深度学习
文章平均质量分 94
算法进阶
这个作者很懒,什么都没留下…
展开
-
一文详解RNN及股票预测实战(Python)
循环神经网络(RNN)是基于序列数据(如语言、语音、时间序列)的递归性质而设计的,是一种反馈类型的神经网络,其结构包含环和自重复,因此被称为“循环”。它专门用于处理序列数据,如逐字生成文本或预测时间序列数据(例如股票价格)。一、 RNN 网络类型RNN以输入数m对应输出数n的不同,可以划分为5种基础结构类型:(1)one to one:其实和全连接神经网络并没有什么区别,这一类别算不上 RNN。(2)one to many:输入不是序列,输出是序列。可用于按主题生成文章或音乐等。(3)many原创 2021-12-01 21:13:39 · 2457 阅读 · 3 评论 -
一文深层解决模型过拟合
一、过拟合的本质及现象过拟合是指模型只过分地匹配特定训练数据集,以至于对训练集外数据无良好地拟合及预测。其本质原因是模型从训练数据中学习到了一些统计噪声,即这部分信息仅是局部数据的统计规律,该信息没有代表性,在训练集上虽然效果很好,但未知的数据集(测试集)并不适用。1.1 拟合效果的评估方式通常由训练误差及测试误差(泛化误差)评估模型的学习程度及泛化能力。欠拟合时训练误差和测试误差在均较高,随着训练时间及模型复杂度的增加而下降。在到达一个拟合最优的临界点之后,训练误差下降,测试误差上升,这个时候就原创 2021-11-03 16:07:33 · 902 阅读 · 0 评论 -
一文全览神经网络模型
一、神经网络类别一般的,神经网络模型基本结构按信息输入是否反馈,可以分为两种:前馈神经网络和反馈神经网络。1.1 前馈神经网络前馈神经网络(Feedforward Neural Network)中,信息从输入层开始输入,每层的神经元接收前一级输入,并输出到下一级,直至输出层。整个网络信息输入传输中无反馈(循环)。即任何层的输出都不会影响同级层,可用一个有向无环图表示。常见的前馈神经网络包括卷积神经网络(CNN)、全连接神经网络(FCN)、生成对抗网络(GAN)等。1.2 反馈神经网络反馈神经网原创 2021-10-20 21:26:53 · 6419 阅读 · 0 评论 -
神经网络拟合能力的提升之路(Pyhton)
本文侧重于模型拟合能力的探讨。过拟合及泛化能力方面下期文章会专题讨论。原理上讲,神经网络模型的训练过程其实就是拟合一个数据分布(x)可以映射到输出(y)的数学函数 f(x),而拟合效果的好坏取决于数据及模型。那对于如何提升拟合能力呢?我们首先从著名的单层神经网络为啥拟合不了XOR函数说起。一、单层神经网络的缺陷单层神经网络如逻辑回归、感知器等模型,本质上都属于广义线性分类器(决策边界为线性)。这点可以从逻辑回归模型的决策函数看出,决策函数Y=sigmoid(wx + b),当wx+b>0,.原创 2021-10-15 14:32:19 · 1058 阅读 · 0 评论