convolution

    1热度

    3回答

    我刚开始在iTunes上学习斯坦福CS106a课程,但我遇到了Eclipse的问题。这里是我的代码: /* * File: Add2Integers.java * ----------------------- * A simple ConsoleProgram to add two integers * and display their total. */ import acm.

    0热度

    2回答

    我读了这篇关于使用“调整卷积大小”而不是使用神经网络生成图像的“反卷积”(即转置卷积)方法。很明显,这是如何以1的步幅大小工作的,但是如何实现它的步长大于1? 这是我如何在TensorFlow中实现它。注意:这是自编码器网络的解码器部分中的第二个“解卷积”层。 h_d_upsample2 = tf.image.resize_images(images=h_d_conv3,

    0热度

    1回答

    我试图在我的Keras模型中实现一个使用特定高斯过滤器的conv2D层。我有代码制作过滤器,尽管现有的Keras Conv2D没有过滤器本身的参数。相反,有一个filters参数(它是一个指定输出空间维度的整数)和kernel_size,它是指定内核维度的元组。 我试图使用Keras后端的东西来解决这个问题,因为conv2D功能here允许你输入一个特定的过滤器,我想这样做。问题是我不知道如何回到

    9热度

    1回答

    有人应该添加“net#”作为标签。我试图通过本教程将其变成一个卷积神经网络,以提高我在Azure的机器学习工作室神经网络: https://gallery.cortanaintelligence.com/Experiment/Neural-Network-Convolution-and-pooling-deep-net-2 矿和教程之间的区别是我在做回归35功能和1个标签,他们正在使用28x28功

    1热度

    1回答

    我在很多论文中看到,预处理背景删除有助于减少计算量。但为什么会这样呢?我的理解是,无论CNN是如何填充的,0或积极的,他都可以在矩形窗口上工作。 查看this为例。

    1热度

    1回答

    我读过关于theano conv1d问题以往的回应,但我似乎无法使其工作: x = np.arange(50) * 1. y = np.random.normal((x+0.1)/5, 1, 50) def tophat(x, centre, width, amplitude): return tt.switch((x < centre + (width/2)) & (x >= c

    5热度

    1回答

    我目前正在研究这个paper(第53页),其中建议的卷积是以特殊的方式完成的。 这是下式: 下面是对它们的说明: 的图4.2,所有输入特征映射(假设我在总计),O_i(I = 1 ,...,I)被映射到基于多个局部滤波器(I×J in)的卷积层中的多个特征映射(总共假设J),Q_j(j = 1,...,J)总数),w_ {ij}(i = 1,...,I; j = 1,...,J)。该映射可以表示为

    -1热度

    1回答

    我想了解卷积神经网络,我正在看这个视频。 https://www.youtube.com/watch?v=FmpDIaiMIeA 我的印象是,当滤波器绕输入卷积时,每个点的输出表示特征与输入匹配得有多紧密。 然而,在这段视频中6:56显示了一个例子,其中7/9像素匹配(〜78%)视频中的输出为55%,与所用的叉积方法相匹配,但远不及78%我期望。另外,如果一个过滤器正在寻找每个像素为0的输入中的位

    1热度

    1回答

    我正在构建一系列滤波器(一个CIC抽取器后接一个低通滤波器),我对频率和脉冲响应感兴趣。 即使知道CIC抽取具有作为移动平均滤波器(MA)类似的脉冲响应,我计算了CIC抽取的下列方式 %parameters of cic D=300; %deci factor M=1; %delays of comb Stages=3; % get impulse response estimated b

    1热度

    1回答

    我想从零开始实现卷积神经网络,我无法弄清楚如何对像rgb这样的多通道图像执行(矢量化)操作,尺寸。在遵循诸如this CS231n tutorial的文章和教程之后,为单个输入实现网络是相当明显的,因为输入层将是3d矩阵,但是在数据集中总是存在多个数据点。所以,我无法弄清楚如何在整个数据集上实现这些网络的矢量化操作。 我已经实现了一个网络,它需要一个3d矩阵作为输入,但现在我已经意识到它不会在整个