檢索結果：共15筆資料 檢索策略： "分類".ckeyword (精準) and ckeyword.raw="卷積神經網路"
個人化服務 ：
排序：
每頁筆數：
已勾選0筆資料
1
連結時序分類(Connectionist Temporal Classification, CTC)是一種結合深度學習的序列預測方法，其動態規劃概念與隱馬可夫模型(Hidden Markov Mod…
2
深度學習在許多領域有很多傑出的表現。在深度學習的領域中，最常見的演算法架構為卷積神經網路(CNN)，不僅被廣泛的應用在電腦視覺及影音辨識，近年來更大幅的超越所有相關領域的人工特徵。然而，此些技術相較…
3
對於聽力受損的人，助聽器已經成為他們生活中不可或缺的必需品，在助聽器中，環境噪音分類和估計是重要的技術，然而有些環境噪音分類器使用多種音頻特徵當作分類器的輸入特徵，導致環境噪音分類器計算量增加，除此…
4
傳統的電腦輔助診斷(CAD) 系統包含許多影像處理和圖形識別步驟去想出一個定量的腫瘤區別結果。在這樣特別的影像分析流程，每個階段都高度依賴著前一個步驟產生的結果。因此，在調整傳統CAD 系統的分類效…
5
時間序列分類是資料探勘與機器學習領域中相當地熱門且有難度的研究問題，且其於現實生活中的實務應用也非常廣泛。然而，相關的研究大多是用傳統演算法或以機器學習的分類法為主，應用深度學習方法的文獻數量相比下…
6
本研究探討機器學習技術(Machine Learning Techniques)建立太陽光電系統直流側之故障分類器，所需之訓練資料取得不易之問題，應用MATLAB/Simulink產生故障分類器所需…
7
本研究提出一個將時間序列資料轉換成二維圖像並將這些圖像串聯成一個更大圖像的架構，來提升Multivariate Time Series (MTS) 分類問題的準確率。本研究使用了三種方法將時間序列資…
8
隨著應用深度學習法的許多系統成效卓著，如何能夠快速地把個別的問題轉換成應用到深度學習架構來尋求專業的運作，是目前相當熱門的研究項目之一。一般而言，要應用深度學習架構從頭開始訓練一個新的任務，需要很長…
9
本論文之目的在於使用多標籤多分類的框架來實現多物件追蹤。為達上述之目的，使用不具深度值的羅技C615 RGB相機拍攝實驗用之資料集，經預處理後製成訓練資料集，將其轉換為張量形式作為神經網路的輸入，並…
10
使用卷積神經網路作影像分類時，卷積核對圖像特徵擷取，有著舉足輕重之 影響，本文提出利用遺傳演算法結合卷積神經網路，搜尋對於不同的影像資料， 具有最佳特徵擷取能力的卷積核，以進行影像分類。 本文…