论文：AComprehensiveSurveyonGraphNeuralNetworks一篇关于图神经网络的综述文章，着重介绍了图卷积神经网络（GCN），回顾了近些年的几个主要的图神经网络的的体系：图注意力网络、图自编码机、图生成网络、图时空网络。1、介绍传统的机器学习所用到的数据是欧氏空间（Euclidea

银行卡识别OCR是通过光学字符识别（OCR）技术实现的。它基于深度学习算法，通过卷积神经网络（CNN）对银行卡图片进行特征提取和分析，从而识别出银行卡上的各个字段。

1\.AlexNet1.1卷积层尺寸计算全0填充时!(https://uploadimages.jianshu.io/upload_images/7547741ff4b9b5c0c9ad0c8.png?imageMogr2/autoorient/strip|imageView2/2

tf.nn.conv2d在使用TF搭建CNN的过程中，卷积的操作如下convolutiontf.nn.conv2d(X,filters,strides1,2,2,1,padding"SAME")这个函数中各个参数的含义是什么呢？X:输入数据的minibatch，为一个4Dtensor；

fromkeras.datasetsimportmnistfromkeras.layersimportDense,Flatten,Conv2D,MaxPooling2D,Dropoutfromkeras.modelsimportSequentialfromkeras.optimizersim

转：http://www.cnblogs.com/gujianhan/p/6030639.htmlkey1:FCN对图像进行像素级的分类，从而解决了语义级别的图像分割（semanticsegmentation）问题。与经典的CNN在卷积层之后使用全连接层得到固定长度的特征向量进行分类（全联接层＋softmax输出）不同，FCN可以接受任意尺寸的

!(https://oscimg.oschina.net/oscnet/up4ea0253ae770020da87ce8c1506dab54e2d.JPEG)会话推荐（SessionbasedRecommendation）是推荐领域的一个子分支,美团平台增长技术部也在该领域不断地进行探索。不久前，该部门提出的跨会话信息感知的时间卷积神经网络模

图解：卷积神经网络数学原理解析源自：数学中国过去我们已经知道被称为紧密连接的神经网络。这些网络的神经元被分成若干组，形成连续的层。每一个这样的神经元都与相邻层的每一个神经元相连。下图显示了这种体系结构的一个示例。图1.密集连接的神经网络结构当我们根据一组有限的人工设计的特征来解决分类问题时，这种方法很有效。例如，我们根据足球运动员在比赛期间的统计数据来预测

源自：控制与决策作者：薛俊韬马若寒胡超芳摘要针对深度学习算法在多目标跟踪中的实时性问题,提出一种基于MobileNet的多目标跟踪算法.借助于MobileNet深度可分离卷积能够对深度网络模型进行压缩的原理,将YOLOv3主干