- 博客(4)
- 收藏
- 关注
RSS订阅原创 卷积神经网络
neocognitron是一个具有深度结构的神经网络，并且是最早被提出的深度学习算法之一，其隐含层由S层（Simple-layer）和C层（Complex-layer）交替构成。（convolution layer）和池化层（pooling layer）的功能，被认为是启发了卷积神经网络的开创性研究。(5×5)×6×16的卷积层（步长为1，无填充），2×2均值池化（步长为2，无填充），tanh激励函数。(3×3)×1×6的卷积层（步长为1，无填充），2×2均值池化（步长为2，无填充），tanh激励函数。
2023-11-14 11:16:46
94
1
原创 深度学习：多层感知机
多层感知机的学习算法通常采用反向传播算法（Backpropagation），通过不断调整网络权重和偏置来最小化损失函数，从而提高网络的准确率。在反向传播阶段，根据损失函数计算输出层与真实值之间的误差，并将误差反向传播回网络，更新网络权重和偏置。随着深度学习技术的不断发展，多层感知机在许多领域都取得了显著的成果。多层感知机的结构相对简单，主要由输入层、隐藏层和输出层组成。输入层负责接收外部输入的数据，隐藏层通过非线性变换将输入转化为有意义的特征表示，输出层则根据隐藏层的输出得到最终的分类或回归结果。
2023-11-06 09:56:45
617
原创 回归方法之线性回归和softmax回归
总的来说，线性回归和Softmax回归是两种主要的回归方法，它们有各自的优点和局限性。此外，对于一些问题，如预测连续数值的结果，线性回归可能是一个很好的选择。线性回归和Softmax回归是统计学中两种常见的回归方法。我们的目标是找到一条直线（一个线性模型），使得所有的y值与这条直线上的预测值之间的差异最小。其中，Y是因变量，X1, X2, ..., Xn是自变量，β0, β1, ..., βn是要估计的模型参数，ε是误差项。其中，y是离散的类别标签，x是输入特征，βk是要估计的模型参数，Σ表示求和。
2023-11-06 09:48:00
81
原创 机器学习：开启人工智能的新篇章
专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。从最早的基于规则的专家系统，到后来的支持向量机（SVM）、神经网络等模型的应用，再到现在的深度学习、强化学习等技术的兴起，机器学习的理论和实践都得到了极大的丰富和发展。机器学习在自然语言处理中发挥着重要作用，使得计算机可以理解人类语言的含义，进行文本分类、情感分析、机器翻译等任务。通过训练深度学习模型，计算机可以识别图像中的物体、人脸、文字等，甚至可以识别不同光照条件、角度下的图像。
2023-11-06 09:15:51
76
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