机器学习&深度学习基础
文章平均质量分 86
学习过程中的整理与总结
Drawing1998
The best is yet to come.
展开
-
正则化——参数范数惩罚
L1和L2正则化原创 2022-05-18 13:13:36 · 2168 阅读 · 0 评论 -
ConvLSTM原理解读
LSTM非常擅长处理时序信息也能处理空间信息。但对于三维图形来讲,因为有着丰富的空间信息并且每一个点和周围是有很强的相关性的,这就带来了冗余,传统的LSTM是很难刻画这种空间特征的。为了克服LSTM在处理三维信息中的不足,ConvLSTM 将 LSTM 中的2D的输入转换成了3D的tensor,最后两个维度是空间维度(行和列)。对于每一时刻t的数据,ConvLSTM 将 LSTM 中的一部分连接操作替换为了卷积操作,即通过当前输入和局部邻居的过去状态来进行预测。......原创 2022-08-18 15:12:47 · 15928 阅读 · 0 评论 -
循环神经网络(RNN&LSTM)
循环神经网络(Recurrent Neural Network , RNN)是专门用来处理序列数据的神经网络,它能够挖掘数据中的时序信息以及语义信息。利用了RNN的这种能力,使深度学习模型在解决语音识别、语言模型、机器翻译以及时序分析等NLP领域的问题时有所突破。全连接神经网络在处理序列数据时存在的缺陷:比如在股票预测问题中,股票价格不仅取决于现在的输入数据状态,更依赖于历史信息,这是全连接神经网络所不能做到的。......原创 2022-08-18 13:54:45 · 4570 阅读 · 0 评论 -
线性神经网络
线性回归、Logistic回归、Softmax回归的基础知识与代码实现。原创 2022-08-09 21:04:30 · 463 阅读 · 0 评论