(文章來(lái)源:數(shù)智網(wǎng)) 深度學(xué)習(xí)作為機(jī)器學(xué)習(xí)的一個(gè)分支,其學(xué)習(xí)方法可以分為監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)。兩種方法都具有其獨(dú)特的學(xué)習(xí)模型:多層感知機(jī) 、卷積神經(jīng)網(wǎng)絡(luò)等屬于監(jiān) 督學(xué)習(xí);深度置信網(wǎng) 、自
(文章來(lái)源:人工智能網(wǎng)) 1974年Werboss第一次提出了一個(gè)訓(xùn)練多層神經(jīng)網(wǎng)絡(luò)的BP反向傳播算法,由于該算法是在一般網(wǎng)絡(luò)中描述的,它只是將神經(jīng)網(wǎng)絡(luò)作為一個(gè)特例。因此,在神經(jīng)網(wǎng)絡(luò)研究領(lǐng)
隨著我國(guó)高速公路和汽車技術(shù)的迅猛發(fā)展,汽車行駛速度越來(lái)越高,極需一種更有效的交通管理系統(tǒng)。這種系統(tǒng)應(yīng)能自動(dòng)識(shí)別汽車,并能準(zhǔn)確判斷出汽車類型。20世紀(jì)50年代以來(lái),點(diǎn)測(cè)式設(shè)備如環(huán)形線圈檢測(cè)器,主要用于十字路口的交