- 博客(3)
- 收藏
- 关注
RSS订阅原创 神经网络第六周学习总结
卷积层主要有3×3的过滤器，并遵循两个简单的设计规则:①对输出特征图的尺寸相同的各层，都有相同数量的过滤器;问题：物体的尺寸变化范围很大，摆放物体的角度，姿态不定，而且可以出现在图片的任何地方，并且物体还可以是多个类别。其中 𝑁 代表测试集中所有图片的个数， 𝑃(𝑘) 表示在能识别出𝑘个图片的时候Precision的值，而 Δ𝑟(𝑘) 则表示识别图片个数从𝑘 − 1变化到𝑘时（通过调整阈值）Recall值的变化情况。其中前20个卷积层用来做预训练，后面4个是随机初始化的卷积层，和2个全连接层。
2024-04-23 15:02:43
525
原创 神经网络第五周学习总结
节点”一般用来表示施加的数学操作，但也可以表示数据输入的起点/输出的终点，或者是读取/写入持久变量的终点。“线”表示“节点”之间的输入/输出关系。填充（Padding）：也就是在矩阵的边界上填充一些值，以增加矩阵的大小，通常用0或者复制边界像素来进行填充。张量（Tensor）：是一个物理量，对高维（维数≥2）的物理量进行“量纲分析”的一种工具。每个神经元对应 5*5+1 个参数，共6个feature map， 28*28 个神经元，因此共有 (5*5+1)*6*(28*28)=122,304 连接。
2024-04-08 14:03:00
626
原创 【神经网络第四周学习总结】
Adam在RMSProp方法的基础上更进一步：除了加入历史梯度平方的指数衰减平均（r）外，还保留了历史梯度的指数衰减平均（s），相当于动量。参数自适应变化：具有较大偏导的参数相应有一个较大的学习率，而具有小偏导的参数则对应一个较小的学习率。多层前馈网络的反向传播学习算法，简称BP算法，是有导师的学习，它是梯度下降法在多层前馈网中的应用。网络训练的目的，是使对每一个输入样本，调整网络参数，使输出均方误差最小化。这是一个最优化问题。输出：如果是二分类问题则为0和1，或者是属于某类的概率，即0-1之间的数。
2024-04-01 15:36:26
318
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人