层一样，那么从输入层到隐藏层的权重参数就有1012个，这还没有考虑后面其他隐藏层的参数。这样参数就太多了，模型根本无法训练。

二.卷积神经网络2.卷积神经网络的优势在20世纪60年代，大卫·休伯尔（DavidHubel）和托斯坦·维厄瑟尔（TorstenWiesel）在研究大脑皮层中用于局部敏感和方向选择的神经元时，发现其独特的网络结构可以有效地降低反馈神经网络的复杂性。CNN的基本结构提取特征提高卷积神经网络的非线性表达能力降维、减少计算量特征转换与映射

二.卷积神经网络3.卷积操作不同形状的“X”“X”的像素矩阵3个卷积核卷积计算

二.卷积神经网络3.激活函数sigmoidtanhReLUSoftmax

二.卷积神经网络4.全连接层通过不断卷积、激活和池化，就得到了样本的多层特征图，然后将最终得到的特征图排成一列，即将多层的特征映射为一个一维的向量，形成全连接层。

人工智能基础与应用Thankyouverymuch!