【心情随笔】Esri参赛

从决定参赛算起的,这一周

感谢H老师,机缘巧合,我去代那节上机课,受老师的鼓励,我决定不忘初心(笑)

感谢X老师,在我纠结时指明方向,“参赛还是可以收获很多东西的”;感谢H老师,耐心地解答我的疑惑

感谢C大神,百忙中给我建议和“鸡汤”;感谢师哥师姐的帮助

感谢嘉徽,一起找思路、写报名书,有志同道合的人,就让我觉得自己并不孤单;感谢大迪,在我懈怠时问我问题,激励前进

现在我在常春藤的办公室,和小伙伴们一起,觉得自己很幸运、很幸福,有志同道合的人一起,为了同一个目标奋斗,感觉很赞 

找点子

点子:有点天马行空的想法,一开始想做饮食&性格,后来想做心理-心理咨询室,最后是健身-健身场馆。

心得

①平时咋就不多积累呢?多看论文!多看订阅号!

②刚开始总想用上情感分析,思考问题都受限了,要拓展思路哟,多学点总是好的!

③多和前辈/老师交流,早发现问题早解决!

数据准备

数据采集

八爪鱼,采集健身场馆基本信息
高德地图申请API (key)教程:http://blog.csdn.net/grandaunt/article/details/53636286
(http://lbs.amap.com/dev/key/app 注意:申请Web端/Web服务不用填写SHA1和PackageName)
高德地图地址转经纬度相关代码:http://lbs.amap.com/api/javascript-api/example/geocoder/geocoding
(而我是使用了gpsspg工具实现地址转经纬度:http://www.gpsspg.com/latitude-and-longitude.htm)

数据预处理

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值