新闻中心 
-
01-22潜藏空间嵌入：解释与示范潜在空间嵌入（LatentSpaceEmbedding）是将高维数据映射到低维空间的过程。在机器学习和深度学习领域中，潜在空间嵌入通常是通过神经网络模型将高维输...
-
01-22使用dropout层成功应用于多层感知器的正则化方法多层感知器（MLP）是一种常用的深度学习模型，用于分类、回归等任务。然而，MLP容易出现过拟合问题，即在训练集上表现良好但在测试集上表现不佳。为了解决这个问题，...
-
01-22改进的RMSprop算法RMSprop是一种广泛使用的优化器，用于更新神经网络的权重。它是由GeoffreyHinton等人在2012年提出的，并且是Adam优化器的前身。RMSpro...
-
01-22浅层特征提取器的原理、功能及应用浅层特征提取器是深度学习神经网络中的一种位于较浅层的特征提取器。它的主要功能是将输入数据转换为高维特征表示，供后续模型层进行分类、回归等任务。浅层特征提取器利用...
-
01-22浅层特征与深层特征的结合在实际应用中的示例深度学习在计算机视觉领域取得了巨大成功，其中一项重要进展是使用深度卷积神经网络（CNN）进行图像分类。然而，深度CNN通常需要大量标记数据和计算资源。为了减少计...
-
01-22综述深度聚类及相关算法深度聚类是一种结合了深度学习模型和聚类算法的方法，用于自动地从数据中学习特征并将数据分组成具有相似特征的类别。相较于传统的聚类算法，深度聚类能够有效处理高维度、...
