首页最新资讯

全部 人工智能学科动态 人工智能技术资讯 人工智能常见问题 技术问答

    • ResNet解决了什么问题?结构有何特点?

      ResNet(Residual Network)是由Kaiming He等人提出的深度学习神经网络结构,它在2015年的ImageNet图像识别竞赛中取得了非常显著的成绩,引起了广泛的关注。查看全文>>

      人工智能常见问题2023-07-21 |黑马程序员 |ResNet,残差块,跳跃链接
    • Batch Normalization有什么作用?使用时需要注意什么?

      在人工智能领域中,Batch Normalization(批归一化)是一种常用的技术,它的作用是加速神经网络的训练过程,并提高模型的性能。以下是Batch Normalization的主要作用和需要注意的事项:查看全文>>

      人工智能常见问题2023-07-19 |黑马程序员 |Batch Normalization,模型稳定性,收敛速度
    • 网络训练时为何要加正则化,有哪些手段?

      在网络训练过程中,正则化是一种用来防止过拟合(overfitting)的技术。过拟合指的是模型在训练集上表现很好,但在未见过的数据上表现较差的情况。正则化的目标是使模型在训练集和测试集上都能有良好的性能。查看全文>>

      人工智能常见问题2023-07-14 |黑马程序员 |网络训练,正则化,过拟合
    • 损失函数(loss函数)有什么作用?

      在人工智能领域中,损失函数(loss函数)是机器学习和深度学习中的一个重要组成部分。它的作用是衡量模型的预测结果与真实标签之间的差异,即模型的预测误差。查看全文>>

      人工智能常见问题2023-07-14 |黑马程序员 |损失函数,loss函数,均方误差损失函数
    • 有哪些领域使用模式识别技术?

      在人工智能领域中,模式识别技术被广泛应用于许多不同的领域。下面是一些常见的领域和使用模式识别技术的例子,以及附带的代码演示。查看全文>>

      人工智能常见问题2023-07-13 |黑马程序员 |模式识别,图像识别,语音识别
    • 过渡拟合产生的原因是什么?

      在人工智能领域中,过拟合(overfitting)是指在机器学习模型中,模型在训练数据上表现很好,但在新的、未见过的数据上表现不佳的现象。过拟合的产生原因可以归结为以下几个方面。查看全文>>

      人工智能常见问题2023-07-12 |黑马程序员 |过渡拟合,参数数量,特征选择
和我们在线交谈!