- 博客(13)
- 收藏
- 关注
原创 05 递归神经网络+LSTM & GRU
05 递归神经网络RNN+LSTM & GRU01 RNN基本结构与知识点02 LSTM 长短时记忆网络03 GRU 门控循环单元04 RNN梯度消失+过拟合问题解决方案分析01 RNN基本结构与知识点02 LSTM 长短时记忆网络03 GRU 门控循环单元04 RNN梯度消失+过拟合问题解决方案分析
2023-09-19 00:43:19 85
原创 04 CNN基本结构 + 常用各种卷积核 & 经典图像识别模型
04 CNN基本结构 + 不同类型各种卷积核 & 经典图像识别模型01 卷积神经网络基本机构与基本操作02 常用的不同类型卷积核03 经典图像识别模型(CNN)01 卷积神经网络基本机构与基本操作02 常用的不同类型卷积核03 经典图像识别模型(CNN)
2023-09-18 00:52:04 122
原创 03 过拟合 +解决手段 & Dropout + Batch Normalization
02 过拟合 +解决手段 & Dropout + Batch Normalization01 什么是过拟合02 减轻过拟合的常见手段03 Dropout04 Batch Normalization01 什么是过拟合02 减轻过拟合的常见手段03 Dropout04 Batch Normalization
2023-09-15 19:25:47 69
原创 02 优化算法+ 激活函数 & BP算法公式+问题理解
g = ΔL,初始 s r 均为 0,一阶,二阶指代损失函数的一阶偏导,二阶偏导。对于梯度小或稀疏特征,此时学习率就会比较大,对于梯度大的特征此时学习率会比较小。θ = θ - (μ/ 根号 G + ε)ΔL μ全局学习率,用户指定。引入了一个动量概念,暂且用v表示,其中μ表示动量系数,α表示学习率。理解概念,优化算法与梯度下降算法,梯度下降算法只是优化算法中的一种。收敛更稳定,收敛速度更快(小梯度参数加速,大梯度参数,减慢收敛)θ = θ + v 梯度更新,加上负梯度,最小化损失函数。
2023-09-14 18:39:12 184 1
原创 01 数据预处理常用基本方法
对于缺失值特征较少的几个数据,可以删除,或者补充,均不会导致丢失太多信息。:依据任务要求,例如 one hot 编码,embedding编码。检测重复值,通常采用遍历的方式检测重复值,然后移除。补充缺失值的方法,例如插入均值,中位数,众数。:减少多样本类别的样本数量,可能会导致信息丢失,慎重。缩放,裁剪,色彩空间转换(RGB转换为灰度图)四种:归一化,标准化,特征编码,特征降维(PCA):常用方法 PCA LDA,用的多的还是 PCA。:增加少数类别的样本数量,常见方法 SMOTE。
2023-09-13 18:57:30 148
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