搜尋

3月12日讀畢需時 4 分鐘

從圖像到身份：支持向量機引領人臉辨識領域的革命

SVM在處理非線性問題時具有額外的優勢。通過使用核函數，SVM可以將低維特徵空間中的非線性數據映射到高維空間中，使其在高維空間中呈現線性可分的特性。這使得SVM能夠處理複雜的分類問題，例如圖像識別和自然語言處理。

2023年11月21日讀畢需時 4 分鐘

反向傳播算法：深度學習中的優化神經網絡方法

反向傳播算法在金融、交通和自動駕駛領域中的應用，深度學習和反向傳播算法的使用可以幫助提高預測準確性、優化交通規劃和實現自動駕駛的安全性和效率。

2023年11月20日讀畢需時 5 分鐘

GoogLeNet：卷積神經網路的新境界

CNN作為深度學習的核心模型，其中GoogLeNet作為一個具有創新性的卷積神經網路模型，通過引入多尺度特徵檢測的概念，顯著提高了圖像識別的準確性和效率，GoogLeNet基本架構、多尺度特徵檢測的原理和應用，在圖像處理和計算機視覺領域取得了重大突破。

2023年10月18日讀畢需時 6 分鐘

解決梯度消失和模型收斂問題的革命性模型：ResNet

CNNs在圖像識別、物體檢測和語音識別等領域取得了顯著的成果，隨著網路的深度不斷增加，深度CNNs面臨著一些挑戰，如梯度消失和模型收斂問題。

2023年9月28日讀畢需時 4 分鐘

Pinterest Visual Search卷積神經網路 VGGNet深度與性能平衡

VGGNet是CNN的一個具體實現，它展示了使用多個卷積層和全連接層構建深度網絡的潛力，並在圖像識別領域取得了重要的突破

2023年9月12日讀畢需時 4 分鐘

CNN在自駕車、醫療影像等領域的應用與進展

深度學習（Deep Learning）是近年來在人工智慧領域中備受矚目的技術之一。其中卷積神經網絡（Convolutional Neural Network, CNN）是深度學習技術中的一個重要分支，尤其在電腦視覺領域中被廣泛應用。

2023年5月15日讀畢需時 4 分鐘

深度學習驅動的創新力量：AI的新時代

深度學習的誕生和演進為人工智慧領域帶來了巨大的突破，從最初的感知器到如今的深層神經網絡，它不斷演進和發展，推動了人工智慧的發展和應用，深度學習的應用涵蓋了圖像處理、語音識別、自然語言處理等眾多領域，為我們提供了更智能、更便捷的技術解決方案

2023年4月28日讀畢需時 5 分鐘

Python、Scrapy自動化爬取網路數據

隨著網路資訊的爆炸性增長，爬蟲技術成為了獲取網路數據的主要手段之一。許多公司和組織需要大量的數據以支援其業務決策，而手動獲取這些數據是耗時且費力的。這就是為什麼自動化網路爬蟲技術變得如此重要。Python和Scrapy是最常用的自動化網路爬蟲工具之一。...

2023年4月2日讀畢需時 7 分鐘

人工智慧類型—弱人工智慧vs強人工智慧weak AI vs. strong

強人工智慧和超人工智慧之間的界限並不清晰，超人工智慧一詞常與強人工智慧混用，表示一個高度發展且超越人類的人工智慧形態，超人工智慧的概念在科學家、哲學家和科幻作家中引起了廣泛的討論和想像。尼克·博斯特羅姆於2014年出版的《超智能時代》一書探討了超人工智慧對人類社會和文明的可能影響

2023年4月1日讀畢需時 4 分鐘

神經網絡是甚麼? 揭開AI技術的神秘面紗

神經網絡是一種人工智慧技術，這種技術的發展源於對人類大腦的研究。神經網絡使用多個處理單元（也稱為神經元）來模擬大腦中的神經元之間的交互作用，從而實現自主學習和推理。本文將介紹神經網絡的基本原理、應用和未來發展。

2023年3月21日讀畢需時 4 分鐘

人工智慧AI歷史簡介

20世紀50年代，AI的研究開始起步。當時，人們開始嘗試通過模擬人類思考過程來實現機器智能。這一時期的主要研究方向包括符號邏輯和推理，以及基於規則的專家系統等。在60年代，AI的研究進入了一個新的階段，人們開始將機器學習引入AI領域。機器學習是一種基於數據的方法，通過從大...

WELCOME

Caterobot AI Magazine

卡特機器人 AI雜誌