Популярное

Музыка Кино и Анимация Автомобили Животные Спорт Путешествия Игры Юмор

Интересные видео

2025 Сериалы Трейлеры Новости Как сделать Видеоуроки Diy своими руками

Топ запросов

смотреть а4 schoolboy runaway турецкий сериал смотреть мультфильмы эдисон
dTub
Скачать

Neural Networks Chapter 5 : Convolution Neural Network (CNN)

Автор: Ahmed Sharaf

Загружено: 2025-06-09

Просмотров: 287

Описание:

🎓 In this video, we explore how deep learning models "see" the world. We begin with the classic Feed-Forward Neural Networks, then move to Convolutional Neural Networks (CNNs)—the backbone of modern image recognition.

By the end of this part, you'll understand:

🟧 Feed-Forward Neural Networks (FNNs): How data flows in one direction from input to output and where FNNs are used.

🟧 Convolutional Neural Networks (CNNs): Why CNNs are ideal for image data, capturing spatial patterns using filters.

🟧 Convolution Layer: The key building block in CNNs that detects edges, textures, and meaningful features in images.

🔑 Key Topics Covered:
Feed-Forward Networks: Simple yet powerful foundations of neural modeling.
CNNs: Designed for vision tasks with minimal preprocessing.
Convolution Operation: Sliding filters that learn to see like the human eye.
-------------------------------------------------------------------------------------------------------------------------------------------------------
📧 Email: [email protected]
💼 LinkedIn:   / ahmedsharaf9  
🐦 Twitter/X: https://x.com/ahmedbnsharaf
📸 Instagram:   / ahmed_m.sharaf  
▶️ Channel Link:    / @ahmed_bn_sharaf  

Neural Networks Chapter 5 : Convolution Neural Network (CNN)

Поделиться в:

Доступные форматы для скачивания:

Скачать видео mp4

  • Информация по загрузке:

Скачать аудио mp3

Похожие видео

array(10) { [0]=> object(stdClass)#4431 (5) { ["video_id"]=> int(9999999) ["related_video_id"]=> string(11) "GCWlXohjsWU" ["related_video_title"]=> string(28) "Neural Networks: Revision 2" ["posted_time"]=> string(22) "13 дней назад" ["channelName"]=> string(12) "Ahmed Sharaf" } [1]=> object(stdClass)#4404 (5) { ["video_id"]=> int(9999999) ["related_video_id"]=> string(11) "E5Z7FQp7AQQ" ["related_video_title"]=> string(68) "What is CNN in deep learning? Convolutional Neural Network Explained" ["posted_time"]=> string(21) "3 года назад" ["channelName"]=> string(14) "Learn With Jay" } [2]=> object(stdClass)#4429 (5) { ["video_id"]=> int(9999999) ["related_video_id"]=> string(11) "oGpzWAlP5p0" ["related_video_title"]=> string(41) "MIT 6.S191: Convolutional Neural Networks" ["posted_time"]=> string(25) "3 месяца назад" ["channelName"]=> string(15) "Alexander Amini" } [3]=> object(stdClass)#4436 (5) { ["video_id"]=> int(9999999) ["related_video_id"]=> string(11) "nPoGHR4nuqw" ["related_video_title"]=> string(62) "Neural Networks Chapter 3 : Learning Rate Adjustment (Part IV)" ["posted_time"]=> string(25) "2 недели назад" ["channelName"]=> string(12) "Ahmed Sharaf" } [4]=> object(stdClass)#4415 (5) { ["video_id"]=> int(9999999) ["related_video_id"]=> string(11) "wjZofJX0v4M" ["related_video_title"]=> string(148) "LLM и GPT - как работают большие языковые модели? Визуальное введение в трансформеры" ["posted_time"]=> string(19) "1 год назад" ["channelName"]=> string(11) "3Blue1Brown" } [5]=> object(stdClass)#4433 (5) { ["video_id"]=> int(9999999) ["related_video_id"]=> string(11) "LMwAutYkwPQ" ["related_video_title"]=> string(43) "Neural Networks: Final 23 (Some Questions)" ["posted_time"]=> string(22) "13 дней назад" ["channelName"]=> string(12) "Ahmed Sharaf" } [6]=> object(stdClass)#4428 (5) { ["video_id"]=> int(9999999) ["related_video_id"]=> string(11) "iyrnPNBWIQ4" ["related_video_title"]=> string(161) "«Жить надо сегодня». Олег Тиньков и Майкл Калви о взлете нового финтех-стартапа Plata" ["posted_time"]=> string(21) "1 день назад" ["channelName"]=> string(28) "Это Осетинская!" } [7]=> object(stdClass)#4438 (5) { ["video_id"]=> int(9999999) ["related_video_id"]=> string(11) "zfiSAzpy9NM" ["related_video_title"]=> string(104) "Simple explanation of convolutional neural network | Deep Learning Tutorial 23 (Tensorflow & Python)" ["posted_time"]=> string(21) "4 года назад" ["channelName"]=> string(10) "codebasics" } [8]=> object(stdClass)#4414 (5) { ["video_id"]=> int(9999999) ["related_video_id"]=> string(11) "pyMjHeJ16Bc" ["related_video_title"]=> string(59) "Neural Networks Chapter 4 : Activation & Loss Functions" ["posted_time"]=> string(25) "2 недели назад" ["channelName"]=> string(12) "Ahmed Sharaf" } [9]=> object(stdClass)#4432 (5) { ["video_id"]=> int(9999999) ["related_video_id"]=> string(11) "pe_ejTiIcSs" ["related_video_title"]=> string(53) "Похудей на 45 КГ, Выиграй $250,000!" ["posted_time"]=> string(21) "5 дней назад" ["channelName"]=> string(7) "MrBeast" } }
Neural Networks:  Revision 2

Neural Networks: Revision 2

What is CNN in deep learning? Convolutional Neural Network Explained

What is CNN in deep learning? Convolutional Neural Network Explained

MIT 6.S191: Convolutional Neural Networks

MIT 6.S191: Convolutional Neural Networks

Neural Networks Chapter 3 : Learning Rate Adjustment (Part IV)

Neural Networks Chapter 3 : Learning Rate Adjustment (Part IV)

LLM и GPT - как работают большие языковые модели? Визуальное введение в трансформеры

LLM и GPT - как работают большие языковые модели? Визуальное введение в трансформеры

Neural Networks:  Final 23 (Some Questions)

Neural Networks: Final 23 (Some Questions)

«Жить надо сегодня». Олег Тиньков и Майкл Калви о взлете нового финтех-стартапа Plata

«Жить надо сегодня». Олег Тиньков и Майкл Калви о взлете нового финтех-стартапа Plata

Simple explanation of convolutional neural network | Deep Learning Tutorial 23 (Tensorflow & Python)

Simple explanation of convolutional neural network | Deep Learning Tutorial 23 (Tensorflow & Python)

Neural Networks Chapter 4 : Activation & Loss Functions

Neural Networks Chapter 4 : Activation & Loss Functions

Похудей на 45 КГ, Выиграй $250,000!

Похудей на 45 КГ, Выиграй $250,000!

© 2025 dtub. Все права защищены.



  • Контакты
  • О нас
  • Политика конфиденциальности



Контакты для правообладателей: [email protected]