輸入層（input layer）是1995年公布的化學工程名詞。
基本介紹
- 中文名：輸入層
- 外文名：input layer
- 所屬學科：化學工程
- 公布日期：1995年
公布日期,出處,
公布日期
1995年，經全國科學技術名詞審定委員會審定發布。
出處
《化學工程名詞》。
輸入層
相關詞條
- 輸入層
輸入層（input layer）是1995年公布的化學工程名詞。公布日期1995年，經全國科學技術名詞審定委員會審定發布。出處《化學工程名詞》。1...
- 手勢輸入方式
輸入層節點數N1 = n = 7 ,即七維向量X[ n ] ,其中X [ i ] 分別為數 據手套中取出的各個角度值,值域為[ - 90 ,90 ] 。第二層每個節點代表一個語言變數值。用於計算各輸入分量屬於各語言變數值模糊集合的隸屬度 函式。所...
- 輸入模擬網路
這樣，網路的輸入層為5個結點，輸出層為3個結點。對於隱層，根據Kol-mogorov定理：對於任意連續的函式φ，可以用一個三層網路來精確地實現他，網路的輸入層有m個單元，隱層有2m+1個單元，輸出層有n個單元。確定隱層結點數的理論值...
- 神經網路結構
一個經典的神經網路是一個包含三個層次的。紅色的是輸入層，綠色的是輸出層，紫色的是中間層（也叫隱藏層）。輸入層有3個輸入單元，隱藏層有4個單元，輸出層有2個單元。 如圖1所示。設計一個神經網路時，輸入層與輸出層的節點數...
- 前饋神經網路
在此種神經網路中，各神經元可以接收前一層神經元的信號，並產生輸出到下一層。第0層叫輸入層，最後一層叫輸出層，其他中間層叫做隱含層（或隱藏層、隱層）。隱層可以是一層。也可以是多層。整個網路中無反饋，信號從輸入層向輸出...
- PIDNN
PIDNN的基本組成包括：輸入層的兩個神經元、隱含層的三個神經元、輸出層的一個神經元，稱PIDNN的基本形式為單輸出PIDNN (Single output PIDNN)，簡稱SPIDNN，SPIDNN可以完成單變數的 但輸入—單輸出系統的控制任務。SPIDNN的控制系統結構...
- 自然語言處理(語言處理方式)
深度學習是一種計算機自動學習算法，包括輸入層、隱含層、輸出層三部分，其中輸入層是研究人員提供的大量數據，是算法的處理對象，隱含層的層數由實驗人員確定，是算法對數據進行特徵標記、發現其中規律、建立特徵點間聯繫的過程，輸出層則是...
- SOM算法
SOM網路結構如圖 1 所示,它由輸入層和競爭層(輸出層)組成。輸入層神經元數為 n,競爭層由m 個神經元組成的一維或者二維平面陣列,網路是全連線的,即每個輸入結點都同所有的輸出結點相連線。SOM 網路能將任意維輸入模式在輸出層映射成...
- BP神經網路
BP網路是在輸入層與輸出層之間增加若干層(一層或多層)神經元，這些神經元稱為隱單元，它們與外界沒有直接的聯繫，但其狀態的改變，則能影響輸入與輸出之間的關係，每一層可以有若干個節點。計算過程 BP神經網路的計算過程由正向計算過程...
- 自組織特徵映射
輸入層與競爭層各神經元之間實現全互連線，競爭層之間實行側向連線。網路根據其學習規則，對輸入模式進行自動分類，即在無導師情況下，通過對輸入模式的自組織。 學習，抽取各個輸入模式的特徵，在競爭層將分類結果表示出來。主要特性 SOFM...
- 單隱藏層神經網路
輸入層的輸入 就是 N個樣本的Hog特徵維度(A) : 記做X0。輸入層的輸出(隱層的輸入) 就是X0和W0的乘積: 記做y0。通過隱層的激勵函式 tanh(),隱層的輸出 為 tanh(y0) : 記做X1。輸出層的輸入 就是 隱層的輸出和對應權重...
- 人工智慧神經元網路方法
通常人工神經元格線包括三個層，即輸入層、輸出層和隱含層。單純的光譜分類器只考慮圖像的光譜特徵,但在實際景觀中,地物是具有一定空間結構特徵的。例如，城市的居住區多是由樹木、草地、道路、房屋頂、停車地等組成的。因此在分類中，...
- 神經網路編碼
通過訓練算法在網路學習過程中調整網路的權重，使訓練集圖像的重建誤差E=||X-Z||均值達到最小（X為輸入層樣本集，Z為輸出層樣本集），或者說使重建圖像在均方誤差意義上儘可能地相似於原始圖像。經過訓練後的BP神經網路便可以用來進行...
- LeNet-5
LeNet由Yann Lecun 提出，是一種經典的卷積神經網路，是現代卷積神經網路的起源之一。Yann將該網路用於郵局的郵政的郵政編碼識別，有著良好的學習和識別能力。LeNet又稱LeNet-5,具有一個輸入層，兩個卷積層，兩個池化層，3個全連線層...
- 自聯想神經網路
自聯想神經網路是在 1987 年由 Ballard 針對編碼/解碼問題首先提出的，其網路原型是一種具有對稱拓撲結構的五層前饋傳遞網路，AANN 套用到數據檢驗問題時具有比較明顯的物理意義，首先通過輸入層、映射層以及瓶頸層實現了輸入數據信息的壓縮...
- 反向傳播算法
反向傳播算法主要由兩個環節(激勵傳播、權重更新)反覆循環疊代，直到網路的對輸入的回響達到預定的目標範圍為止。BP算法的學習過程由正向傳播過程和反向傳播過程組成。在正向傳播過程中，輸入信息通過輸入層經隱含層，逐層處理並傳向輸出層。
- 多層前饋神經網路
多層前饋神經網路是指在單計算層感知器的輸入層與輸出層之間引入隱層（隱層個數可以大於或等於1）作為輸入模式“的內部表示 ，由此單計算層感知器變成多（計算）層感知器。多層前饋神經網路（multilayer feedforward neural network）：單...
- 棧式自編碼
自編碼神經網路是一種無監督學習算法，其網路的輸出值與輸入值相同。傳統的自編碼神經網路共分為三層，分別為輸入層、隱藏層和輸出層，如果隱藏層神經元的節點數少於輸入和輸出層，則迫使自編碼神經網路去學習輸入數據的壓縮表示。如果網路...
- 級聯神經網路
故將網路進行簡化，由於神經網路的核心為隱含層和其權值向量，故保留隱含層，將第一層的輸出層與第二層的輸入層合併，這樣可以把雙層結構的神經網路複雜度簡化為單層的複雜度，通過這樣的簡化，可以在保證核心隱含層不變的情況下，去掉...
- SPP-Net
卷積層的參數和輸入大小無關，它僅僅是一個卷積核在圖像上滑動，不管輸入圖像多大都沒關係，只是對不同大小的圖片卷積出不同大小的特徵圖，但是全連線層的參數就和輸入圖像大小有關，因為它要把輸入的所有像素點連線起來,需要指定輸入層...
- 深度學習(人工神經網路的研究的概念)
通過設計建立適量的神經元計算節點和多層運算層次結構，選擇合適的輸入層和輸出層，通過網路的學習和調優，建立起從輸入到輸出的函式關係，雖然不能100%找到輸入與輸出的函式關係，但是可以儘可能的逼近現實的關聯關係。使用訓練成功的網路...
