深度学习经典回顾
文章平均质量分 94
这个深度学习专栏旨在深入探索和解析深度学习领域的经典算法和技术。通过逐步介绍各种模型架构、学习方法和优化技巧,本专栏为读者提供了一个全面而深入的学习路径。无论您是深度学习的新手,希望构建坚实的理论基础,还是经验丰富的研究者,寻求最新算法的深度理解和应用,这个专栏都将成为您宝贵的资源。
夺命猪头
交流和分享能够促使我们共同进步,您的支持是我不断更新的最大动力。让我们一起探索,共同成长!!!
展开
-
【ML算法学习】核K均值聚类Kernel K-Means Clustering(KKMC)
面对非凸的数据分布形状时,可以引入核函数来优化,这时算法又称为核 K-Means 算法,是核聚类方法的一种。原创 2022-10-14 22:15:31 · 2844 阅读 · 2 评论 -
【ML算法学习】子空间不一致度量(SDM)、测地线流核(GFK)及域排名(ROD)
南加州大学宫博庆教授发表于CVPR2012,测地流核方法用于无监督域适应。原创 2022-11-24 09:27:52 · 619 阅读 · 1 评论 -
【ML算法学习】多核最大均值差异(MK-MMD)与深度适应网络(DAN)
多核最大均值差异Multiple Kernel Maximum Mean Discrepancy(MK-MMD)与深度适应网络Deep Adaptation Network(DAN)原创 2022-10-20 17:08:50 · 9814 阅读 · 3 评论 -
【DL经典回顾】多层感知机(附代码和详细公式)
在本篇博客中,我们深入探讨了多层感知机(MLP)的原理和实践应用。通过从基础的神经网络概念出发,我们回顾了感知机的历史背景,解释了为什么单层感知器无法解决非线性问题,而多层感知机却能够有效地处理这类问题。我们进一步介绍了多层感知机的工作原理,包括其网络架构、激活函数的选择及其在解决复杂问题中的关键作用。通过一个具体的编程示例,我们展示了如何使用编程框架来实现和训练一个多层感知机模型,以解决二维空间的二分类问题。原创 2024-03-12 21:08:28 · 1425 阅读 · 0 评论 -
【DL经典回顾】深度学习概述
本文旨在为完全不懂深度学习的读者提供一个全面的介绍,从基本概念到前沿商业应用,带你一探究竟。我们将从深度学习的基础讲起,解释它是如何工作的,以及它与传统机器学习的关系。接着,我们会探讨深度学习的几个主要分支,它们各自的特点及应用场景。我们还将讨论深度学习目前面临的挑战,以及科学家和工程师如何致力于克服这些挑战,推动这一领域的未来发展。原创 2024-03-10 23:15:40 · 1057 阅读 · 0 评论