安徽合肥地区求助木马高手，大侠的加我QQ52903477

maxcs101 2005-03-09 11:38:46

安徽合肥地区求助木马高手，大侠的加我QQ52903477

...全文

156 2 打赏收藏转发到动态举报

写回复

2 条回复

切换为时间正序

请发表友善的回复…

发表回复

chriswing 2005-03-16

打赏
举报

回复

写木马的高手，还是杀木马的高手，说清楚啊

大熊猫侯佩 2005-03-09

打赏
举报

回复

顶一下～～～

2012年我在北京组织过8期machine learning读书会，那时“机器学习”非常火，很多人都对其抱有巨大的热情。当我2013年再次来到北京时，有一个词似乎比“机器学习”更火，那就是“深度学习”。本博客内写过一些机器学习相关的文章，但上一篇技术文章“LDA主题模型”还是写于2014年11月份，毕竟自2015年开始创业做在线教育后，太多的杂事、琐碎事，让我一直想再写点技术性文章但每每恨时间抽不开。然由于公司在不断开机器学习、深度学习等相关的在线课程，耳濡目染中，总会顺带着学习学习。

卷积神经网络 – CNN 最擅长的就是图片的处理。它受到人类视觉神经系统的启发。 CNN 有2大特点：能够有效的将大数据量的图片降维成小数据量能够有效的保留图片特征，符合图片处理的原则目前 CNN 已经得到了广泛的应用，比如：人脸识别、自动驾驶、美图秀秀、安防等很多领域。

卷积神经网络（CNN）是一种专为图像处理设计的深度学习模型，模仿人类视觉系统通过局部感知和参数共享高效提取特征。其核心组件包括卷积层（局部特征提取）、激活函数（引入非线性）、池化层（降维）和全连接层（分类）。经典架构如LeNet-5和AlexNet展示了CNN的发展历程。CNN广泛应用于图像分类、物体检测、医疗诊断等领域，具有自动特征提取和高效参数的优势，但也面临数据需求大、解释性差等局限。未来，CNN将与Transformer等新技术结合继续推动计算机视觉发展。

理想的情况下，我们希望，对于那些仅仅只是做了一些像平移，缩放，旋转，微变形等简单变换的图像，计算机仍然能够识别出图中的"X"和"O"。btw，不同人的双眼看同一个局部信息所感受到的不同，即一千个读者有一千个哈姆雷特，所以不同的滤波器就像不同的双眼，不同的人有着不同的反馈结果。与此同时，数据窗口滑动，导致输入在变化，但中间滤波器Filter w0的权重（即每个神经元连接数据窗口的权重）是固定不变的，这个权重不变即所谓的CNN中的参数（权重）共享机制。通常情况下，在CNN中，FC层只会在尾部出现。

卷积神经网络（Convolutional Neural Network，简称CNN）是一种专门用于处理具有网格结构数据的深度学习模型，尤其擅长处理图像数据。它通过模拟人类视觉系统的工作原理，能够自动从图像中提取特征并进行识别。就像人类看东西时，会先注意到边缘、轮廓等基本特征，再组合成更复杂的形状识别物体一样，CNN也是通过层层递进的方式来理解图像内容的。

259

社区成员

6,538

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章