人工智能
文章平均质量分 77
人工智能相关博客
Suprit
先选择一种经历,经历再造就一个人
展开
-
机器学习综述【快速了解 通俗易懂】
文章目录引言人工智能、机器学习与深度学习的关系机器学习与大数据机器学习概述⭐️机器学习分类监督学习(Supervised Learning)分类(Classification)回归(Regression)无监督学习(Unsupervised Learning)聚类(Clustering)降维(Dimensionality Reduction)强化学习(Reinforcement Learning)深度学习(Deep Learning)与神经网络(Neural Network)半监督学习机器学习算法使用的步骤原创 2022-02-24 16:51:41 · 1488 阅读 · 0 评论 -
人工智能学习教程笔记-10:激活函数总结
参考文章:https://captainbed.vip/1-3-4/、https://zhuanlan.zhihu.com/p/73214810、https://blog.csdn.net/tyhj_sf/article/details/79932893文章目录激活函数/激励函数总结⭐️为什么需要激活函数常见的激活函数Sigmoid函数公式及图像优点缺点Tanh函数公式及图像优点缺点ReLu函数公式及图像优点缺点leaky relu函数公式及图像如何选择激活函数?激活函数/激励函数总结我们之前在神经网原创 2021-07-29 09:12:36 · 393 阅读 · 0 评论 -
什么是零均值?什么是零均值化?
什么是零均值?零均值在深度学习中,一般我们会把喂给网络模型的训练图片进行预处理,使用最多的方法就是零均值化(zero-mean) 中心化,即使像素值范围变为[-128,127],以0为中心。作用这样做的优点是为了 在反向传播中加快网络中每一层权重参数的收敛。可以避免Z型更新的情况,这样可以加快神经网络的收敛速度。下面将分别以Sigmoid这个最经典的激活函数来说明:Sigmoid[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-EC5NKDdb-1627351552原创 2021-07-27 10:06:19 · 14042 阅读 · 0 评论 -
人工智能学习教程笔记-09:浅层神经网络
文章部分内容参考自https://captainbed.net、https://captainbed.vip/1-3-3/浅层神经网络浅层神经网络的计算流程同单神经元网络几乎一样,只不过更为复杂而已。浅层神经网络的向量化向量化这种用法在人工智能编程中几乎无处不在,可以说我们在人工智能编程中大多数情况下处理的最小数据单元就是向量,而我们编写多神经元网络就会用到比向量更高一个级别的数据单元——矩阵。所以说浅层神经网络的向量化实际上是矩阵化。以下图的浅层神经网络为例:上标表示第几层,下标表示第几行,原创 2021-07-25 18:00:02 · 454 阅读 · 0 评论 -
人工智能学习教程笔记-08:多神经元神经网络
文章部分内容参考自https://captainbed.net多神经元神经网络之前编写的对猫的识别的算法准确率仍然不是很高,主要是因为其是单神经元网络,太过简单,层数太低。神经网络分为单神经元和多神经元,多神经元神经网络又分为浅层和深层,下面介绍一下多神经元网络中的若干概念。多神经元神经网络概述多神经元网络流程是同单神经元网络相同的,只不过层数更多。下面是一个多神经元神经网络,其中间多了一层,但实际中可能远不止一层:最左侧负责输入的特征叫做输入层最右侧输出的叫做输出层而中间的所有曾叫做隐原创 2021-07-25 17:59:15 · 697 阅读 · 0 评论 -
为什么神经网络层数越多越好?训练次数与层数的区别与联系
为什么神经网络层数越多越好?参考资料:https://www.zhihu.com/question/65403482、https://blog.csdn.net/weixin_44023658/article/details/106177580、https://www.bilibili.com/video/BV1bx411M7Zx一句话回答神经网络层数越多,对输入特征抽象的层次越深,对其理解的准确度相对来说也就越深。神经网络关于层数的原理人工智能的编程相比于传统编程的一个重要特点就在于,我们难以知原创 2021-07-24 18:32:37 · 14598 阅读 · 0 评论 -
人工智能学习教程笔记-7:实战一猫的识别
实战一:猫的识别下面来完成我的第一个人工智能项目:构建单层神经网络模型判断一个图片中有没有猫。可以从头到尾完整的实现深度学习项目,了解深度学习项目的开发过程。1. 准备工作在准备工作中完成对库的导入、数据集的加载(之前还有清洗数据这一步)、对数据格式的统一处理等1.1 导入相关工具库import numpy as np #numpy是python的一个科学计算工具库import matplotlib.pyplot as plt #用来画图的一个库im原创 2021-07-19 19:19:24 · 702 阅读 · 0 评论 -
人工智能学习教程笔记-6:逻辑回归与线性回归
文章部分内容参考自https://captainbed.net、https://blog.csdn.net/jiaoyangwm/article/details/81139362逻辑回归与线性回归什么是回归利用大量的样本,通过有监督的学习,学习到由xxx到yyy的映射fff,利用该映射关系对未知的数据进行预估。线性回归线性回归(Linear Regression)是一种回归模型,通过将输入特征进行线性组合输出连续值。线性回归公式为WTX(i)+bW^TX^{(i)}+bWTX(i)+b。损失原创 2021-07-19 19:16:08 · 278 阅读 · 0 评论 -
人工智能学习教程笔记-5:数据清洗
文章部分内容参考自https://captainbed.net文章目录数据清洗数据清洗概述常用手段缩放特征值清查数据清洗数据清洗概述数据对于算法来说,就好比石油对于汽车。但石油也是提炼于原油,需要花费很大的功夫进行开采、提炼。同样,作为一名机器学习工程师,大量的时间就要用于清洗数据,把最原始的数据清理为我们的算法模型可以直接用来训练的数据。常用手段简单介绍几个数据清洗手段:缩放特征值指缩小特征值的范围,留下一些高价值的特征值,删除一些用处不是很大的特征值。其有点如下:使梯度下降算法更加原创 2021-07-16 09:54:50 · 950 阅读 · 0 评论 -
人工智能学习教程笔记-4:向量化
文章部分内容参考自https://captainbed.vip/1-2-9/文章目录向量化向量化概述简单示例示例:逻辑回归向量化编程向量化向量化概述向量化事一种思想,可以大大提高人工智能编程的效率与速度。简单来说,向量化就是尽量不手动编写算法过程,多多使用python库中提供的一些函数。由于Python的特性——翻译型语言,翻译一条执行一条,而向量化则是一次性翻译并执行,所以这样做可以大大地提高编程效率。在人工智能编程中,能使用向量化就一定要用。简单示例例如,实现两个向量A和B的相乘,手写原创 2021-07-16 09:53:49 · 683 阅读 · 0 评论 -
人工智能学习教程笔记-3:计算图
文章部分内容参考自captainbed.net计算图计算图是研究神经网络时经常用到的一个重要手段。计算图概述实际工作中的神经网络非常复杂,必须要借助图才能让其变得更加直观。一个人工智能学习任务的核心是模型的定义以及模型的参数求解方式,二者抽象后可以确定一个唯一的计算逻辑,称为计算图。计算图表现为有向无环图,定义了数据的流转方式、数据的计算方式、以及各种计算之间的相互依赖关系。神经网络的计算过程神经网络的计算过程由前向传播和反向传播构成:先通过前向传播计算出预测结果以及损失然后通过反向传原创 2021-07-16 09:49:47 · 464 阅读 · 0 评论 -
深度学习与其他AI算法
文章部分内容参考自captainbed.net[TOC]神经网络概述之前的人工智能(聚类、专家系统、归纳逻辑)都是假智能,与其说是人工智能,倒不如说是统计智能。都只是一个较为复杂的大型程序而已,我们仍然清楚其内部如何运行。而神经网络则不同,其内部是一个黑盒子,我们丝毫不知道他是如何实现的。神经网络理论基础神经网络是受人类大脑神经细胞的启发而构造出来的,每一个节点接受若干权值的输入,如果满足一定条件,就输出,否则不输出。其中x代表输入的训练集,y代表输出的结果。神经网络相关概原创 2021-07-16 09:44:07 · 190 阅读 · 0 评论 -
人工智能教程学习笔记-02-神经网络三大基础问题
神经网络三个基础问题通过三个基础问题引入神经网络非常基础且重要的三个函数。神经网络如何预测的?神经网络通过逻辑回归函数进行预测,又成预测算法。逻辑回归函数神经网络的预测过程的公式为z=dot(w,x)+bz = dot(w,x) + bz=dot(w,x)+b,dot(w,x)dot(w,x)dot(w,x)表示将www和xxx进行向量相乘。b表示阈值[yù zhí],用来影响预测结果。逻辑回归函数中,神经网络预测的是否准确就由www和bbb决定。⚠️这里的www实际上应该是转置矩阵wTw^T原创 2021-06-17 10:25:51 · 347 阅读 · 0 评论 -
人工智能教程学习笔记-01-神经网络概述
欢迎大家看我的笔记,本人对床长的教程做了总结、提炼、升华。一更到底,欢迎催更,欢迎提意见。神经网络概述深度学习与其他AI算法之前的人工智能(聚类、专家系统、归纳逻辑)都是假智能,与其说是人工智能,倒不如说是统计智能。都只是一个较为复杂的大型程序而已,我们仍然清楚其内部如何运行。而神经网络则不同,其内部是一个黑盒子,我们丝毫不知道他是如何实现的。神经网络理论基础神经网络是受人类大脑神经细胞的启发而构造出来的,每一个节点接受若干权值的输入,如果满足一定条件,就输出,否则不输出。其中原创 2021-06-07 18:28:46 · 398 阅读 · 0 评论