- 博客(5)
- 收藏
- 关注
RSS订阅原创 神经网络与深度学习（四）：循环神经网络与NLP
由当前输入得到当前输出；：由当前+过去输入得到当前输出。保留一些对过去观测的总结,并且同时更新预测和总结。这就产生了基于的估计，以及更新的模型。
2024-04-27 09:57:33
1082
原创 神经网络与深度学习（三）:常用数据集与深度学习视觉应用
MINIST数据集主要由一些手写数字的图片和对应标签组成，是常用的手写数字识别数据集，图片共有10类，分别对应从0~9；由60000个训练样本和10000个测试样本组成，每个样本都是一张28*28像素的手写灰度数字图片。原始的MNIST数据库包含下面4个文件:在python，可以通过如下方式调用该数据集。
2024-04-17 21:14:46
809
原创 神经网络与深度学习（二）：卷积神经网络基础
全连接网络：链接权过多，计算慢，难收敛，可能进入局部最小值，易产生过拟合问题。例如：输入1000×1000图像，隐含层有1M个节点，则输入到隐含层之间有1×10^12数量级参数。算的慢问题：减少权值连接，每一个节点只连到上一层的少数神经元，即局部连接网络；难收敛、过拟合问题：信息分层处理，每一层在上层提取特征的基础上获取进行再处理，得到更高级别的特征。
2024-04-07 20:04:33
619
原创 神经网络与深度学习（一）：感知机与BP算法
u、y分别是网络的输入、输出向量，神经元用节点表示，网络由输入层、隐层和输出层节点组成，隐层可为一层也可为多层（上图为单隐层），前层至后层节点通过权连接，也称BP神经网络。多层前馈网络的反向传播（BP）学习算法，简称BP算法，是有导师的学习，是梯度下降法在多层前馈网络中的应用。② 反向传播是将误差（样本输出与网络输出之差）按原连接通路反向计算，由梯度下降法调整各层节点的权值和阈值，使误差减小。① 正向传播是输入信号从输入层经隐层，传向输出层，若输出层得到了期望的输出，则算法结束；
2024-03-29 20:35:51
786
1
原创 哈工大计算机系统大作业——程序人生
本文介绍hello从hello.c程序编写完成开始到hello最终被回收结束，介绍了hello从预处理、编译、汇编、链接直到被回收的整个过程及原理，同时介绍了linux下的内存管理、进程管理、I/O管理、虚拟内存、异常信号的相关内容，勾勒了hello完整坎坷却不失华丽的一生。
2022-05-16 22:36:20
1481
1
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