神经网络与深度学习
文章平均质量分 82
笔记
豆豆LemonET
苔花如米小,也学牡丹开。
展开
-
【神经网络与深度学习】LSTM(Long Short-Term Memory)神经网络模型
LSTM(Long Short-Term Memory)是一种,通常被用于。因此,LSTM属于深度学习领域中的一种神经网络模型。在深度学习中,LSTM被广泛应用于需要处理长期依赖关系的任务,如语音识别、自然语言处理、时间序列预测等。相较于传统的RNN结构,。原创 2024-03-10 17:20:32 · 4438 阅读 · 2 评论 -
【神经网络与深度学习】深度神经网络(DNN)
深度神经网络(Deep Neural Networks,DNN)是一种。每个隐藏层由组成,这些神经元通过进行信息传递和计算。深度神经网络通过多层的非线性变换,可以学习到更加抽象和复杂的特征表示。每一层都可以将输入数据转化为更高级的表示,从而更好地捕捉数据的特征和模式。通过不断叠加隐藏层,网络可以逐渐学习到更多的抽象特征,提高模型的表达能力。深度神经网络在诸多领域中取得了重大突破和成功应用,如图像识别、语音识别、自然语言处理等。原创 2024-03-10 10:41:28 · 1611 阅读 · 0 评论 -
【机器学习】生成对抗网络GAN
生成对抗网络(Generative Adversarial Network,GAN)是一种深度学习模型架构,由生成器(Generator)和判别器(Discriminator)两部分组成,旨在通过对抗训练的方式生成逼真的数据样本。GAN 的基本思想是让生成器和判别器相互竞争、不断优化,以达到生成高质量数据的目的。生成器的任务是生成尽可能逼真的数据样本,而判别器的任务是区分真实数据和生成器生成的假数据。通俗的讲,就是让生成器生成的数据更真,真到能把判别器“骗”过去。原创 2024-03-04 19:22:29 · 551 阅读 · 0 评论 -
【神经网络与深度学习】时间卷积网络(TCN)
时间卷积网络(TCN)的总体概述,膨胀卷积以及感受野等相关名词解释原创 2024-03-04 10:25:14 · 2630 阅读 · 0 评论 -
【神经网络与深度学习】概率神经网络PNN
概率神经网络是一种神经网络模型,与传统的神经网络不同,它在模型设计和训练过程中引入了概率论的概念,以处理不确定性和随机性的数据。PNN总体框架:概率神经网络的典型应用包括回归、分类、生成模型等任务。它在处理带有噪声、不完整数据或者需要考虑不确定性的场景下具有很好的效果。原创 2024-02-27 17:18:19 · 1476 阅读 · 0 评论 -
【神经网络与深度学习】激活函数
本篇内容来源于B站视频。原创 2024-02-04 10:00:36 · 930 阅读 · 0 评论 -
【神经网络与深度学习】神经网络基础知识(下)——线性模型、KL散度、Logistic回归、感知器、支持向量机(SVM)等
线性可分问题示例:与、或、异或问题与:(0,0)(0,1)(1,0)中没有1,就分为0那一类,两个都为1的(1,1),就分为1那一类;或:只要有一个1,就分为1那一类;没有1就分为0那一类异或:两个值一样的为1类,不一样的为0类,无法线性分类。原创 2023-11-10 09:14:16 · 95 阅读 · 1 评论 -
【神经网络与深度学习】神经网络或机器学习的相关基础概念(上)
通过构建具有一定“深度”的模型,可以让模型来自动学习好的特征表示,从而最终提升预测或识别的准确性。深度学习=表示学习+决策(预测)学习。原创 2023-11-08 16:22:16 · 73 阅读 · 1 评论 -
【神经网络与深度学习】Transformer模型
因为在Transformer的编码器结构中,并没有针对词汇位置信息的处理,因此需要在Embedding层后加入位置编码器,将词汇位置不同可能会产生不同语义的信息加入到词嵌入张量中,以弥补位置信息的缺失。无论是源文本嵌入层还是目标文本嵌入层,都是为了将文本中词汇的数字表示转变为向量表示,希望在这样的高维空间捕捉词汇间的关系。通过上面的内容,我们已经完成了所有组成部分的实现,接下来就来实现完整的编码器-解码器结构。我们将通过一个小的copy任务万层模型的基本测试工作。接着将基于以上结构构建用于训练的模型。原创 2023-10-26 22:44:50 · 117 阅读 · 0 评论