- 博客(4)
- 收藏
- 关注
原创 神经网络课程学习4
比如,把蓝色虚线放到第一张图片下面,也就 是说让系统只识别出最上面的那张飞机图片,那么Precision的值就 是100%,而Recall的值则是20%。以之前放的图像为例,这里选取的预训练的神经网络含有3个卷积层, 其中第二层输出图像的内容特征,而第一层和第三层的输出被作为图像 的样式特征。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。
2024-05-12 21:11:33
1059
原创 神经网络课程学习3
比如,把蓝色虚线放到第一张图片下面,也就 是说让系统只识别出最上面的那张飞机图片,那么Precision的值就 是100%,而Recall的值则是20%。以之前放的图像为例,这里选取的预训练的神经网络含有3个卷积层, 其中第二层输出图像的内容特征,而第一层和第三层的输出被作为图像 的样式特征。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。
2024-04-22 12:41:17
1652
原创 神经网络与深度学习课程学习(二)
比如,为了赋予机器“视觉”,研究人员需要建立最基本的一层人工神经元,用来探知如物体的边缘形状等基本信息,第二层神经元可以将第一层感知到了物体边缘性状拼凑 起来,鉴定较大块的物体形状,然后再加一层将第二层检测到的信息再拼凑从而使机器明白物体整体的形态。这里面关键的一点是,软件可以自行做到这一切——旧的“伪人工智能”往往需要工程师人工输入物体视觉或者声音的信息,然后由机器学习算法来处理这些信息数据。构成:由多个卷积层和下采样层构成,后面可连接全连接网络。网络一共有8层可学习层(5层卷积层和3层全连接层)
2024-04-08 10:46:43
693
原创 神经网络与深度学习课程总结(一)
二分类问题可使用条件概率描述,且根据Bayes公式,二分类问题可使用条件概率描述,假设各样本相互独立,即服从Bernoulli分布。则的合理估计值应当是 让所有样本事件产生的几率最大,即应当是极大似然的,因此可以得到极大似然估计。感知机(Perceptron)是1957年,由Rosenblatt提出,是神经网络和支持向量机的基础。上述和回归方程一致,只是加了S函数,因此又称作softmax回归,注意y(i)只能取0,1。训练数据集,建立监督学习模型,输入为w。二、线性二分类问题。4.3 Hebb规则。
2024-04-01 11:34:15
162
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