CNN
含有「CNN」共 26 篇內容
全部內容
發佈日期由新至舊
本篇以武俠情境解析 AI 大腦架構，介紹 CNN、RNN 與 Transformer 在處理影像與序列資料時的差異。透過情報陣法失靈案例，說明長距離依賴問題與自注意力機制，並延伸至 Transformer-XL 與自編碼器在長文本處理與資料壓縮上的應用，協助建立生成式 AI 核心模型理解。
本篇為《白話實驗室》第二章 AI 教材模組，介紹神經網路核心架構：
CNN、RNN、LSTM、GRU 與 T（Transformer）。
解析各模型適用的資料型態與處理能力，說明現代大型語言模型（如 GPT）為何建立於 T 架構之上，適用於 AI 入門與 iPAS 應用規劃師考試基礎知識。
本文為 iPAS AI 應用規劃師考試的複習資料，涵蓋 CNN、RNN、Transformer、LSTM 和 GAN 等 AI 技術的基礎概念與應用。
隨著深度學習的發展，研究人員不斷地提出新的技術和模型架構來增強 (Enhance) CNN 的性能。這些增強方法可以從多個層面來提升 CNN 在圖像辨識、物件偵測等任務上的準確性、效率和魯棒性 (robustness)。
卷積神經網路(CNN)的訓練過程就像教小孩辨識貓狗一樣，透過準備大量訓練資料、前向傳播預測、計算損失、反向傳播修正錯誤，以及反覆迭代等步驟，讓CNN不斷學習並提升影像辨識能力。訓練過程中，大量的數據、強大的計算資源、適當的模型架構和超參數設定都至關重要。
這篇文章以淺顯易懂的方式說明卷積神經網路(CNN)如何讓AI辨識圖片，並用一張小狗圖片為例，逐步拆解CNN的四個關鍵步驟：卷積層、池化層、全連接層和輸出結果，輔以生活化的比喻，例如畫畫、縮圖和考試，讓讀者輕鬆理解CNN運作原理。
12 月初早有傳聞，稱 MSNBC 總裁 ❙拉希達‧瓊斯❙ (Rashida Jones) 正在考慮離職。
大選後，該電視台的收視率暴跌，至今仍未回升。
2025年1月14日星期二，❙瓊斯❙ 終於辭去總裁職務。
❙瓊斯❙ 擔任該職位僅約四年，完滿配合 ❙拜登❙ 的總統任期。
在 25-54
跟著瑞昇英語讀懂 CNN，文中所列的句子都是「實際」且「近期」的英語新聞，讓你備考英文的同時，複習「4500 單」，助你提升閱讀、造句、英文寫作力，順便了解國際大小事。「瑞昇英語」幫你無痛建立英語學習的「原子習慣」，淬煉你的英語腦！
學測倒數：挑戰「4500 單」- 跟著瑞昇英語讀懂 CNN Business
文中所列的句子都是「實際」且「即時」的英語新聞，讓你備考英文的同時，複習「4500 單」，助你提升閱讀、造句、英文寫作力，順便了解國際大小事。這麼好的免費學習內容，瑞昇所有社群快訂起來！
