- 博客(9)
- 收藏
- 关注
RSS订阅原创 第七章 卷积神经网络（Convolutional Neural Network，CNN）
中使用了之前的“Affi ne -Softmax”组合。这些都是一般的CNN中比较常见的结构。
2024-08-28 14:02:55
1042
原创 第六章 与学习相关的技巧
在前几章中，为了找到最优参数，我们将参数的梯度（导数）作为了线索。使用参数的梯度，沿梯度方向更新参数，并重复这个步骤多次，从而逐渐靠近最优参数，这个过程称为。
2024-08-24 17:24:37
867
原创 第四章 神经网络的学习
如果以识别精度为指标，即使稍微改变权重参数的值，识别精度也仍将保持在32%，不会出现变化。而基于数学式的推导求导数的过程，则用“解析性”（analytic）一词，称为“解析性求解”或者“解析性求导”。在神经网络的学习中，寻找最优参数（权重和偏置）时，要寻找使损失函数的值尽可能小的参数。而如果把损失函数作为指标，则当前损失函数的值可以表示为0.92543 . . . 这样的值。是指处理未被观察过的数据（不包含在训练数据中的数据）的能力。因为如果以识别精度为指标，则。，然后以这个导数为指引，逐步更新参数的值。
2024-08-21 21:54:28
690
原创 第二章 感知机（perceptron)
感知机是具有输入和输出的算法，给定一个（或多个）输入后，将输出一个既定的值。下图中，w1、w2为权重，圆圈代表“ 神经元 ”或“ 节点 ”，当神经元计算传送过来的信号总和超过某个界限值时（阈值），才会输出1，这也称为“ 神经元激活 ”。
2024-08-20 16:38:42
233
原创 量子粒子群算法（QPOS）
对标准的PSO算法而言，算法收敛速度很快，但极易陷入局部最优。为了解决之一不足，孙俊[Quantum-behaved particle swarm optimization: Analysis of individual particle behavior and parameter selection]从量子力学角度出发提出了量子粒子群(QPSO)算法QPSO算法的全局搜索能力要远远优于一般的PSO算法。
2024-04-14 15:24:06
514
1
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