自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(15)
  • 收藏
  • 关注

原创 最优控制(一)——最优控制问题概述和静态最优问题的解

最优控制(一)——最优控制问题概述和静态最优问题的解最优控制问题,其实就是一类最优化问题,如果优化过程中 x\boldsymbol{x}x 与时间无关,或在所讨论的时间范围内为常量,就将该最优化问题称为静态最优化问题,反之就称为动态最优化问题。显然,在最优控制领域中,被控对象的状态会随着时间而变化,因此属于动态最优化问题。在动态最优化问题中,目标函数不再是普通函数,而是时间函数的函数,称为泛函数,简称泛函。1. 研究最优控制的前提条件给出受控系统的动态描述,即状态空间表达式。明确控制作用域:

2023-12-10 18:01:40 661 1

原创 似然、似然函数与似然估计

似然、似然函数与似然估计1. 似然似然(likelihood)与概率(probability)描述的是一个过程的两个方面:似然描述的是已知随机变量的输出结果,随机过程参量的可能情况概率描述的是已知随机过程参量,随机变量的输出结果的可能情况接下来就可以引出似然函数的概念了:似然函数是一种关于统计模型中的参数的函数,既然是函数那自变量就是模型可能的参数值,因变量就是参数取具体值的似然性,通俗来说就是实验结果已知的情况下,参数为某个具体值的“概率”。一种方便区别是概率还是似然的方法是,根据定义

2023-11-04 21:24:25 3042 1

原创 深度学习吴恩达老师课堂笔记(八)

和。这一节的内容来讲深度学习课程的最后一部分,简单介绍一下注意力机制的机理。

2023-11-02 18:19:51 143

原创 深度学习吴恩达老师课堂笔记(七)

深度学习吴恩达老师课堂笔记(七)续前面的深度学习吴恩达老师课堂笔记(一)、深度学习吴恩达老师课堂笔记(二)、深度学习吴恩达老师课堂笔记(三)、深度学习吴恩达老师课堂笔记(四)、深度学习吴恩达老师课堂笔记(五)和深度学习吴恩达老师课堂笔记(六)继续学习吴恩达老师的课程,这一部分开始学习循环神经网络中关于单词嵌入等的内容:5. 序列模型5.2 自然语言处理和词嵌入目前为止都是使用一个 One-hot 向量 OiO_iOi​ 来表述一个单词,这种方式存在的问题就是这样训练出来的网络对于相关词语的泛化能力不

2023-11-01 23:24:35 118 2

原创 深度学习吴恩达老师课堂笔记(六)

续前面的和。

2023-10-31 16:26:25 156 1

原创 深度学习吴恩达老师课堂笔记(五)

这一篇是接着前面的和的后一部分,这一部分主要介绍一下卷积神经网络。

2023-10-30 20:32:30 150 1

原创 深度学习吴恩达老师课堂笔记(四)

前面的和大概介绍了深度学习网络相对于机器学习网络的一些特点和改进方法,这一部分开始介绍卷积神经网络。

2023-10-29 14:28:16 138 1

原创 深度学习吴恩达老师课堂笔记(三)

续前面的和继续学习,这里主要介绍一下深度学习网络的一些分析优化方法。

2023-10-28 19:41:20 223 1

原创 深度学习吴恩达老师课堂笔记(二)

这一部分主要就是续前面的继续学习,这里主要介绍一下深度学习网络相对于传统机器学习网络多出来的改善方案。

2023-10-27 15:16:29 57 1

原创 深度学习吴恩达老师课堂笔记(一)

深度学习吴恩达老师课堂笔记(一)主要都是自己上课做的笔记,目录结构参考了完结撒花!吴恩达DeepLearning.ai《深度学习》课程笔记目录总集_深度学习笔记 吴恩达-CSDN博客.不过这个博主的笔记也记得挺详细的,这里给点个赞1. 神经网络和深度学习【主要都是在讲一些机器学习的内容,所以这里不再重复做笔记了,只记录一些零散的知识点】ReLU函数(Rectified Linear Unit, 修正线性单元)ReLU(x)=max⁡{x,0}\textrm{ReLU}(x)=\max\{x,0\}R

2023-10-27 14:28:58 144 1

原创 机器学习吴恩达老师课堂笔记(五)

整体而言,照片OCR完成的任务主要是四步:文字检测、字符拆分、字符识别、拼写校正。首先是文字检测,就是从图中框选出有文字的部分,这一部分可以使用滑动窗口法,使用不同大小的滑动窗口扫描图像,检测窗口中是否存在文字,此时就可以训练监督学习网络从图像中判断是否存在文字。![外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传](https://img-home.csdnimg.cn/images/20230724024159.png?

2023-10-26 18:34:07 42

原创 机器学习吴恩达老师课堂笔记(四)

本文续和之后继续开始学习无监督学习的内容。

2023-10-26 18:33:35 76

原创 机器学习吴恩达老师课堂笔记(三)

前文和讲述了基础的回归模型和神经网络结构,本文在此基础上继续讨论监督学习的最后一部分——支持向量机。

2023-10-26 18:33:02 82

原创 机器学习吴恩达老师课堂笔记(二)

所以上面分析的分析方法也可以用于选择合适的正则化参数,可能的误差曲线随正则化参数的变化关系是这样:![外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传](https://img-home.csdnimg.cn/images/20230724024159.png?在此基础上可以引入学习曲线的概念,学习曲线描述的是训练集样本变化的时候训练误差与验证误差的变化情况,标准的训练结果应该是这样的:!

2023-10-26 18:32:31 214

原创 机器学习吴恩达老师课堂笔记(一)

机器学习吴恩达老师课堂笔记(一)最近正在看吴恩达老师的机器学习课程,因此做了一系列课程笔记,个人能力有限可能写得不是很清楚,若有意见也望各位看官多多指出。1. 引入机器学习的定义:Field of study that gives computers the ability to learn without being explicitly programmed.——Arthur Samuel(1959)A computer program is said to learrn from exper

2023-10-11 15:34:13 180

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

提示
确定要删除当前文章?
取消 删除