《神经网络与深度学习》第二章笔记

最新推荐文章于 2024-10-02 01:49:36 发布
最新推荐文章于 2024-10-02 01:49:36 发布
阅读量144 收藏
点赞数 1
文章标签： 深度学习 机器学习
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/kexin197/article/details/141526117
版权

有问题欢迎交流啊！

参考资料：

【邱锡鹏《神经网络与深度学习》—— 部分习题答案整理 -  CSDN App】http://t.csdnimg.cn/mHcTb

【极大似然估计、最大后验估计、贝叶斯估计 -  CSDN App】http://t.csdnimg.cn/oMqfp

【最大后验（Maximum a Posteriori，MAP）概率估计详解 -  CSDN App】http://t.csdnimg.cn/vkPyj

原书链接：https://nndl.github.io/

3a37c6203be048ec8b77b3034f0f57b8.png

8792c02bddf14cb3b84f4a262cee0cdf.png 

f5e60a4d1c8945eb83c96701a021f47f.png 

ea0098e1a952450f977b476801e95dd5.png 

96ac2feb8e1e4705a5af464dcd08ab37.png 

c4fc4d3c9fbd4e7cbc4c3d5a44a29d38.png 

61c6d58ee20e4094b4587c785f75360c.png 

8f7caedbcc7c407a86180563310e2f3e.png 

b4745872288c42f081f0117dfd5b01ce.png 

b4415d168d89405f93152f2329a30489.png 

7afec00d1af641d58c07c2f9695fddab.png 

47f77af465cc49748ac1222d557e495e.png 

9ffb07fd084a4056b569b1271abed61c.png 

a639691ffdd741ddbf1c37a66611517f.png 

 

姨e
关注
《神经网络与深度学习》第二章学习笔记
weixin_45971154的博客
01-09 410
丑小鸭定理：丑小鸭与白天鹅之间的区别和两只白天鹅之间的区别一样大。奥卡姆剃刀原理：如无必要，勿增实体。
邱锡鹏《神经网络与深度学习》第一章 绪论 学习笔记
Brooklynwl的博客
01-17 1300
一个好的表示具有一下几个优点：1）很强的表示能力，即同样大小的向量可以表示更多的信息。2）使后续的学习任务变简单，即需要包含更高层次的语义信息。3）具有一般性，是任务或领域独立的。
神经网络与深度学习学习笔记（二）
slienceof的博客
04-23 173
多层感知机在单层神经网络的基础上引入了一到多个隐藏层（hidden layer）。隐藏层位于输入层和输出层之间。图2展示了一个多层感知机的神经网络图，它含有一个隐藏层，该层中有5个隐藏单元。前向传播是指对神经网络沿着从输入层到输出层的顺序，依次计算并存储模型的中间变量（包括输出）。其中z为中间变量，W为隐藏层的权重函数。将中间变量赋值给激活函数，将可以得到向量长度为h的隐藏层。多层感知机中的隐藏层和输出层都是全连接层。如图1 所示，该问题无法进行线性分类。图2 带有隐藏层的多层感知机模型。
《神经网络与深度学习》nndl读书笔记
la_xl的博客
08-01 1861
目录本书的知识体系深度学习与神经网络概要人工智能机器学习机器学习模型步骤表示学习局部表示与分布式表示深度学习常用的深度学习框架端到端学习神经网络人工神经网络神经网络的发展历史 本书的知识体系 深度学习与神经网络概要 从根源上讲，深度学习是机器学习的一个分支，是指一类问题以及解决这类问题的方法。 深度学习采用的模型一般比较复杂，指样本的原始输入到输出目标之间的数据流经过多个线性或非线性的组件．因为每个组件都会对信息进行加工，并进而影响后续的组件，所以当我们最后得到输出结果时，我们并不清楚其中每个组件的贡献
【深度学习】神经网络与深度学习学习笔记
The Home of Antoni
10-31 9336
第一章 绪论 1.基本概念 深度学习（DL）：深度学习是机器学习的一个分支，是指一类问题以及解决这类问题的方法。 神经网络（ANNs）：又称人工神经网络，是由人工神经元以及神经元之间的连接构成,其中有两类特殊的神经元: 一类是用来接受外部的信息，另一类是输出信息。神经网络可以看作是信息从输入到输出的信息处理系统。 人工智能(AI)：人工智能就是要让机器的行为看起来就像是人所表现出的智能行为一样。研究领域主要包括：感知、学习和认知。 机器学习(ML)：是指从有限的观测数据中学习(或“猜测”)出具有一般性的规律
【学习笔记】《深度学习与神经网络》——邱锡鹏
CodeLuweir 的博客
12-22 8262
一、绪论 人工智能的一个子领域 神经网络：一种以（人工)）神经元为基本单元的模型 深度学习：一类机器学习问题，主要解决贡献度分配问题 知识结构： 路线图： 顶会： 1.1 人工智能 诞生：人工智能这个学科的诞生有着明确的标志性事件，就是1956年的达特茅斯(Dartmouth)会议。在这次会议上，“人工智能” 被提出并作为木研究领域的名称。 人工智能=计算机控制+智能行为； 人工智能就是要让机器的行为看起来就像是人所表现出的智能行为一样。 ——John McCarthy ( 1927-201
《神经网络与深度学习》第一章学习笔记
weixin_45971154的博客
01-07 377
表示学习：通过深度模型学习高层语义特征（难点：没有明确目标）特征提取：基于任务或先验对去除无用特征。二、机器学习≈构建一个映射函数=规则。三、如何开发一个人工智能系统。四、特征提取VS表示学习。
神经网络与深度学习复习大纲
weixin_53500031的博客
01-04 1964
神经网络期末复习
《动手学深度学习》学习笔记 第8章 循环神经网络
weixin_42046845的博客
01-12 1195
笔记是从第四章开始，前面三章为基础知识，有需要的可以自己去看看 关于本系列笔记： 书里为了让读者更好的理解，有大篇幅的描述性的文字，内容很多，笔记只保留主要内容，同时也是对之前知识的查漏补缺
深度学习 第二章 神经网络
桃子Anne的博客
04-19 3811
深度学习关键词 1.梯度下降 2.批处理 3.神经网络结构 4.激活函数 sigmoid vs relu 5.正则项 + dropout，避免过拟合
神经网络与深度学习课程学习笔记（第二章）
SiberiaBear的专栏
11-22 557
第二章 神经网络基础 自学Andrew Ng老师的神经网络公开课，作一些笔记，老师讲的非常详细，通俗易懂，感觉不需要做第一章的笔记，所以没有 文章目录第二章 神经网络基础二分分类logistic回归代价函数梯度下降法导数更多导数例子计算图计算图的导数计算logistic回归中的梯度下降法向量化向量化的更多例子向量化的logistics回归向量化logistics回归的反向传播算法Python中...
【读书笔记】神经网络与深度学习 第2章 机器学习概述
夏至是个程序媛
09-11 981
《神经网络与深度学习》by 邱锡鹏 文章目录第2章 机器学习概述2.2 机器学习三要素2.2.1 模型2.2.1.1 线性模型2.2.1.2 非线性模型2.2.2 学习准则2.2.2.1 损失函数 loss function2.2.2.2 风险最小化准则（正则化）2.2.3 优化算法2.2.3.1 梯度下降法（优化目标：所有样本）2.2.3.2 提前停止防止过拟合2.2.3.3 随机梯度下降法（...
神经网络与深度学习-课后习题
using namespace 数学工具构造器;
02-22 2903
文章目录2 机器学习概述习题2-1 分析为什么平方损失函数不适用于分类问题．习题2-2 线性回归的权重习题2-3 XXTXX^TXXT的秩2-4 结构风险最小化 最小二乘估计 岭回归2-5 最大似然估计与最小二乘估计在标签服从高斯分布时等价2.6 最大似然估计与最大后验估计2.9 欠拟合→高偏差，过拟合→高方差2.11 N-gram3 线性模型多分类Logistic RegressionSoftmax Regression感知机支持向量机y⋅y^y\cdot \hat{y}y⋅y^​ 形式的损失函数LR S
笔记【神经网络与深度学习】第一章（上）
qq_41832998的博客
07-03 508
学习笔记
基于CNN+Transformer混合模型实现交通流量时序预测(PyTorch版)
君子不器 大道无方
09-30 1397
本文旨在详细介绍如何使用PyTorch框架实现基于CNN+Transformer的混合模型，并将其应用于交通流量时序预测任务。我们将从模型架构、数据处理、训练优化等多个方面进行深入剖析，力求为读者提供一个全面、系统的学习与实践指南。希望通过本文的介绍，读者能够掌握CNN+Transformer混合模型的基本原理与实现方法，并能够在实际交通流量预测任务中灵活应用，为城市交通管理与规划贡献自己的力量。
基于深度学习的不遗忘训练
最新发布
weixin_42605076的博客
10-02 473
基于深度学习的不遗忘训练（也称为抗遗忘训练或持久性学习）是针对模型在学习新任务时可能会忘记已学习内容的一种解决方案。该方法旨在使深度学习模型在不断接收新信息的同时，保持对旧知识的记忆。
深度学习：DCGAN
Landy_Jay的博客
10-01 352
CDGAN（Deep Convolutional Generative Adversarial Networks），是GAN（Generative Adversarial Networks）的一种变体，它特别使用了卷积神经网络（CNNs）作为生成器和判别器的构建模块。DCGAN使用全卷积网络结构代替传统的池化层和全连接层。在生成器中采用转置卷积（也称为分数步长卷积或反卷积）来逐步增加图像的空间维度。在判别器中使用卷积层来逐步减少空间维度并提取特征。
基于Python的自然语言处理系列（19）：基于LSTM的语言模型实现
不想宅的冷同学
09-29 672
在本篇博文中，我们实现了一个基于LSTM的语言模型，探讨了其在自然语言处理中的重要性。通过对WikiText数据集的训练，我们了解了如何进行数据预处理、模型构建以及训练与评估过程。这一模型为理解语言生成打下了基础，也展示了如何使用PyTorch进行实际应用。随着对LSTM语言模型的深入理解，我们将在下一篇博文中转向更先进的Transformer模型及其在语言建模中的应用，期待与大家一同探讨Transformer如何提升自然语言处理的能力，并掌握束搜索等高效解码技术。希望继续激发大家对这一领域的热情与探索！
Python轴承故障诊断 (四)基于EMD-CNN的故障分类
09-26 1040
本文基于凯斯西储大学（CWRU）轴承数据，进行经验模态分解EMD的介绍与数据预处理，最后通过Python实现EMD-CNN对故障数据的分类。
深度学习笔记：吴恩达斯坦福神经网络解析
"斯坦福大学吴恩达教授的机器学习课程第八章——神经网络的表述，涵盖了非线性假设、神经元与大脑的关联、模型表示以及多类分类等内容，适合初学者深入理解和掌握神经网络的基本概念和应用。" 在机器学习领域，神经...
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