回顧次世代定序的卷積神經網路運用 | 政府出版品書目資料查詢網

2019年12月30日 — 卷積神經網路(Convolutional Neural Network, CNN)是深度學習裡極為重要的一門分支，電腦視覺這領域便是因為它的關係在近幾年有了許多重大的進展， ...

卷積神經網路（英語：convolutional neural network，縮寫：CNN）是一種前饋神經網路，它的類神經元可以回應一部分覆蓋範圍內的周圍單元，對於大型圖像處理有出色表現 ...

2022年6月6日 — 卷積神經網路（Convolutional Neural Networks，CNN），其應用包括影像辨識、自然語言處理（NLP）等領域。若能從其發展至今的脈絡開始了解， ...

2019年10月10日 — Yann LeCun在多倫多大學擔任博士後研究生時，直接拜師Hinton，從事深度神經網路的研究，接著在1988年，進入了貝爾實驗室的自適應系統研究部門，不久後就 ...

2019年5月27日 — 卷积 神经网络 由一个或多个卷积层和顶端的全连通层（对应经典的 神经网络 ）组成，同时也包括关联 权重 和 池化 层（pooling layer）。

卷積深度神經網路（Convolutional Neural Networks, CNN）在電腦視覺領域得到了成功的應用。此後，卷積神經網路也作為聽覺模型被使用在自動語音辨識領域，較以往的方法獲得 ...

人工智能的深度學習衍生出許多的深度神經網絡，其中使用最廣的就是卷積神經網絡. (convolutional neural network, CNN)。從CNN 產生的模型可有效地處理次世代定序. 所產生 ...

2020年6月10日 — LeNet是卷积神经网络的祖师爷LeCun在1998年提出，用于解决手写数字识别的视觉任务。自那时起，CNN的最基本的架构就定下来了：卷积层、池化层、全连接层。

2020年9月7日 — CNN最早的模型框架就是由LeNet给出的, 即卷积+池化+FC层的基本结构. 诸如局部感知, 权值共享, 池化等操作都是从这里开始的, 并深远的影响了以后的卷积神经 ...

2018年5月10日 — 第一個真正意義上的卷積神經網絡由LeCun在1989年提出[1]，後來進行了改進，它被用於手寫字符的識別，是當前各種深度卷積神經網絡的鼻祖。接下來我們介紹 ...