20210729-兴业证券-物流行业：菜鸟网络研究之三，再出发，开拓增量，开放共赢.pdf
2021-08-03 09:00:22
1.88MB
该文首先概述了卷积神经网络的发展历史,然后分别描述了神经元模型、多层感知器的结构.接着,详细分析了卷积神经网络的结构,包括卷积层、池化层、全连接层,它们发挥着不同的作用.然后,讨论了网中网模型、空间变换网络等改进的卷积神经网络.同时,还分别介绍了卷积神经网络的监督学习、无监督学习训练方法以及一些常用的开源工具.此外,该文以图像分类、人脸识别、音频检索、心电图分类及目标检测等为例,对卷积神经网络的应用作了归纳.卷积神经网络与递归神经网络的集成是一个途径.为了给读者以尽可能多的借鉴,该文还设计并试验了不同参数及不同深度的卷积神经网络来分析各参数间的相互关系及不同参数设置对结果的影响.最后,给出了卷积神经网络及其应用中待解决的若干问题.
知网论文，学习使用
2021-07-02 13:46:40
3.36MB
1
现有的互联网面对激增的视频流量和工业机器应用，存在着大量的拥塞崩溃、数据分组时延等问题，而许多网络应用，例如工业互联网、远程医疗、无人驾驶、VR游戏等，需要达到1~10 ms时延，微秒级抖动但传统的网络只能将端到端的时延减少到几十毫秒。在这样的背景下，对网络端到端时延的控制如何从“尽力而为”到“准时、准确”，成为当前全球关注的热点领域。通过介绍确定性网络的应用场景与需求，描述当前该领域的主要研究成果，总结分析了该领域的研究发展趋势和核心问题，期望对该领域的研究起到参考和帮助作用。
2021-06-25 19:03:18
1.57MB
1
生成式对抗网络（GAN,generative adversarial network）对生成式模型的发展具有深远意义，自提出后立刻受到人工智能学术界和工业界的广泛研究与高度关注，随着深度学习的技术发展，生成式对抗模型在理论和应用上得到不断推进。首先，阐述生成对抗模型的研究背景与意义，然后，详细论述生成式对抗网络在建模、架构、训练和性能评估方面的研究进展及其具体应用现状，最后，进行分析与总结，指出生成式对抗网络研究中亟待解决的问题以及未来的研究方向。
2021-05-08 18:35:18
1.44MB
1