- 博客(9)
- 收藏
- 关注
RSS订阅原创 启发式算法——模拟退火算法
模拟退火算法是一种全局优化算法，在高温下会有一定概率接受较差的解，从而增大跳出局部最优解的可能，进而收敛到寻找全局最优解。但是算法的缺点也是很明显的，就是参数的选择对算法性能有很大影响，如初始温度、冷却速度等参数，而这些参数往往需要根据具体问题进行调整，换句话说就是算法的成功实施需要对问题有深入的理解，需要结合所要解决的问题，来应用模拟退火算法，可能需要对模拟退火算法进行一些修改，同时对算法参数进行精细的调整。降温策略是模拟退火算法的关键部分，它决定了算法的收敛速度和最终解的质量。时，接受新解的概率随着。
2024-05-25 15:33:47
2226
原创 高中物理之电学基础——电场的力学性质
关键是受力分析时需要注意的点就是算库伦力的时候，带电量的正负，它的符号是不用带进公式里的。因为正负号子表示带电量的±，不表示方向。力是矢量，它的正负号是表示方向的。
2024-05-22 15:09:48
508
原创 深度学习之卷积神经网络（1）
在深度学习中，卷积神经网络（CNN）中的卷积操作本质上是交叉相关，因为它们使用可学习的模板（或称为滤波器、权重）在输入图像上执行交叉相关。因此，在实际应用中，经常使用一些优化技术，如使用小尺寸的模板、利用图像的平移不变性、或者使用快速傅里叶变换（FFT）来加速计算。边缘是图像中物体和物体边界的表示，它们对于图像分割、特征提取、图像识别和许多其他视觉任务至关重要。计算机视觉中的一种基础技术，用于从图像中识别和定位边缘，即图像中亮度变化显著的区域。交叉相关与卷积类似，但有一个关键的区别：在卷积操作中，模板。
2024-05-21 22:12:31
1131
1
原创 深度学习之神经网络（2）
代价函数（Cost Function）或损失函数（Loss Function）是深度学习模型中用于衡量模型预测值与真实值之间差异的函数，是深度学习模型中重要的一部分。它由一个或多个层组成，每一层都包含多个神经元，并且各层之间是前向连接的，即信息只能从前一层流向后一层，不会形成回路。一种训练神经网络的算法，通过计算损失函数关于网络参数的梯度，并利用这些梯度来更新网络的权重。一种优化算法，用于最小化损失函数，通过调整网络的权重来减少预测误差。用于评估神经网络的预测与实际值之间的差异，用于指导网络的训练过程。
2024-05-20 22:53:42
1779
原创 深度学习之神经网络（1）
一种受人脑结构启发的计算模型，由相互连接的节点（神经元）组成，能够处理和解释数据。这里的神经网络，具体而言应该指的是人工神经网络（Artificial Neural Networks，简称ANNs），而非生物学上的神经网络。其实人工神经网络是本身就是受生物神经网络启发的数学模型，用于模拟大脑处理信息的方式。但是现代神经网络模型在结构和功能上已经高度抽象化，虽然仍然比生物神经系统的复杂性，但是人工神经网络模型随着时间发展，不可解释性在进一步增强。
2024-05-19 13:14:53
569
1
原创 深度学习入门
阶跃函数的图像是一条从0突变到1的阶梯，没有平滑的过渡。但是，由于阶跃函数在0点处不连续，导致其在反向传播中无法计算梯度，因此在深度学习中较少使用，而更常见的选择是连续可微的激活函数，如sigmoid、ReLU等。神经元的输入是来自上一层神经元输出的加权和，经过一个激活函数的非线性转换后，传递到下一层神经元。通过调整隐藏层的大小和数量，以及选择合适的激活函数，多层感知机可以适应各种复杂的数据模式和任务。感知机接收多个输入，每个输入都有一个对应的权重，然后将输入和权重的乘积相加，并加上偏差（也称为阈值）。
2024-05-18 22:18:36
798
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人