- 博客(12)
- 收藏
- 关注
RSS订阅原创 【22-23 春学期】AI作业12-LSTM
GRU中通过使用两个门来控制历史信息的遗忘和当前输入信息的重要性。LSTM中的输入、遗忘和输出门的实际操作是：首先，根据输入和上一层输出计算出当前输入的“重要程度”；通过强制执行信息的保留和筛选，LSTM能够解决序列中的长时依赖关系，并且对于梯度的反向传播算法而言，权重更新的效率和稳定性也都能得到较好的保证。长短期记忆网络（LSTM）是一种特殊的循环神经网络，它通过引入三个门来控制神经元状态和信息流向，从而克服了普通循环神经网络的“梯度消失”和“梯度爆炸”的问题，同时在处理序列数据时保留了更长的信息记忆。
2023-06-14 12:51:33
53
原创 【22-23 春学期】AI作业11-RNN
而前馈神经网络则并不能。通过将前序的信息引入到当前的计算中，RNN可以处理序列数据。序列数据指的是存在时间顺序或者时间关联性的数据集合，比如时间序列数据、视频数据、语音数据、文本数据等。在序列数据中，每个数据点都与其前面和后面的数据相关，因此序列数据的处理结构与普通数值类型的数据不同，需要使用循环神经网络等网络结构来处理。BPTT是RNN训练的重要算法之一，通过将不同时间步上的变量进行展开，将整个网络展开成一个有向无环图，使得误差可以在整个时间序列中进行反向传播，从而更新网络权重，减少误差。
2023-06-14 12:47:02
50
原创 【22-23 春学期】AI作业10-经典卷积网络
1.LeNet和MNIST：2.AlexNet和CIFAR：3.VGGNet：4.GoogLeNet和Inceptionv1：5.ResNet：
2023-05-23 11:40:02
44
1
原创 【22-23 春学期】AI作业7-卷积
一、简单描述卷积、卷积核、多通道、特征图、特征选择概念。二、探究不同卷积核的作用，研究背后的原理。三、编程实现：灰度图的边缘检测、锐化、模糊。
2023-05-16 19:18:56
60
原创 【22-23 春学期】AI作业6-误差反向传播
通过这种方式，我们可以轻松地推导出变量对运算符求导的规则，从而自动地计算反向传播所需的梯度信息。梯度下降是通过求导数的方法寻找函数的最小值，在机器学习中应用非常广泛。我们可以将函数的导数想象成函数的斜率，梯度就是函数变化最快的方向，梯度下降的意思就是在函数的梯度方向上不断的移动，直到找到函数的最小值。与常规的前向传播不同，反向传播是一种通过利用链式法则回馈误差信号，向着模型参数的梯度方向进行更新的方法。它的主要思想是根据神经网络的预测结果和真实标签之间的误差来更新网络中的权重和偏置，从而提升模型的准确性。
2023-04-25 23:33:48
34
原创 【22-23 春学期】AI作业5-深度学习基础
机器学习是指一类算法，通过学习数据来完成任务，而深度学习是机器学习的一种方法，通过多层神经网络来处理数据。3. 传统浅层学习是指使用少量层数的神经网络模型，这种模型对于简单模式的识别任务表现良好，但对于更复杂的模式识别任务表现欠佳。10. 激活函数是神经元中的非线性函数，其作用是将神经元的输入值映射为输出值。2. 神经网络是深度学习的基础，因为深度学习模型一般使用多层神经网络来表达复杂的模式。5. MP模型是一种用于解决分类问题的神经网络模型，它的目的是通过训练来学习一组权重，从而对输入数据进行分类。
2023-04-19 13:23:20
73
原创 【22-23 春学期】AI作业4-无监督学习
KNN是一种基于样本距离的分类算法，而K-means是一种聚类算法，是一种基于数据分布的算法。9. K-means可以看做是最简单的EM算法，它将每个数据点视为一个高斯分布的均值，通过迭代求解，将数据点分配到近似的均值中心，以实现数据聚类。7. 潜在语义分析（LSA）是一种文本分析方法，通过对词汇在文本中的出现频率进行分析，找出其中的潜在语义，以实现文本的分类、聚类等操作。3. 主成分分析（PCA）是一种降维算法，它可以找到数据中的主要方向，并将数据转换到与这些主要方向相关的坐标轴上。
2023-04-19 13:18:24
53
1
原创 【22-23 春学期】AI作业3-监督学习
分类和聚类都是机器学习中常见的任务，它们分别涉及到不同类型的学习算法。KNN 是一种基于相似度度量的分类算法， K - mean 是一种基于距离聚类的算法。支持向量机通过最大化训练数据集与超平面之间的距离，寻找最优的超平面，以实现分类的目标。集成学习是一种机器学习的方法，旨在将多个单一的学习算法组合成一个更强大的算法。判别式模型是机器学习模型的一种类型，它不是学习数据分布，而是直接学习从输入到输出之间的映射关系。生成式模型是机器学习模型的一种类型，它通过学习训练集中的数据分布来进行分类或生成数据。
2023-03-29 11:38:26
41
原创 【22-23春学期】 AI 作业2﹣监督学习
逻辑斯蒂回归是一种广义的线性回归方法，它将线性函数的结果使用 sigmoid 函数映射到［0,1］之间的概率。决策树是一种常见的分类和回归算法。线性判别分析是一种常见的分类算法，适用于二分类和多分类的问题。正则化是一种常用的方法，目的是尽可能降低模型的复杂度，从而避免模型过拟合的问题。Sigmoid 函数是一种常用的函数，它可以将输入变换为0~1之间的概率值，适用于逻辑斯蒂回归和神经网络等算法。概率近似正确是一种机器学习的理论方法，它是指模型在样本数较大的情况下，以很高的概率给出正确的预测结果。
2023-03-29 11:25:37
71
原创 【22-23 春学期】AI作业1-ML基础
监督学习、 无监督学习分类、 回归聚类、 降维损失函数训练集、测试集、验证集过拟合、欠拟合经验风险、期望风险
2023-03-08 19:47:18
59
2
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