智能计算系统 学习笔记
文章平均质量分 95
读书人不谈恋爱
酌贪泉而觉爽,处涸辙以犹欢。
展开
-
一文总结经典卷积神经网络(AlexNet/VGGNet/ResNet/DenseNet 附代码)
随着神经网络变得越来越深,一个新的问题出现了:当输入特征数据或梯度数据通过多个神经层时,它在到达网络结尾(或开始)处就消失了。ResNets通过恒等连接将信号从一层传输到下一层。Stochastic depth通过在训练期间随机丢弃层来缩短ResNets,以得到更好的信息和梯度流。FractalNets重复组合几个并行层序列和不同数量的卷积块,以获得较深的标准深度,同时在网络中保持许多短路径。尽管上述方法的网络结构都有所不同,但它们有一个共同特征:创建从早期层到后期层的短路径。原创 2021-02-11 21:42:13 · 855 阅读 · 0 评论 -
【总结】关于玻尔兹曼机(BM)、受限玻尔兹曼机(RBM)、深度玻尔兹曼机(DBM)、深度置信网络(DBN)理论总结和代码实践
近期学习总结前言玻尔兹曼机(BM)受限玻尔兹曼机(RBM)深度玻尔兹曼机(DBM)深度置信网络(DBN)前言前段时间,团队被老师安排了一个涉及玻尔兹曼机及相关变体的任务。具体内容就是学习相关理论知识及代码实现。所以就想着写一篇博客来总结一下繁杂的知识点(尤其是背后的数学推导公式),如果你是玻尔兹曼机及相关变体的初学者,并对这些知识非常感兴趣,那么恭喜你,发现了这篇文章。我会用非常白话、通俗易懂的方式向读者解释这些知识逻辑。在此特别感谢王志强、董倩等研究生,对此篇博客做出的贡献。玻尔兹曼机(BM原创 2020-09-21 21:53:58 · 7658 阅读 · 13 评论 -
【YOLO系列】YOLO-v1:统一的实时对象检测算法。
YOLO-v11. 介绍2. 优点3. 大统一模型4. 神经网络结构5. 缺点6. 对比7. 结论1. 介绍YOLO算法是一种新的目标检测算法。以前的目标检测算法都是基于分类思想的算法。相反,YOLO算法是一种基于回归思想的目标检测算法。YOLO算法非常简单,就只有一个神经网络。它可以同时定位物体的边界框和预测类别概率。2. 优点相对于以前的目标检测算法,YOLO算法有其优越性。第一:它非常的快。它可以每秒45帧的速度在GPU上运行,其快速版本的速度可以超过150FPS。第二:它是基于全原创 2020-09-09 16:03:42 · 725 阅读 · 0 评论 -
【智能计算系统笔记】第二章笔记及课后习题
第二章笔记及课后习题笔记课后习题1. 多层感知机和感知机的区别是什么?为什么会有这样的区别?2. 假设有一个只有1个隐层的多层感知机,其输入、隐层、输出层的神经元个数分别为33、512、10,那么这个多层感知机中总共有多少个参数是可以被训练的?3. 反向传播中,神经元的梯度是如何计算的?权重是如何更新的?4. 请在同一个坐标系内画出五种不同的激活函数图像,并比较它们的取值范围。5. 请简述三种避免过拟合问题的方法。6. sigmoid激活函数的极限是0和1,请给出它的倒数形式并求出其在原点的导数值。7. 假原创 2020-08-18 00:40:43 · 4141 阅读 · 2 评论 -
【智能计算系统笔记】第一章笔记及课后习题
第一章课后习题1. 简述强人工智能和弱人工智能的区别。2. 简述人工智能研究的三个学派。3. 一个有两个输入的单个神经元构成的感知机能完成什么任务?4. 深度学习的局限性有哪些?5. 什么是智能计算系统?6. 为什么需要智能计算系统?7. 第一代智能计算系统有什么特点?8. 第二代智能计算系统有什么特点?9. 第三代智能计算系统有什么特点?10. 假如请你设计一个智能计算系统,你打算如何设计?在你的设计里,用户将如何使用该智能计算系统?1. 简述强人工智能和弱人工智能的区别。强人工智能: 又称通用人工原创 2020-07-21 01:50:05 · 2480 阅读 · 3 评论