- 博客(9)
- 收藏
- 关注
原创 深度学习之RNN(循环神经网络)
一 RNN概述 前面我们叙述了BP算法, CNN算法, 那么为什么还会有RNN呢?? 什么是RNN, 它到底有什么不同之处? RNN的主要应用领域有哪些呢?这些都是要讨论的问题. 1) BP算法,CNN之后, 为什么还有RNN? 细想BP算法,CNN(卷积神经网络)我们会发现, 他们的输出都是只考虑前一个输入的影响而不考虑其它时刻输入的影响, 比如简单的猫,狗,手写数...
2018-05-28 20:49:09 246857 26
原创 深度学习之卷积神经网络(Convolutional Neural Networks, CNN)(二)
前面我们说了CNN的一般层次结构及其每个层的作用等内容. 这一节将在前一节的内容的基础上, 讨论CNN中的参数初始化, CNN过拟合的处理方法, 参数学习的方法, CNN的优缺点等内容.一 CNN参数初始化...
2018-05-28 09:39:22 4799
原创 深度学习之卷积神经网络(Convolutional Neural Networks, CNN)(一)
前面, 我们介绍了DNN及其参数求解的方法(BP算法),我们知道了DNN仍然存在很多的问题,其中最主要的就是BP求解可能造成的梯度消失和梯度爆炸的问题.那么,人们又是怎么解决这个问题的呢?本节的卷积神经网络(Convolutional Neural Networks, CNN)就是一种解决方法. 我们知道神经网络主要有三个部分组成, 分别为: ① 网络结构--- 描述...
2018-05-16 21:15:33 28190
原创 深度学习之BP算法
作为深度学习领域的破冰之作,BP神经网络重新燃起了人们对深度学习的热情.它解决了DNN中的隐层传递中的权重值的计算问题.那么,BP算法思想是什么?它又是如何实现的呢?这就是本节的研究内容.一.BP算法的提出及其算法思想 神经网络主要是由三个部分组成的,分别是:1) 网络架构 2) 激活函数 3) 找出最优权重值的参数学习算法. BP算法就是目前使用较为广泛的一种参数学习算...
2018-05-14 21:43:19 96851 16
原创 朴素贝叶斯算法(Naive Bayes)
一.相关公式 先验概率P(A):在不考虑任何条件下,根据经验或样本统计给出的事件发生的概率. 条件概率P(B|A):A事件发生的条件下,事件B发生的概率. 后验概率P(A|B):事件B发生后,对事件A的概率的重新评估. Bayes公式: 贝叶斯公式是由条件概率和全概率公式组成.二.贝叶斯算法 1. 朴素贝叶斯的特征条件独立性假设 朴素贝叶斯认为...
2018-05-04 15:46:48 7190
原创 交叉验证(Cross Validation)与网格交叉验证(GridSearchCV)的区别
一.交叉验证 交叉验证就是将原始数据集(dataset)划分为两个部分.一部分为训练集用来训练模型,另外一部分作为测试集测试模型效果. 作用: 1) 交叉验证是用来评估模型在新的数据集上的预测效果,也可以一定程度上减小模型的过拟合 2) 还可以从有限的数据中获取尽可能多的有效信息。 交叉验证主要有以下几种方法: ① 留出法.简单地将原始数据集划分为训练集,验证集...
2018-05-03 16:49:25 5415 5
原创 Logistic回归算法
一.logistic回归要点概述 Logistic回归算法是机器学习中的较为简单的也是一般教学中首先讲解的算法. 对于Logisti回归,我们首先要知道它是一种二分类算法,不是回归算法. 其次,我们要知道Logistic回归的一个重要的函数:sigmoid函数以及为什么选用这个函数?这些在后面都会讲到. 最后,我们还要知道Logistic回归的目标函数是什么?如何用梯度下降...
2018-05-01 11:20:48 1520
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