FWI思考与总结
文章平均质量分 64
FWI思考与总结
DARRENANJIAN
心之所向,素履以往。
展开
-
做完这些_成为机器学习方面的专家
3. 对于机器学习的理论板块, 推荐b站up主---啥都会一点的研究生, 里面有一个吴恩达最新版的教学视频, 欢迎学习. 接着为了继续学习理论板块, 推荐看几本机器学习的书籍, 网上资源很多内容应该都差不多, 主要是更深层理解理论.4. 接着学习python基本库numpy, pandas, matplotlib库. ''啥都会一点的研究生''上面也有对应的视频. 对应结合菜鸟教程网站的知识学习更佳.除此之外, 还有李宏毅的机器学习视频, 浙大老师的视频等等(太多了我没看QAQ)原创 2023-11-18 21:23:12 · 165 阅读 · 0 评论 -
全波形反演培训的思考与总结
这里补充说明原文章用的数据大小是(32,1000,6),但是张星移师兄培训的数据集大小是(70,1000,6),以后者为准。进入两个方向同时降维,将大小(70,63,128)的图片通过卷积降维到(35,32,128)将大小(70,1000,6)的图片通过一批32卷积降维到(70,500,32)将大小(70,500,32)的图片通过卷积降维到(70,250,64)将大小(70,250,64)的图片通过卷积降维到(70,125,64)将大小(70,125,64)的图片通过卷积降维到(70,63,128)原创 2023-10-20 22:38:51 · 484 阅读 · 0 评论 -
全波形反演的目标和技术
通过这种共享特征的方式,模型可以更好地泛化到新的样本,尤其是在数据有限的情况下,多任务学习可以利用任务之间的相互补充和共享信息来增强学习效果。课程学习的理念是通过逐渐引入难度递增的样本,让模型从容易的样本开始学习,逐渐过渡到难度更高的样本,在训练过程中逐步增加模型的能力。迁移学习的优势在于可以充分利用源任务的数据和知识,减少目标任务的数据需求,提高模型的泛化能力和效果。迁移学习的基本思想是,通过将源任务的知识或特征迁移到目标任务中,可以加速目标任务的学习过程,提高模型的泛化能力和性能。原创 2023-10-16 15:27:36 · 731 阅读 · 0 评论