这是个 年的老文章了，但是很多地方还是值得看一看的. 一 概要 主要讲了CNN的Feedforward Pass和 Backpropagation Pass，关键是卷积层和polling层的BP推导讲解。 二 经典BP算法 前向传播需要注意的是数据归一化，对训练数据进行归一化到 均值和单位方差，可以在梯度下降上改善，因为这样可以防止过早的饱，这主要还是因为早期的sigmoid和tanh作为激活函数 ...
2016-07-06 12:48 0 2501 推荐指数：
Learning Convolutional Neural Networks for Graphs 2018-01-17 21:41:57 【Introduction】 这篇 paper 是发表在 ICML 2016 的：http://jmlr.org/proceedings ...
这是Jake Bouvrie在2006年写的关于CNN的训练原理，虽然文献老了点，不过对理解经典CNN的训练过程还是很有帮助的。该作者是剑桥的研究认知科学的。翻译如有不对之处，还望告知，我好及时改正，谢谢指正！ Notes on Convolutional Neural Networks ...
这是CVPR 2019的一篇oral。 预备知识点：Geometric median 几何中位数 \begin{equation}\underset{y \in \mathbb{R}^{n}}{\ ...
一、概述 Nvidia提出的一种基于3DCNN的动态手势识别的方法，主要亮点是提出了一个novel的data augmentation的方法，以及LRN和HRn两个CNN网络结合的方式。 ...
本文是对论文的解读和复现。 论文地址：https://arxiv.org/abs/1408.5882 参考代码：https://mp.weixin.qq.com/s?__biz=MzI3ODgwODA2MA==&mid=2247488163&idx=4&sn ...
地址：https://arxiv.org/pdf/2006.11538.pdf github：https://github.com/iduta/pyconv 目前的卷积神经网络普遍使用3×3 ...
Diffusion-Convolutional Neural Networks （传播-卷积神经网络）2018-04-09 21:59:02 1. Abstract: 我们提出传播-卷积神经网络（DCNNs），一种处理 graph-structured data 的新模型 ...
2014 ECCV 纽约大学 Matthew D. Zeiler, Rob Fergus 简单介绍（What） 提出了一种可视化的技巧，能够看到CNN中间层的特征功能和分类操作。 通过对 ...
