convolutional neural network
합류 신경망
convolutional layer
합류층
using convolutional filters
합류 필터를 사용하는
convolutional operation
합류 연산
convolutional architecture
합류 구조
convolutional features
합류 특징
convolutional model
합류 모델
with convolutional layers
합류층과 함께
convolutional processing
합류 처리
the convolutional neural network achieved high accuracy on the image classification task.
이미지 분류 작업에서 컨볼루션 신경망은 높은 정확도를 달성했습니다.
we used a 3x3 convolutional filter to extract features from the input image.
우리는 입력 이미지에서 특징을 추출하기 위해 3x3 컨볼루션 필터를 사용했습니다.
the convolutional layer is a key component of many modern deep learning architectures.
컨볼루션 레이어는 많은 최신 딥 러닝 아키텍처의 핵심 구성 요소입니다.
applying a convolutional operation involves sliding the filter across the input data.
컨볼루션 연산을 수행하려면 필터를 입력 데이터에 슬라이드해야 합니다.
the convolutional layer learned to detect edges and corners in the images.
컨볼루션 레이어는 이미지에서 모서리와 모퉁이를 감지하는 것을 학습했습니다.
we performed a convolutional operation to reduce the dimensionality of the data.
데이터의 차원을 줄이기 위해 컨볼루션 연산을 수행했습니다.
the architecture included multiple convolutional blocks for improved feature extraction.
아키텍처에는 향상된 특징 추출을 위해 여러 개의 컨볼루션 블록이 포함되었습니다.
the convolutional layer's output is a feature map representing detected patterns.
컨볼루션 레이어의 출력은 감지된 패턴을 나타내는 특징 맵입니다.
we experimented with different convolutional filter sizes to optimize performance.
우리는 성능을 최적화하기 위해 다양한 컨볼루션 필터 크기를 실험했습니다.
the convolutional layer effectively captured spatial hierarchies in the data.
컨볼루션 레이어는 데이터에서 공간적 계층 구조를 효과적으로 포착했습니다.
the model utilized a series of convolutional and pooling layers.
모델은 일련의 컨볼루션 및 풀링 레이어를 사용했습니다.
convolutional neural network
합류 신경망
convolutional layer
합류층
using convolutional filters
합류 필터를 사용하는
convolutional operation
합류 연산
convolutional architecture
합류 구조
convolutional features
합류 특징
convolutional model
합류 모델
with convolutional layers
합류층과 함께
convolutional processing
합류 처리
the convolutional neural network achieved high accuracy on the image classification task.
이미지 분류 작업에서 컨볼루션 신경망은 높은 정확도를 달성했습니다.
we used a 3x3 convolutional filter to extract features from the input image.
우리는 입력 이미지에서 특징을 추출하기 위해 3x3 컨볼루션 필터를 사용했습니다.
the convolutional layer is a key component of many modern deep learning architectures.
컨볼루션 레이어는 많은 최신 딥 러닝 아키텍처의 핵심 구성 요소입니다.
applying a convolutional operation involves sliding the filter across the input data.
컨볼루션 연산을 수행하려면 필터를 입력 데이터에 슬라이드해야 합니다.
the convolutional layer learned to detect edges and corners in the images.
컨볼루션 레이어는 이미지에서 모서리와 모퉁이를 감지하는 것을 학습했습니다.
we performed a convolutional operation to reduce the dimensionality of the data.
데이터의 차원을 줄이기 위해 컨볼루션 연산을 수행했습니다.
the architecture included multiple convolutional blocks for improved feature extraction.
아키텍처에는 향상된 특징 추출을 위해 여러 개의 컨볼루션 블록이 포함되었습니다.
the convolutional layer's output is a feature map representing detected patterns.
컨볼루션 레이어의 출력은 감지된 패턴을 나타내는 특징 맵입니다.
we experimented with different convolutional filter sizes to optimize performance.
우리는 성능을 최적화하기 위해 다양한 컨볼루션 필터 크기를 실험했습니다.
the convolutional layer effectively captured spatial hierarchies in the data.
컨볼루션 레이어는 데이터에서 공간적 계층 구조를 효과적으로 포착했습니다.
the model utilized a series of convolutional and pooling layers.
모델은 일련의 컨볼루션 및 풀링 레이어를 사용했습니다.
자주 검색된 어휘를 탐색하세요
어휘를 더 효율적으로 학습하고 싶으신가요? DictoGo 앱을 다운로드하여 더 많은 어휘 암기 및 복습 기능을 경험해 보세요!
지금 DictoGo를 다운로드하세요