- 博客(11)
- 收藏
- 关注
转载 机器学习十一:Graph Neural Networks(GNN)神经网络图
https://blog.csdn.net/Frank_LJiang/article/details/94971055?utm_medium=distribute.pc_aggpage_search_result.none-task-blog-2allfirst_rank_v2~rank_v25-1-94971055.nonecase&utm_term=gnn%E8%AF%A6%E8%A7%A3&spm=1000.2123.3001.4430
2020-10-10 17:34:08 158
原创 机器学习十:Recurrent Neural Network (RNN)递归神经网络
什么是递归神经网络他们都只能单独的取处理一个个的输入,前一个输入和后一个输入是完全没有关系的。但是,某些任务需要能够更好的处理序列的信息,即前面的输入和后面的输入是有关系的。比如,当我们在理解一句话意思时,孤立的理解这句话的每个词是不够的,我们需要处理这些词连接起来的整个序列; 当我们处理视频的时候,我们也不能只单独的去分析每一帧,而要分析这些帧连接起来的整个序列。以nlp的一个最简单词性标注任务来说,将我 吃 苹果 三个单词标注词性为 我/nn 吃/v 苹果/nn。那么这个任务的输入就是:我 吃
2020-10-10 17:25:55 474
转载 机器学习九:Convolutional Neural Network(CNN)卷积神经网络
https://www.jianshu.com/p/70b6f5653ac6这篇文章写的比较详细
2020-10-10 12:15:03 238
原创 机器学习八:深度学习3
Modularization例如:识别长发男,短发男,长发女,短发女如果直接进行分类识别,由于长发男和短发女比例比较少,因此trainning的结果是weak如果我们进行模块化,分为男女模块,长短发模块,这样就有足够的data去trainning,培训的model效果就比较fine...
2020-10-10 00:08:58 187
原创 机器学习七:Deep Learning深度学习2之技巧
深度学习的工作整体流程New activation function新的激活函数Sigmoid function 1/1+e^-z 存在的问题Rectified Linear Unit (ReLU)线性整流函数假设值为下图所示,我们就可以直接忽略为0的那部分神经元,将神经网络变得简单虽然解决了开始和结束梯度问题,你是学习效果变差ReLU- variant ReLU的变体MaxoutMaxout是可学的激活函数,取输入神经元的最大值ReLU是Maxout的一个特例Maxo
2020-10-09 18:19:14 154
原创 机器学习六:Backpropagation反向传播
链式法则Chain Rule链式法则是反向传播的基础BackpropagationBackpropagation分为两部分:向前传递和向后传递根据Chain Rule,损失函数∂c/∂w=∂z/∂w x ∂c/∂z向前传递: ∂z/∂w向后传递: ∂c/∂z向前传递: ∂z/∂w向后传递: ∂c/∂zso...
2020-10-08 21:02:03 123
原创 机器学习五:Deep Learning深度学习1
前情提要由逻辑回归算法我们引出了深度学习,请参考https://blog.csdn.net/weixin_42744909/article/details/108954890深度学习深度学习的历史Three Steps for Deep Learning深度学习三步骤step1:Neural Network概念深度学习网络分为输入层,隐藏层和输出层Deep的概念Deep = Many hidden layers,deep就是说隐藏层有很多层神经网络的运算一个神经元多个神
2020-10-08 17:52:13 247
原创 机器学习四:Logistic Regression逻辑回归算法
前情提要:上一节我们已经将朴素贝叶斯分类器的算法公式进行的推导逻辑回归算法Step 1: Function SetStep 2: Goodness of a Function最大似然Step 3: Find the best function逻辑回归为什么不采用平方误差作为损失函数交叉熵的速度比较快Discriminative v.s. Generative判别式模型VS生成式模式对应平方差和交叉熵具有相同的model多类分类模型Multi-class
2020-10-08 00:51:13 130
原创 机器学习一:Regression回归算法
1.什么是回归?回归算法输出一个标量,例如:股票预测,预测明天股价;自动驾驶,方向盘的角度;推荐系统,预测购买的概率2. 实例:预测数码宝贝进化后的战力值(CP)Setup1:设计Model假设战力值和特征之间存在线性关系:y:进化后的战力值,x:进化前的战力值,w:特征值,b:战力补偿值y = b + w * x由于存在多个特征值: y = b + w * x => y = b + Σw*xSetup2:Training Model假设有10个Training Data,3
2020-09-19 01:46:11 629
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