deep-learning 笔记

最新推荐文章于 2023-01-09 12:07:25 发布
最新推荐文章于 2023-01-09 12:07:25 发布
阅读量214 收藏
点赞数
分类专栏： deep-learning
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/jasondingwen/article/details/72911609
版权

机器学习笔记
1、在机器学习模型设计时必须有一个单独的测试数据集不用于训练而是用来评估这个模型的性能，从而更加容易把设计的模型推广到其他数据集上。这种能力叫做模型泛化 ·

Stormreaver
关注
专栏目录
[2019][cvpr]Label Propagation for Deep Semi-supervised Learning 笔记
kdh的专栏
07-01 2866
code paper 一篇半监督学习文章，基于图标签传播的转导学习。 主要步骤如下：1.用有label的样本学习一个特征提取器和对应分类器。2.基于特征提取器提取的特征计算所有样本（包括无label）之间的相似度。3.基于有label样本的label和相似度矩阵，计算出样本的伪label。4.用伪label进行监督学习。重复2到4这个步骤。 文章不是按算法的顺序进行介绍的，它先介绍别人的部分，然后...
强化学习笔记（四）Deep Q-learning/深度Q学习
LuoMin2523的博客
06-21 1130
问题：什么是线性函数近似方法？线性函数近似的思想是什么？ 用线性模型来拟合价值函数。步骤就是 先定义好特征函数， 给定状态s的时候，根据x(s)提取出特征， 然后线性叠加这些特征， 进而估计这个V值。 根据loss function来求解w这个权重。 线性函数近似的难点在于需要人为的设计好的特征 ，这个比较困难。 问题：什么是DQN？DQN的挑战是什么？ ...
Segmentation-Based Deep-Learning Approach for Surface-Defect Detection-论文阅读笔记
weixin_43749999的博客
07-21 2047
文中提出了一个基于分割的两阶段的表面缺陷检测方法。第一阶段包括在缺陷的像素级标签上训练的分割网络，而第二阶段包括在分割网络上构建的附加决策网络，以预测整个图像中是否存在异常。对所提出的方法进行了广泛的评估，评估对象是半成品工业产品，即电换向器，其中表面缺陷表现为材料断裂。该问题域已作为基准数据集公开，称为Kolektor表面缺陷数据集（KolektorSDD）。在该领域，将该方法与几种最先进的方法进行了比较，包括专用的商用软件和两种基于深度学习的标准分割方法。...
论文阅读笔记《Segmentation-based deep-learning approach for surface-defect detection》
深视
10-17 1421
核心思想   本文提出一种基于分割的表面缺陷检测算法，作者通过对网络结构的精心设计，能够仅利用30张带有标签的缺陷样本实现对网络的有效训练，实现了超过商业软件的检测效果。整个网络分成分割网络（Segmentation network）和判断网络（Decision network）两个部分，分割网络就是输出一个二元的分割图，将缺陷区域标记出来；判断网络就是根据分割网络的结果对该区域是否存在缺陷进行判断。网络结构如下图所示   如图所示，在分割网络中，输入图像经过多组卷积进行特征提取，并且每两个卷积组之间都有
Deep Q-learning from Demonstrations DQFD笔记
weixin_45776027的博客
05-27 1331
这是一篇关于Deep Q-learning from Demonstrations DQFD的笔记文 原文链接：DQFD 一、主要问题：how to 加速agent的学习过程，避免前期的cold start 一方面，搞控制的都知道，工业场景不可能让你直接验证算法性能，或者RL与工业环境直接的”试错交互“学习，一般都需要在软件上建立数值模型simulator作为模拟环境去和RL算法interat 但是有的工业过程很难建立这类模型去解析求解，亦或者所建立的大多模型仅仅与现实环境近似而已（忽略了许多非线性变.
Meta-Learning-Based Deep Reinforcement Learningfor Multiobjective Optimization Problems 阅读笔记
xiaochen_hzau的博客
01-09 405
Meta-Learning-Based Deep Reinforcement Learningfor Multiobjective Optimization Problems
Deep-Residual-Learning-for-Image-Recognition 论文笔记
wxl
12-05 3016
本文记录我在读论文《Deep Residual Learning For Image Recognition》时的一些笔记与思考。在读的过程中有一些名词很难理解，经过上下文推敲可以大致猜出其含义，推荐自己读完了之后再观看李沐的ResNet论文讲解视频，可以有更深刻的理解。 研究背景 深度卷积神经网络在图像分类任务中达到一系列的突破。深度网络很自然地将不同层的特征融合起来，形成一个端到端的多层网络风格，而且随着层数的增加，所提取的特征也更加丰富。这随即就引发思考：学习更好的网络就像堆叠更多的层一样简单吗？ 事
Adversarial Attacks on deep learning阅读笔记
weixin_41617747的博客
03-14 1694
Adversarial Attacks on deep learning阅读笔记Adversarial Attacks on Deep-Learning Based Radio Signal Classification简单介绍 adversarial attackwhite-box algorithmBlack-box algorithmIntriguing properties of neur...
Double Deep Q-Learning Netwok的理解与实现
Erick Lv的笔记
04-11 2789
理论简介 Double Deep Q-Learning Netwok (DQN)，基础理论来自于这篇论文。基础理论部分，参考这篇笔记和这篇笔记。下面给出最核心的强化学习公式： YtDoubleQ=Rt+1+γQ^(St+1,argmaxaQ(St+1,a)) Y_{t}^{DoubleQ} = R_{t+1}+\gamma \hat{Q}\left(S_{t+1},\mathop{argmax}_...
Facial Landmark Detection by Deep Multi-task Learning-笔记
Tender_Li的博客
09-23 2878
这是一篇发表于2014年ECCV会议上的论文。论文的作者来自香港中文大学信息工程系，这篇文章主要介绍了一种新的面部标志点检测的方法--通过多个辅助任务（性别检测、眼睛穿戴检测、微笑检测、姿势检测）协助主任务（面部标志点检测）完成相应的工作。除此之外，作者还提出了一种“Multi-task Early stopping”的多任务共同优化时的策略。 文章地址：Facial Landmark Detection by Deep Multi-task Learning 一、问题的解决方案及创新点 针对问题：在
Qt开发-forecasting-based-on-deep-learning-笔记
05-31
在本项目"Qt开发-forecasting-based-on-deep-learning-笔记"中，主要涉及的是使用Qt框架进行深度学习预测应用的开发。Qt是一个跨平台的C++图形用户界面应用程序开发框架，广泛应用于桌面、移动以及嵌入式系统。深度...
tensorFLow-Learning笔记
01-02
tensorFLow-Learning笔记
deep-learning学习笔记1
08-03
深度学习（Deep Learning）是机器学习领域的一个重要分支，它模拟人脑神经网络的工作原理，构建深层的神经网络模型，用于解决复杂的学习任务，如图像识别、语音识别、自然语言处理等。深度学习的核心在于通过多层次...
deep learningv5.44 .rar_deep_deep learning_deep-learning
07-15
在这个“deep learningv5.44 .rar”压缩包中，包含了一份吴恩达深度学习笔记的最新版本（v5.44），这是一份非常有价值的参考资料，用于理解和掌握深度学习的基本概念和技术。 首先，我们要理解深度学习的基础，那...
zht2649825643#deep-Learning-study-note#笔记-matplotlib的应用1
07-25
用matplotlib做3D图形1.首先导入模块2.其次创建画布并导入数据。
一款面向 AIoT 场景的分布式多模数据库产品，支持在同一实例同时建立时序库和关系库并融合处理多模数据
10-31
KWDB 是一款面向 AIoT 场景的分布式多模数据库产品，支持在同一实例同时建立时序库和关系库并融合处理多模数据，具备千万级设备接入、百万级数据秒级写入、亿级数据秒级读取等时序数据高效处理能力，具有稳定安全、高可用、易运维等特点。
yolo算法-跌倒检测数据集-10787张图像带标签-检测到跌倒fall-detection-ca3o8.zip
最新发布
10-31
yolo系列算法目标检测数据集，包含标签，可以直接训练模型和验证测试，数据集已经划分好，适用yolov5,yolov8,yolov9,yolov7,yolov10,yolo11算法； 包含两种标签格:yolo格式（txt文件）和voc格式（xml文件），分别保存在两个文件夹中; yolo格式：<class> <x_center> <y_center> <width> <height>， 其中： <class> 是目标的类别索引（从0开始）。 <x_center> 和 <y_center> 是目标框中心点的x和y坐标，这些坐标是相对于图像宽度和高度的比例值，范围在0到1之间。 <width> 和 <height> 是目标框的宽度和高度，也是相对于图像宽度和高度的比例值
重庆外语外事学院在四川2020-2024各专业最低录取分数及位次表.pdf
10-31
那些年，与你同分同位次的同学都去了哪里？全国各大学在四川2020-2024年各专业最低录取分数及录取位次数据，高考志愿必备参考数据
吴恩达深度学习课程笔记：Coursera Deeplearning.ai 实战解析
"Deeplearning深度学习笔记v5.54是针对吴恩达老师在Coursera上的深度学习课程(deeplearning.ai)编写的中文笔记，旨在帮助已具备编程基础和机器学习知识的学员进入人工智能领域。笔记涵盖了课程的全部内容，包括深度...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值