深度学习与神经网络期末必考公式

已于 2024-06-30 01:37:48 修改
阅读量188 收藏
点赞数 1
分类专栏： 期末复习 文章标签： 深度学习
于 2024-06-05 14:58:11 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/2301_78121617/article/details/139472677
版权

老师手写版

2d118cfb749c470abfb129c37aa68a80.jpg 

电子版

f3fb0e41f42b40749c0a805bf79252cc.jpg

 一共6个值需要计算，所有的前提是已知混淆矩阵

TP:我猜对的，结果为对

TN:我猜错的，结果为错

FP:我猜对的，结果为错

FN:我猜错的，结果为对

举一个例子，有10个患者8个患癌症，训练模型判断，9个患癌，1个没有

答案，假设患癌为对，没有为错，

那TP=8，TN=1，关键是FP=1，FN=0

这个有点绕，多理解记忆！

 

 

 

 

 

好好学习569
关注
专栏目录
华南理工深度学习与神经网络期末考试_深度学习基础：单层神经网络之线性回归...
weixin_39843782的博客
10-21 947
3.1　线性回归线性回归输出是一个连续值，因此适用于回归问题。回归问题在实际中很常见，如预测房屋价格、气温、销售额等连续值的问题。与回归问题不同，分类问题中模型的最终输出是一个离散值。我们所说的图像分类、垃圾邮件识别、疾病检测等输出为离散值的问题都属于分类问题的范畴。softmax回归则适用于分类问题。由于线性回归和softmax 回归都是单层神经网络，它们涉及的概念和技术同样适用于大多数的深度学...
神经网络与深度学习作业10：（LSTM | GRU）
m0_61190124的博客
11-28 963
11111
神经网络与深度学习复习大纲
weixin_53500031的博客
01-04 1971
神经网络期末复习
【期末总复习】神经网络与深度学习蒲公英书
weixin_56463218的博客
06-18 2180
逐层归一化
神经网络与深度学习
热门推荐
Kilig___的博客
06-18 1万+
神经网络与深度学习复习
神经网络与深度学习期末复习（3）---卷积神经网络
m0_62881487的博客
03-21 1167
的输出特征图，上面每一个结果的得到都经过一个神经元。即一个神经元对应一个输出，与像素点个数相同。(3) 连接数的计算如下。每一个像素点的得到，都经过卷积，一个卷积核大小。从下图中可发现：偏置数量=输出通道数；卷积核种类=输出通道数。(3) 连接数按我们老师上课讲的，就先看一次卷积，加。这里早期设计改为了部分连接，有。(2) 按照正常思维，卷积核的数量有。(4) 可训练参数套公式就可以。(2) 一个池化对应两个参数。是偏置，再乘上神经元数。个卷积求和后加一个偏置。图像共用一个偏置，有。个图像，所以偏置数为。
华南理工深度学习与神经网络期末考试_深度学习不再是炼丹术！谷歌给出首个神经网络训练理论证明...
weixin_39838028的博客
11-02 266
【新智元导读】谷歌 AI 最新发布的一篇论文给出了首个关于深度神经网络训练相关的理论证明，实验观察结果也为初步解释梯度下降强于贝叶斯优化奠定了基础。神经网络的理论面纱，正逐步被揭开。原来，神经网络实际上跟线性模型并没那么大不同！谷歌 AI 的研究人员日前在 arxiv 贴出一篇文章，给出了首个神经网络训练相关的理论证明。实验中，他们将一个实际的神经网络训练过程与线性模型的训练过程相比，发现两者高度...
华南理工深度学习与神经网络期末考试_【综述专栏】图神经网络与深度学习在智能交通中的应用：综述Survey...
weixin_39969568的博客
11-08 333
在科学研究中，从方法论上来讲，都应“先见森林，再见树木”。当前，人工智能学术研究方兴未艾，技术迅猛发展，可谓万木争荣，日新月异。对于AI从业者来说，在广袤的知识森林中，系统梳理脉络，才能更好地把握趋势。为此，我们精选国内外优秀的综述文章，开辟“综述专栏”，敬请关注。作者：thisone地址：https://www.zhihu.com/people/yeziand01论文地址：https:...
华南理工深度学习与神经网络期末考试_图神经网络与深度学习在智能交通中的应用：综述Survey...
weixin_39850167的博客
11-19 211
论文地址：https://arxiv.org/abs/2005.11691 https://arxiv.org/pdf/2005.11691.pdf 关键词：图神经网络（GNNs)，图卷积神经网络（GCN），深度学习，智能交通； Abstract and Introduction深度学习在计算机视觉和自然语言处理上的成功激发了学者将深度学习应用于交通领域的研究热情。传统上，很多工作将交通网络建模为...
【自用】深度学习期末复习资料
06-14
本文档提供了深度学习期末复习资料，涵盖了深度学习的基本概念、机器学习流程、梯度下降法、交叉熵、学习率、过拟合和欠拟合、线性可分与线性不可分、激活函数、卷积运算等知识点。 1. 深度学习基本概念： 深度...
深度学习 | 卷积神经网络 考试考点 内附详解
m0_60066036的博客
04-23 1179
卷积神经网络（Convolutional Neural Networks, CNN）是计算机视觉技术最经典的模型结构。卷积神经网络的常用模块包括：卷积、池化、激活函数、批归一化、丢弃法等。
细说机器学习和深度学习
moandaylab
10-08 1059
神经网络，也称人工神经网络。人工神经网络是一种运算模型（就是输入输出的映射），由大量的节点（或称神经元）之间相互联接构成。运算模型指的是：从输入到输出的一种映射。每个神经元里存储着若干权重（weight）、偏置（bias）和一个激活函数（activation）。输入乘上权重加上偏置，经过激活函数得到输出。激活函数用于添加一些非线性变换。神经网络通常包含一个输入层、若干隐藏层、一个输出层。输入层通常不用于计算神经网络的层数。
计算机毕业设计Tensorflow交通标志识别检测 车流量预测 车速检测 自动驾驶 机器学习 深度学习 人工智能 PyTorch 大数据毕设
全网粉丝100W+、全栈领域优质创作者、B站、github、CSDN等社区技术专家、专注于高端精品毕业项目源码实战
10-09 1900
计算机毕业设计Tensorflow交通标志识别检测 车流量预测 车速检测 自动驾驶 机器学习 深度学习 人工智能 PyTorch 大数据毕设
深度学习07：PyTorch 中常见的 Tensor 创建方式与示例
2301_80744520的博客
10-05 549
通过本篇博客，你已经学会了 PyTorch 中常见的几种 Tensor 创建方式。它们在深度学习模型的构建、数据处理以及矩阵运算中都扮演着至关重要的角色。无论是初始化权重、生成随机数据，还是定义特定类型的 Tensor，都可以用这些方法高效实现。希望这篇博客能帮助你在实际项目中更好地应用 PyTorch！
深度学习(7):RNN实战之人名的国籍预测
qq_51976556的博客
10-08 865
很显然对于每个编码数据的信息量都特别稀疏，所以表示效率过低，数据量大的时候会产生数据集加载慢，需要通过Embedding（嵌入）提高信息密度，将One-Hot编码的高维稀疏向量映射到一个更低维的密集向量中。Embedding（嵌入） 是一种用于将离散的、稀疏的数据（如单词或字符的索引）映射到连续的、稠密的低维向量空间中的技术。大多机器学习能够处理的都是数值类型的数据，所以对非数值类型的数据（如单词，类别标签），我们需要将其转换成数值类型的表示。所以数据x是文本里面的人名，标签y是文本文件的文件名。
YOLO11改进|卷积篇|引入线性可变形卷积LDConv
A1983Z的博客
10-07 1058
YOLO11中添加线性可变形卷积LDConv
YOLO11改进|注意力机制篇|引入MSCA注意力机制
A1983Z的博客
10-08 1546
YOLO11中添加MSCA多尺度卷积注意力
从0开始深度学习（9）——softmax回归的逐步实现
最新发布
立志成为炼丹师？
10-11 580
回顾一下softmax的公式：对每个项目求幂将每一行求和（小批量样本中，每个样本是一行），得到每个样本的规范化常数。将每一行除以其规范化常数，确保结果的和为1。# 定义softmax操作# 定义模型x = x.reshape(-1, w.shape[0]) # 将图片重塑为 [batch_size, 784]使用从0开始深度学习（8）——softmax回归提到的交叉熵损失函数# 定义损失函数def cross_entropy(y_hat, y): # 预测值、真实值。
深度学习题库详解：150道精选期末复习题目
- 深度学习是指有多层的神经网络结构，每层可以学习到更复杂的特征表示。 - 实现类似神经网络中Dropout效果的操作：**B. Bagging** - Dropout是一种正则化技术，而Bagging（自助采样法）也是一种常用的集成学习...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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