卷積神經網路(CNN)在布料特徵模型應用之探討

作者:
定價:
出版單位:
出版日期:
出版類型:
所屬領域:
瀏覽次數:

加入最愛
摘要
「特徵擷取」是「從原始數據中提取『對於解決特定任務有用』之特徵或屬性」的過程,在機器學習和深度學習中相當重要。卷積神經網路(Convolutional Neural Network, 以下簡稱CNN)則是常見的特徵擷取工具,其核心概念是模擬人類視覺系統對圖像的處理方式,常用於處理圖像和序列資料。
本文主要探討CNN在布料特徵提取的應用模式,包含如何透過卷積運算提取特徵,並利用池化技術(Pooling)降維(Dimensionality Reduction),以得出預測模型。以丹寧布(Demin)為例,說明將多種特徵轉換成向量、並得出預測模型的過程。透過不斷的調整,可提升模型的準確度,作為如Chat GPT等大型語言模型訓練的基礎。


內文標題/圖標題
一、CNN基本觀念介紹
二、透過CNN建立布料的非線性回歸模型
三、結語
參考文獻

圖1 透過卷積擷取與強化特徵值
圖2 ReLU激活函數運作範例
圖3 透過池化將圖的特徵由4 x 4矩陣降為2 x 2矩陣
圖4 調整特徵值權重以取得最佳答案

字數:
頁數:
分享至 : 用LINE傳送
上一則
2024/11/13
疫後亞洲核酸CDMO產業布局新...
下一則
2024/11/5
循環經濟下食品包裝減塑的綠色升...