- 博客(7)
- 资源 (7)
- 收藏
- 关注
RSS订阅原创 卷积神经网络《深度学习入门》第七章
layout: posttitle: 深度学习入门 基于Python的理论实现subtitle: 第七章 卷积神经网络tags: [Machine learning, Reading]第七章 卷积神经网络终于来到了激动人心的卷积神经网络。卷积神经网络的重要性不用多说，所以这一章着重来介绍。7.1 整体结构首先看一下CNN的网络结构。神经网络和之前的神经网络一样，可以像乐高积木一样通过组装层来构建，不过出现了新的卷积层（Convolution层）和池化层（Pooling层）。之前介绍的.
2021-03-18 10:48:47
557
原创 参数更新方法 初始值 抑制过拟合 Batch Normalization等 《深度学习入门》第六章
layout: posttitle: 深度学习入门 基于Python的理论实现subtitle: 第六章 与学习相关的技巧tags: [Machine learning, Reading]第六章 与学习相关的技巧本章像是一个补充，主题涉及寻找最优权重参数的最优化方法、权重参数的初始值、超参数的设定方法等。此外，为了应对过拟合，本章还将介绍权值衰减、Dropout等正则化方法，并进行实现。最后将对近年来众多研究中使用的Batch Normalization方法进行简单的介绍。这部分推荐大家.
2021-03-14 23:02:14
461
原创 误差反向传播法《深度学习 基于Python的理论与实现》第五章
layout: posttitle: 深度学习入门 基于Python的理论实现subtitle: 第五章 误差反向传播法tags: [Machine learning, Reading]第五章 误差反向传播法上一章介绍了神经网络的学习，并通过数值微分计算了神经网络的权重参数的梯度，数值微分虽然简单，但是计算起来比较浪费时间。本章使用一个能够高效计算权重参数的梯度的方法–误差反向传播法。正确理解反向传播法，有两种方法，一种基于计算图，一种基于数学式。后者是比较常见的方法，本章通过计算图来理解.
2021-03-04 16:07:29
199
1
原创 神经网络的学习 《深度学习 基于Python的理论与实现》第四章
layout: posttitle: 深度学习入门 基于Python的理论实现subtitle: 第四章 神经网络的学习tags: [Machine learning, Reading]第四章 神经网络的学习上一章我们讲前向传播，主要说的数据的传递和计算，没有涉及到参数的训练和选择，本章的主题是神经网络的学习。为了使神经网络可以学习，引入了损失函数这个指标，学习的目的是以该损失函数为基准，找出使它的值最小的权重参数。4.1 从数据中学习神经网络的特征就是可以从数据中学习。所谓从数据中学习.
2021-03-02 21:13:58
339
原创 神经网络之手写数字识别 《深度学习入门 基于Python的理论实现》第三章实践部分
layout: posttitle: 深度学习入门 基于Python的理论实现subtitle: 第三章 手写数字识别tags: [Machine learning, Reading]第三章 神经网络3.6 手写数字识别上一个post介绍了神经网络的基本内容，这一节搭配项目解决实际问题。这个例子非常简单，是一个机器学习里的Hello world。手写数字识别问题。但是这个例子是不完全的，我们假设学习已经全部完成，我们用学习到的参数，先实现神经网络的“推理处理”。这也叫神经网络的前向传播。.
2021-02-20 14:42:51
276
原创 神经网络 《深度学习入门 基于Python的理论实现》第三章理论部分
layout: posttitle: 深度学习入门 基于Python的理论实现subtitle: 第三章 神经网络tags: [Machine learning, Reading] 第三章 神经网络紧接着第二章的内容，我们开始介绍神经网络。上一章感知机的参数都是我们认为验证给定的，对于神经网络来说，一个重要的性质就是可以自动地从数据中学习到合适的权重参数。3.1 从感知机到神经网络3.1.1 神经网络的例子下图就是一个神经网络的例子，把最左边的一列称为输入层，中间一列称为中.
2021-02-13 00:02:29
197
原创 感知机 《深度学习入门 基于Python的理论实现》第二章
layout: posttitle: 深度学习入门 基于Python的理论实现subtitle: 第二章 感知机tags: [Machine learning, Reading]第二章 感知机这一个系列是深度学习入门-基于Python的理论与实现的学习记录。看之前的文章，就知道开的新坑实在是太多了。刚好现在是寒假，有比较完整的时间，所以想着用这一段时间做些事情。暂时是这么安排的，对于学习的过程，一方面写文章，一方面做视频，不清楚做这些的时间成本怎么样，先试试看。买过各种各样的机器学习的.
2021-02-08 11:11:29
191
A global geometric framework for nonlinear dimensionality reduction
2014-10-31
Distinctive Image Features from Scale-Invariant Keypoints（SIFT算法）
2014-07-30
基于支持向量机和神经网络的车牌识别
2014-07-27
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人