- 博客(11)
- 收藏
- 关注
RSS订阅原创 【22-23 春学期】AI作业12-LSTM
长短期记忆网络是一种常用的循环神经网络变体，用于处理序列数据的建模和预测。LSTM通过引入输入门、遗忘门和输出门的机制，解决了传统RNN中的梯度消失和长期依赖问题。输入门：控制输入信息的更新。输入门根据当前输入和前一时间步的隐藏状态来决定哪些信息应该被更新并存储在细胞状态中。遗忘门：控制细胞状态的遗忘。遗忘门根据当前输入和前一时间步的隐藏状态来决定哪些信息应该被遗忘或丢弃。输出门：控制输出信息的生成。
2023-06-23 19:53:35
36
1
原创 【22-23 春学期】AI作业11-RNN
模型的深度限制：传统的前馈网络很难有效地处理深层结构。随着网络层数的增加，梯度消失和梯度爆炸问题可能会出现，导致训练困难或模型性能下降。缺乏记忆和上下文理解能力：前馈网络无法对序列数据或具有时序关系的数据进行建模，因为它缺乏记忆和上下文理解的能力。这限制了它在语言处理、语音识别等任务中的应用。数据的依赖性：前馈网络的输出仅取决于输入数据，而忽略了输入之间的依赖性。这可能导致模型对输入数据的微小变化过于敏感，缺乏鲁棒性和泛化能力。
2023-06-23 19:38:36
51
1
原创 【22-23 春学期】AI作业10-经典卷积网络
LeNet是一个经典的卷积神经网络模型，最早由Yann LeCun等人在1998年提出，用于手写数字识别任务。它是深度学习中的里程碑之一，为后续的卷积神经网络的发展奠定了基础。MNIST是一个用于手写数字识别的大型数据库，常被用于训练图像处理系统。LeNet与MNIST的关系在于，LeNet经常被用于MNIST数据集的训练和测试。
2023-06-23 19:18:41
35
1
原创 【22-23 春学期】AI作业8-卷积2
步长和填充是卷积神经网络中常用的两个参数，用于调整卷积操作的行为和输出特征图的尺寸。步长表示滤波器（卷积核）在输入数据上滑动的距离。通常，较大的步长会导致输出尺寸的减小，而较小的步长则会保持更多的细节信息。填充是在输入数据周围添加额外的像素或值，以便在应用卷积核时保持输入和输出的尺寸。填充可以用来控制输出特征图的尺寸，同时还可以减少边界处的信息丢失。
2023-06-23 18:58:44
45
1
原创 【22-23 春学期】AI作业7-卷积
卷积是一种数学运算，常用于图像处理和机器学习中的卷积神经网络中。卷积核：卷积核是一个小型矩阵，用于在卷积过程中与输入数据进行逐元素相乘并求和的操作。多通道是指输入数据或特征图具有多个独立的通道。特征图是卷积运算的输出结果。它是对输入数据进行卷积操作后得到的二维矩阵。特征选择是指在卷积神经网络中，通过使用不同的卷积核，网络可以自动学习并选择输入数据中最重要的特征。
2023-06-23 17:04:48
30
1
原创 【22-23 春学期】AI作业6-误差反向传播
梯度下降是一种常用的优化算法，用于更新模型参数以最小化损失函数。它是一种迭代的优化方法，通过计算损失函数关于参数的梯度，并朝着梯度下降的方向更新参数值，直到达到收敛条件或达到最小化损失函数的要求。
2023-06-23 15:33:27
36
1
原创 【22-23 春学期】AI作业5-深度学习基础
人工智能是一个非常广义的概念，它包括所有与智能相关的技术和应用。机器学习是实现人工智能的一种方法。深度学习是机器学习的一个分支，使用深度神经网络来实现自动化学习和预测分析。
2023-06-23 14:28:57
242
1
原创 【22-23 春学期】AI作业4-无监督学习
EM算法可以看作是一种迭代优化算法，其优点在于可以有效地处理含有隐变量的复杂模型，并且不需要对隐变量的取值进行穷举搜索，从而大大提高了算法的计算效率。LDA线性判别分析是一种监督学习算法，主要是将数据投影到一个低维的空间，同时还能最大程度的保留类别之间的差异。K-means是一种非监督学习聚类算法，有明显的早期训练过程，算法中K的是由人工固定好的数字，假设数据集合可以分为K个簇。KNN是一种监督学习分类算法，没有明显的早期训练过程，算法中的K是样本x分类，x附近找离最近的K个点。
2023-06-07 11:20:33
45
1
原创 【22-23 春学期】AI作业3-监督学习
集成学习是对于训练集数据，通过训练若干个个体学习器，通过一定的结合策略，来完成学习任务，从而可以最终形成一个强学习器。集成学习法由训练数据构建一组基分类器，然后通过对每个基分类器的预测进行投票来进行分类。集成学习并不算一种分类器，而是一种分类器结合的方法。
2023-03-29 08:59:48
28
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