![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 60
용 아
这个作者很懒,什么都没留下…
展开
-
ML——CNN
这就导致了tanh特征相差明显时的效果会很好,在循环过程中会不断扩大特征效果显示出来,但有是,在特征相差比较复杂或是相差不是特别大时,需要更细微的分类判断的时候,sigmoid效果就好了。还有一个东西要注意,sigmoid 和 tanh作为激活函数的话,一定要注意一定要对 input 进行归一话,否则激活后的值都会进入平坦区,使隐层的输出全部趋同,但是 ReLU 并不需要输入归一化来防止它们达到饱和。原文链接:https://blog.csdn.net/yjl9122/article/details/7原创 2021-07-09 10:21:47 · 142 阅读 · 0 评论 -
Transfer Learning ——深度迁移学习
利用深度神经网络进行迁移学习原创 2021-07-06 10:18:52 · 821 阅读 · 0 评论 -
RUL论文阅读—— A Novel Evaluation Framework for Unsupervised Domain Adaption on Remaining Useful Lifetime
RUL论文阅读——A Novel Evaluation Framework for Unsupervised Domain Adaption on Remaining Useful Lifetimelink : article codeIntroduction由PMD(Predictive Maintenance) 提出 RULDNN(require large amount data 但是RUL问题失败数据少 data imbalence)传统有监督学习方法不行提出无监督DA,介绍DA,对于原创 2021-06-23 15:51:16 · 740 阅读 · 0 评论 -
python 疑点 参数类型和参数匹配模型
parameter是指函数定义中参数,而argument指的是函数调用时的实际参数。原创 2021-06-15 15:39:47 · 139 阅读 · 0 评论 -
pytorch 1.4 tutorial 学习疑点笔记
Autograd 自动求导 backgrad() 函数out.backward()equal toout.ackward(torch.tensor(1))思考当out.backward(torch.tensor([0.,0.2,0.5]))的情况利用雅可比矩阵的特性链式法则计算当backward后面为向量的时候,相当于我们此时的起始节点在二级非叶子节点上,此时的输入向量为dout/dy,三级非叶子节点相对于二级非叶子节点的导数为dy/dx。利用雅可比矩阵链式法则,我们知道叶子节点相对于三级非叶子原创 2020-10-14 20:51:07 · 155 阅读 · 0 评论 -
李宏毅机器学习学习笔记系列
Week 1学习路线什么是机器学习:寻找一种函数监督学习 (label足够:回归分类)半监督学习 (label不够)无监督学习 (label没有)迁移学习 (在一定基础上学习)结构化学习(函数产生结构化的结果,例如输入语音,产生文字)...原创 2019-10-22 19:55:25 · 160 阅读 · 0 评论