![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
通信仿真爱好者
phd在读,爱好通信领域相关仿真,包括调制解调,OFDM,MMIMO,信道编码(ldpc,polar,卷积)等,也擅长可见光(VLC),多址接入(NOMA,RSMA),无人机(UAV),智能反射面(RIS)等通信优化问题相关的资源分配算法,如sca,拉格朗日等,也擅长使用强化学习解决通信相关问题。所展示的仿真图均有完整代码一键运行出图
展开
-
激活函数
为什么要引入激活函数?为神经网络引入非线性属性,也就是说,我们希望神经网络既能计算线形函数,也能计算非线性函数。1.sigmoid优点:输出在0-1之间,单调连续,输出范围有限容易求导:f(x)′=f(x)(1−f(x))f{\left( x \right)^\prime } = f\left( x \right)\left( {1 - f\left( x \right)} \rig...原创 2019-12-27 15:17:28 · 190 阅读 · 0 评论 -
关于Ground truth
在有监督学习中,每个数据都对应一个label的,以(x,t)的形式出现,其中x是待输入的数据,t是对应的label。label是正确的话,则被称为ground truth,错误的话则不是。我们输入网络的数据是(x,t),由模型得到的预测数据是(x,y)预测结果y会与标签t做损失,例如在最小方差中,有可见是否为ground truth会影响loss的结果,进而影响模型质量。也可以理解为一...转载 2019-12-25 20:23:42 · 507 阅读 · 0 评论 -
神经网络训练数据的一点理解
神经网络是通过梯度方反向传播来更新参数,所需的数据集一般分为训练数据和测试数据,其中训练的数据会根据有监督和无监督学习进行分类。有监督学习对于有监督学习,一般是给网络一个输入,然后再定一个网络应该的输出的数据,称为标签(label)。然后输入数据X,会得到一组输出Y,将这个Y与X对应的Y_label进行对比,比较二者之间的差值(一般用mse或者交叉熵来刻画),然后通过这个差值去调整网络中的W...原创 2019-12-11 12:45:36 · 5294 阅读 · 1 评论