- 博客(10)
- 收藏
- 关注
RSS订阅原创 【学习周报】深度学习笔记第七周
第一周 循环神经网络（Recurrent Neural Networks）1.1 常见的序列模型1.2数学符号（Notation）1.3 循环神经网络模型（Recurrent Neural Network Model）1.4 通过时间的反向传播（Backpropagation through time）1.5 不同类型的循环神经网络（Different types ofRNNs）1.6 语言模型和序列生成
2022-11-11 11:52:14
391
原创 【学习周报】深度学习笔记第五周
视频的开始，吴恩达老师给出了一个人脸识别视频的实例，主要包括两大部分。人脸识别：主要任务是识别摄像头前的目标（通过照片）的具体身份信息。活脸检测：防止有人使用手机照片通过识别通道，所以识别时需要确定眼前的是否是一个活人。下面主要对人脸识别进行有关介绍。人脸识别主要包括两个比较常见的术语：人脸验证：如果你有一张输入图片，以及某人的ID或者是名字，这个系统要做的是，验证输入图片是否是这个人。有时候也被称作1对1问题，只需要弄明白这个人是否和他声称的身份相符。
2022-10-28 12:07:55
367
原创 【学习周报】深度学习笔记第四周
学习过程中，对于测试结果不满意，例如测试正确率90%我们应该如何改进做出的策略即我们现在要学习的内容。我们的深度学习最终目的是模拟人类大脑，或者超越人类大脑。以识别猫为例，人在识别猫的准确率上的表现，往往是我们能够训练达到的大概上限。这里引出贝叶斯最优错误率的概念随着时间的推移，当您继续训练算法时，可能模型越来越大，数据越来越多，但是性能无法超过某个理论上限，这就是所谓的贝叶斯最优错误率贝叶斯错误率一般高于人类的行为表现，但是两者都是用于估计我们训练的模型距离理论还有多少的差距。
2022-10-21 11:19:23
276
原创 【学习周报】深度学习笔记第三周
后面的几层逐步将上一层的特征组合起来，形成人脸的模样。举例2：这是一个类比的例子，例如在电路中的逻辑门操作，如果将所有的逻辑门放在同一层，那么所有可以表示的情况就只能是各个逻辑门情况的和，但是如果放在不同层上进行叠加就会是他们的乘积，这样能表示的情况更复杂。复习：我们学过了逻辑回归、浅层神经网络、一个单独隐藏层的神经网络的正向传播和反向传播、向量化、随机初始化权重等知识，就可以进行深层神经网络的搭建。通过上面的循环进行不断改进，可以说，超参数的设计是在寻找一个最佳的可以使得代价函数更接近最低点的数值。
2022-10-14 11:41:44
354
原创 【学习周报】深度学习笔记第二周
3.1 神经网络概述（Neural Network Overview）3.2 神经网络的表示（Neural Network Representation）3.3 计算一个神经网络的输出（Computing a Neural Network's output）3.4 多样本向量化（Vectorizing across multiple examples）3.5 激活函数（Activation functions）简单的神经网络模型：正向计算：反向传播： 输入特征x1、x2、x3，它们被竖直地堆叠起来，这
2022-10-08 21:59:13
404
原创 【学习周报】深度学习笔记第二周
其中dJ(w)/dw为函数对w的导数，容易理解，导数斜率的正负以及大小，明显的反映了在该点是在函数的递增还是递减区域，或者说，如果在只有某个极小值的情况下，寻找最低点，即为导数为0的点，我们要做的就是在w导数为正时减小w，导数为负时增大w，不断调整即可找到极值点。在这个图中，横轴表示你的空间参数w和bb，在实践中，w可以是更高的维度，但是为了更好地绘图，我们定义w和b，都是单一实数，代价函数（成本函数）J(w,b)是在水平轴w和b上的曲面，因此曲面的高度就是J(w,b)在某一点的函数值。
2022-10-07 08:48:46
669
原创 【学习周报】深度学习笔记
我们常常用深度学习这个术语来指训练神经网络的过程。有时它指的是特别大规模的神经网络训练。笔者搜索到的普遍定义：神经网络就是按照一定规则将多个神经元连接起来的网络。神经元是最小的神经网络。同时我们设想，影响房间价格的因素不仅仅只有面积，可能也包括面积、卧室数目、地理位置、富裕水平等，面积和房间数目可以告诉我们这个房子能住几口人，邮编和收入水平可以让我们衡量房子周边情况的好坏，然后再由这些来预测房价。因此，预想设计一个能够考虑到以上各种因素的神经网络，从而达到能够更好地预测房屋价格的目的。
2022-10-01 17:47:39
324
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人