自然语言推理 (Natural Language Inference, NLI) 是一个活跃的研究领域，许多基于循环神经网络(RNNs)，卷积神经网络(CNNs)，self-attention 网络 (SANs) 的模型为此提出。
2019-05-14 09:45
最近深度学习技术和卷积神经网络的发展为理解位置识别问题提供了另一种方法。AlexNet [ 5 ]显示，从CNNs中提取的特征经过充分有效的训练，在分类任务上比手工制作的特征获得更好的结果。
2018-08-03 11:15
卷积神经网络（CNNs）的兴起在计算机视觉领域取得了巨大成功。 CNN在图像数据中进行端到端的学习在各种计算机视觉任务中都获得最佳结果。由于这些网络结构的深度，神经网络能够从网络底部（数据进入的地方）学习到非常基本的过滤器特征，并在网络顶部学习出非常抽象的高级特征。
2019-04-29 09:35
卷积神经网络 (CNNs) 在许多计算机视觉任务中都取得了显著的成功，并且随着最近的研究在降低密集模型参数和特征图通道维数的固有冗余，它们的效率不断提高。然而，CNN 生成的特征图在空间维度上也存在大量冗余，其中每个位置独立存储自己的特征描述符，忽略了可以一起存储和处理的相邻位置之间的公共信息。
2019-05-01 08:36
卷积神经网络（Convolutional Neural Networks, CNNs）作为深度学习的一个重要分支，在图像处理、计算机视觉等领域取得了显著成就。其强大的特征提取能力和层次化的结构设计
2024-07-11 14:33
基于以上分析，研究人员提出了一个观点：是否可以利用包含噪声的图像构建出配对的训练数据集，那么图像盲去噪的问题就可以通过CNNs一样的判别模型来解决了。一种可能的解决办法是建立起一个能够为噪音图像建模
2018-06-27 11:11
最近的成功动摇了卷积神经网络（CNNs）在图像识别领域十年来的长期主导地位。具体而言，就out-of-distribution样本的鲁棒性
2023-07-17 14:35
