- 博客(6)
- 收藏
- 关注
RSS订阅原创 循环神经网络基础
x1、x2....是特征，h0是先验（可以是经过cnn得到的h0）输出h1 输出h2 输出h3输入x1 输入x2 输入x3h2中不仅要包含x2信息，还要包含x1的信息，因此把h1送入第二次RNN Cell中（注意是同一个RNN Cell，一直反复循环----细胞内部为线性运算）本时刻的wx+b，与上一时刻的wh+b相加后，做tanh激活（tanh结果在-1~1之间）------得出这一层的输出ht。
2024-03-10 11:28:48
827
1
原创 卷积神经网络基础
CNN（卷积神经网络）介绍 - 知乎 (zhihu.com)CNN：卷积层、池化层、下采样层1、卷积层：原图像的每个规定大小的块块跟filter矩阵相乘，存入对应位置因此卷积不是全连接的，是通过filter来提取一小块的局部特征filter中每个数字都是学出来的Image x filter/kernel = feature2、池化层（上采样）--减少参数计算方式：①max pool：选出规定网格当中最大的②平均池化：规定网格所有元素相加再求平均卷积神经网络的学习方式依然是反向传播和梯度下降前馈算出l
2024-03-08 22:12:54
1350
1
原创 搭建环境记录
anaconda里的环境相当于一套独立的工具，调用这个环境时，就只能用anaconda这个大楼里的工具（例如大楼里的房间有pytorch，大楼的大厅为base）后续会在anaconda这个大楼里搭建许多不同的环境。进入到anaconda大楼里，名字前就会显示（base）
2024-02-28 21:05:52
348
原创 研究生自学计划day02
例如模态分解（EMD/EEMD/CEEMDAN）+（LSTM/CNN LSTM)，只有一种情况能解决：测试集只有一个数（滚动预测），但是就不准了，且计算复杂度提升。哪怕把训练集和测试集分开分解，也会出现信号不一致的问题。或模态分解算法+深度学习+参数优化（粒子群优化算法）或组合模型：模态分解+LSTM+ARIMA。
2024-02-28 15:14:16
311
1
原创 研究生自学计划01
①可找到代码Peach数据处理+CNN/LSTM（PeachMixer）Peach数据预处理 Transformer（PeachTST）
2024-02-27 17:13:29
1446
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