- 博客(12)
- 收藏
- 关注
RSS订阅原创 人工智能作业12
重置门（Reset Gate）：重置门帮助模型决定在计算新的候选隐藏状态时，是否要“忽视”以前的隐藏状态。sigmoid层输出0到1之间的值，表示我们要保存多少新信息，0表示“什么都不保存”，1表示“保存所有”，而tanh层则生成新的候选值，可能会被加入到状态中。更新门（Update Gate）：更新门帮助模型决定何时“忘记”以前的隐藏状态，何时使用新的候选隐藏状态。更新门的值越接近1，模型就越倾向于保留以前的隐藏状态；它是一个sigmoid层，输出0到1之间的值，0表示“完全忘记”，1表示“完全记住”。
2023-06-18 16:48:57
54
原创 人工智能作业11
空间/时间依赖性：CNN通过使用卷积核来学习局部特征，适合于处理固定长度的输入（如固定大小的图像），对空间依赖性有很好的处理能力。RNN可以处理任何长度的序列，对于长期的时间依赖性，标准的RNN处理起来有困难，但LSTM或GRU等RNN的变体可以很好地解决这个问题。序列到序列模型是一种在深度学习中用于生成序列的模型，特别适用于那些输入和输出都是序列的问题，如机器翻译、语音识别、文本摘要等。梯度爆炸：与梯度消失相反，梯度爆炸是指在训练过程中，梯度变得非常大，这会导致权重更新过大，使得网络不稳定。
2023-06-18 16:47:41
40
原创 人工作业10
VGG Net在当年的ImageNet大规模视觉识别挑战（ILSVRC）中取得了优异成绩，以其简洁的结构和卓越的性能获得了广泛关注。VGG Net的核心思想是通过使用较小的卷积核（如3x3）和多个连续卷积层来增加网络深度，从而提高模型的表达能力。VGG Net有多个版本，如VGG-16和VGG-19，这些数字代表网络中包含的权重层（卷积层和全连接层）的数量。尽管AlexNet最初是针对ImageNet数据集开发的，但它的架构和训练方法也可以应用于其他图像分类任务，如CIFAR数据集。
2023-06-18 16:46:42
36
1
原创 AI作业8-卷积2
高级特征则是指基于中级特征构建的更加抽象和复杂的特征，如物体的部件、结构、语义等，这些特征能够更好地描述物体的高层次语义信息，因此对于更加复杂的任务（如目标检测、语义分割等）的效果会更好。低级特征通常指一些较为基础的、直接从原始数据中提取的特征，如颜色、纹理、边缘等，它们通常对于物体的分类或识别任务并不十分有效，但是可以作为中级特征的基础。中级特征则是指基于低级特征构建的一些更高层次的特征，如形状、轮廓、纹理组合等，这些特征能够更好地描述物体的形态和结构，因此对于分类或识别任务的效果会更好。
2023-05-17 12:32:19
38
1
原创 AI作业6-误差反向传播
梯度下降是一种优化算法，可以根据损失函数的梯度方向来调整模型的参数，从而最小化损失函数。在机器学习和深度学习中，梯度下降是一种广泛使用的方法，可以用来训练神经网络等模型。梯度下降有多种形式，包括批量梯度下降、随机梯度下降和小批量梯度下降等。
2023-05-04 11:14:58
92
原创 AI作业7—卷积
一、简单描述卷积、、特征图、特征选择概念一、简单描述卷积、、特征图、特征选择概念卷积在中，卷积、旋积或褶积(英语：Convolution)是通过两个f和g生成第三个函数的一种运算，其本质是一种特殊的积分变换，表征函数f与g经过翻转和平移的重叠部分函数值乘积对重叠长度的积分。
2023-05-04 11:07:38
60
原创 AI作业5-深度学习基础
人工智能是一种美好的目标，它希望用计算机来模拟人类的思维方式。机器学习是实现人工智能的主要途径，也是人工智能的核心，它有很多模型（算法）可以选择。深度学习是机器学习的一个重要分支，它使用了一些更加通用和智能的模型，是比较前沿的学术课题。深度学习需要更多的数据和算力作为支撑，否则难以发挥其优势。
2023-04-25 19:45:57
50
原创 【无标题】
提出了一种借助 PCA 方法进行有效人脸识别的方法——特征脸法，就相当于把人脸从像素空间变换到另一个空间，在另一个空间中做相似性的计算，首先选择一个合适的子空间，将所有的图像变换到这个子空间上，然后再在这个子空间上衡量相似性或者进行分类学习。KNN是一种惰性的、非参的算法模型。从数据中选择k个对象作为初始聚类中心，计算每个聚类对象到聚类中心的距离来划分，再次计算每个聚类中心，计算标准测度函数，直到达到最大迭代次数，则停止，否则，继续操作，这样就可以确定最优的聚类中心，中心确定以后就可以进行聚类。
2023-04-03 11:42:13
30
1
原创 人工智能作业2
Sigmoid函数（也称为Logistic函数）是一种常用的激活函数，用于将线性变换的结果映射为0到1之间的概率值。它的目标是建立输入变量与输出变量之间的非线性关系，并将输出变量映射为概率值。Softmax函数是一种常用的激活函数，用于将线性变换的结果映射为概率分布，通常用于多元分类问题中。一定置信水平下，通过有限的样本数训练得到的模型在测试集上的性能能够达到一定的正确率。通过对输入变量进行划分，构建一棵树状结构，从而对输出变量进行预测。条件熵是在已知某个属性的取值情况下，其他属性的不确定性所占的熵。
2023-03-29 10:39:05
19
原创 人工智能作业3
软间隔是指在支持向量机中，允许在分类过程中存在一定程度的分类错误，以便在处理线性不可分的数据时，能够达到更好的分类效果。不正确，监督学习和无监督学习描述的是学习任务的类型，生成式方法和判别式方法描述的是模型的学习方式。通过将数据映射到高维空间，使得原本在低维空间中线性不可分的数据在高维空间中变得线性可分。利用多个单独的学习器进行训练，然后通过一定的组合方式来完成学习任务。寻找一个边界或函数，以便根据输入数据精确地预测相应的输出标签。利用观察数据的概率分布，生成与训练数据具有相似特征的新数据。
2023-03-29 10:27:14
25
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人