![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
大胜归来19
路漫漫其修远兮,吾将上下而求索
展开
-
神经网络中代价函数的选择
一般回归问题常用的损失函数为均方误差(mean-square error, MSE),分类问题常用的损失函数为交叉熵(Cross Entropy)。为什么呢?值得去思考研究!原创 2019-01-04 21:42:03 · 659 阅读 · 0 评论 -
深度信念网络(DBN)
让我们把时间拨回到2006年以前,神经网络自20世纪50年代发展起来后,因其良好的非线性能力、泛化能力而备受关注。然而,传统的神经网络仍存在一些局限,在上个世纪90年代陷入衰落,主要有以下几个原因:1、传统的神经网络一般都是单隐层,最多两个隐层,因为一旦神经元个数太多、隐层太多,模型的参数数量迅速增长,模型训练的时间非常之久;2、传统的神经网络,随着层数的增加,采用随机梯度下降的话一般很难找...原创 2019-03-02 21:14:12 · 6067 阅读 · 2 评论 -
CNN卷积神经网络
前言其实之前使用的bp前馈神经网络就是一个全连接神经网络,现在就是要把它封装成一个层。在卷积神经网络中会使用到。卷积神经网路(CNN)卷积神经网络也是一种前馈神经网络,相对于传统的神经网络,它的人工神经元可以响应一部分覆盖范围内的周围单元,对于大型图像处理有出色表现(摘自维基百科)。怎么去解释和理解这句话呢?之前实现的是一个全连接神经网络,也就是说每个神经元对应一个输入,当前层的输...转载 2019-03-02 21:43:31 · 241 阅读 · 0 评论 -
从机器学习讲起
在本篇文章中,我将对机器学习做个概要的介绍。本文的目的是能让即便完全不了解机器学习的人也能了解机器学习,并且上手相关的实践。这篇文档也算是EasyPR开发的番外篇,从这里开始,必须对机器学习了解才能进一步介绍EasyPR的内核。当然,本文也面对一般读者,不会对阅读有相关的前提要求。 在进入正题前,我想读者心中可能会有一个疑惑:机器学习有什么重要性,以至于要阅读完这篇非常长的文章呢? 我...转载 2019-03-06 19:32:42 · 612 阅读 · 0 评论 -
神经网络浅谈:从神经元到深度学习
神经网络是一门重要的机器学习技术。它是目前最为火热的研究方向--深度学习的基础。学习神经网络不仅可以让你掌握一门强大的机器学习方法,同时也可以更好地帮助你理解深度学习技术。 本文以一种简单的,循序的方式讲解神经网络。适合对神经网络了解不多的同学。本文对阅读没有一定的前提要求,但是懂一些机器学习基础会更好地帮助理解本文。 神经网络是一种模拟人脑的神经网络以期能够实现类人工智能的机器学习技...转载 2019-03-06 20:06:11 · 511 阅读 · 0 评论 -
梯度下降、随机梯度下降与小批量梯度下降算法
梯度下降法作为机器学习中较常使用的优化算法,其有着三种不同的形式:批量梯度下降(Batch Gradient Descent)、随机梯度下降(Stochastic Gradient Descent)以及小批量梯度下降(Mini-Batch Gradient Descent)。其中小批量梯度下降法也常用在深度学习中进行模型的训练。接下来,我们将对这三种不同的梯度下降法进行理解。 为了便于理解,这...转载 2019-03-08 11:23:50 · 494 阅读 · 0 评论 -
人工智能、机器学习、深度学习基本概念
1、什么是人工智能?人工智能:机器模拟人的意识和思维2、什么机器学习?机器学习:是一种统计学习方法,计算机利用已有的数据,得出某种模型,再利用此模型对新的输入数据进行预测,得出结果。随着经验的增加,效果会变好。机器学习 = 数据+算法+算力机器学习是实现人工智能的一种方法。3、什么是深度学习?深度学习:是深层次的神经网络,是机器学习的一种实现方法,是机器学习的子集。...原创 2019-03-13 11:18:00 · 784 阅读 · 0 评论 -
神经网络之卷积
作者:szx_spark由于计算机视觉的大红大紫,二维卷积的用处范围最广。因此本文首先介绍二维卷积,之后再介绍一维卷积与三维卷积的具体流程,并描述其各自的具体应用。1. 二维卷积 图中的输入的数据维度为14×1414×14,过滤器大小为5×55×5,二者做卷积,输出的数据维度为10×1010×10(14−5+1=1014−5+1=10)。如果你对卷积维度的计算不清楚,可以参考我之前...转载 2019-04-03 16:41:35 · 149 阅读 · 0 评论 -
无线通信与机器学习/深度学习
公开数据集网址:https://www.deepsig.io/publications里面还有一些相关研究论文。原创 2019-06-22 11:18:58 · 5787 阅读 · 3 评论