电子装联技术的发展随元器件封装形式的发展而发展，俗话说，一代元器件，一代组装工艺。由于SMT中采用“无引线或短引线”的元器件，故从组装工艺角度分析，SMT与THT的主要区別：
2019-11-18 09:29
商汤科技算法平台团队和北京大学高能效实验室联合提出一种基于 FPGA 的快速Winograd算法，可以大幅降低算法复杂度，改善 FPGA 上的 CNN 性能。
2018-02-07 11:52
卷积神经网络 (CNN) 由各种类型的层组成，这些层协同工作以从输入数据中学习分层表示。每个层在整体架构中都发挥着独特的作用。
2024-04-06 05:51
卷积神经网络（Convolutional Neural Networks, CNN）作为深度学习领域的核心成员，不仅在学术界引起了广泛关注，更在工业界尤其是计算机视觉领域展现出了巨大的应用价值。关于
2024-07-05 17:37
深度网络的训练颇具挑战性，这也是近来很多深度网络研究的主题。深度 CNN 为复杂任务提供了高效的计算和统计。但是，更深的
2019-01-28 15:35
深度学习在科学计算中获得了广泛的普及，其算法被广泛用于解决复杂问题的行业。所有深度学习算法都使用不同类型的神经网络来执行特定任务。
2024-01-03 10:28
在深度学习的广阔领域中，卷积神经网络（CNN）和循环神经网络（RNN）是两种极为重要且各具特色的神经网络模型。它们各自在图像处理、自然语言处理等领域展现出卓越的性能。本文将从概念、原理、应用场景及代码示例等方面详细探讨CNN
2024-07-08 16:56
对于神经网络和卷积有了粗浅的了解,关于CNN 卷积神经网络，需要总结深入的知识有很多：人工神经网络 ANN卷积神经网络CNN 卷积神经网络CNN-BP算法卷积神经网络
2017-11-16 13:28
卷积神经网络（CNN）是深度学习领域中一种特别适用于图像识别任务的神经网络结构。它通过模拟人类视觉系统的处理方式，利用卷积、池化等操作，自动提取图像中的特征，进而实现高效的图像识别。本文将从CNN的基本原理、构建过程
2024-07-03 16:16
基于深度学习的算法在图像和视频识别任务中取得了广泛的应用和突破性的进展。
2018-10-27 07:28
