问题 |
E3S网页汇编
卷积3872023
可再生能源技术智能工程国际会议 |
|
---|---|---|
文章号 | 05008 | |
页数 | 7 | |
段内 | 信息隐蔽性 | |
多尔市 | https://doi.org/10.1051/e3sconf/202338705008 | |
在线发布 | 2023年5月15日 |
深学习过程使用的不同算法调查
一号计算机科学系研究学者Sri Menaksi政府Madurai Kamaraj大学妇女艺术学院(自治)
2P.G.研究部R.D华府艺术学院,阿拉加帕大学,印度泰米尔那都Sivaganga
3P.G研究部Sri Menaksi政府Madurai Kamaraj大学妇女艺术学院(自治)
一号Correspondingauthor:kchelladurai05@gmail.com
深学习是一个重要的工具 与计算机通信 执行任务自然人深学习算法显示在定义特征方面具有关键作用,并可以帮助大量程序处理结构化或非结构化数据近些年来,这一概念因其人性性能超强而备受关注深入学习中系统快速开发各种生活方式,包括营销、维护治安、金融、制造和教育建模,创建自主系统等先驱技术深入学习机器学习子集正处理高级特征问题深度学习网络基本是一个神经网络,处理单元由多层组成,并有效应用到图像处理、图像识别和自然语言处理等一系列大问题中本文简要回顾从起始到当前假设的深学习技巧中的不同方法算法这项研究的主要目的是揭示深学习过程使用英俊方法的优异特征深学习方法不仅为在线学习者提供多种帮助,而且为在电子学习平台上进步的机构提供多种帮助。调查将概述深入学习概念、方法、优缺点和影响研究领域的关键思想
关键字 :深学习/算法/图像处理/电子学习/图像识别
必威西汉姆赞助2023年EDP科学出版
开存文章分发创用CC授权4.0允许在任何介质上不受限制使用、分发和复制,只要原创作品正确引用
当前用法度量显示文章视图累积计数(全文文章视图包括HTML视图、PDF和ePub下载,根据可用数据)和Vision4Press平台摘要视图
数据对应2015年后板状使用当前使用量度自在线发布后48-96小时提供并按周日每日更新
初始下载度量器可能花点时间