深度学习
文章平均质量分 95
系统梳理深度学习各大网络知识
healed萌
热爱生活的NLP探索者!
展开
-
13、三大特征提取器RNN/CNN/Transformer的对比
RNN、CNN、Transformer的对比原创 2023-05-23 10:20:31 · 896 阅读 · 1 评论 -
5、循环神经网络(RNN )
最基本的单层网络,输入是x,经过变换Wx+b和激活函数f得到输出y。原创 2023-05-22 17:10:13 · 1868 阅读 · 1 评论 -
4、卷积神经网络(CNN)
主要针对DNN存在的参数数量膨胀问题,对于CNN,并不是所有的上下层神经元都能直接相连,而是通过“卷积核”作为中介(部分连接)。同一个卷积核在多有图像内是共享的,图像通过卷积操作仍能保留原先的位置关系。CNN之所以适合图像识别,正是因为CNN模型限制参数个数并挖掘局部结构的这个特点等。原创 2023-05-22 16:59:49 · 302 阅读 · 1 评论 -
3、深度神经网络(DNN)
深度神经网络是基于上述MLP感知机的扩展,DNN可以理解为的神经网络。MLP可以视为DNN的前身,大致可以分为三层:输入层,隐藏层,输出层,MLP通常很浅,隐藏层就一二层。DNN一般隐藏层大于二,而且的种类更多。原创 2023-05-22 16:44:42 · 6242 阅读 · 0 评论 -
2、多层感知机(MLP)
符号定义x:表示一个nx维数据,为输入输入,维度为nx1;y:为输出结果,取值为(0,1);ximyi:表示第i组数据,可能是训练数据,也可能是测试数据,此处默认为训练数据;Xx1x2...xm:表示所有的训练数据集的输入值,放在一个nx×m的矩阵中,其中m表示样本数据;Yy1y2...ym:对应表示所有训练数据集的输出值,维度为1×m;Mtrain为训练样本个数,Mtest为训练样本个数,x。原创 2023-05-22 16:37:36 · 2259 阅读 · 0 评论 -
1、深度学习符号定义
本文介绍了本专栏的符号定义,常见的优化算法等原创 2023-11-27 20:37:22 · 1069 阅读 · 0 评论