机器学习在光学和声学的应用【系列】——第二篇机器学习误差来源分析与inverse design分析

最新推荐文章于 2021-03-17 11:38:44 发布

伤心男孩改变世界

最新推荐文章于 2021-03-17 11:38:44 发布

阅读量569

点赞数 1

分类专栏： python 数值计算文章标签：机器学习神经网络

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/weixin_43012036/article/details/113418173

版权

数值计算同时被 2 个专栏收录

8 篇文章 5 订阅

订阅专栏

6 篇文章 0 订阅

订阅专栏

机器学习在光学和声学的应用

第二篇机器学习误差来源分析与inverse design分析

文章目录

**机器学习在光学和声学的应用**
机器学习记录
文献研究学习记录

机器学习记录

机器学习总框架

在这里插入图片描述

在这里插入图片描述

Regression

在这里插入图片描述

以代码实例操作梯度下降，该实例采用线性模型，未正则化

在这里插入图片描述

分析error的来源

在这里插入图片描述

怎么知道error是bias大，还是variance大？以及对策

在这里插入图片描述

在这里插入图片描述

Model selection

注意数据分为了三类，

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

N-flod Cross Validation

在这里插入图片描述

文献研究学习记录

前言

在这里插入图片描述

具体的例子展示了训练逆设计神经网络的困难

在这里插入图片描述

全连接神经网络来验证

在这里插入图片描述

串联网络

在这里插入图片描述

伤心男孩改变世界

关注

1
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
机器学习在光学和声学的应用【系列】——第二篇机器学习误差来源分析与inverse design分析

机器学习在光学和声学的应用第二篇机器学习误差来源分析与inverse design分析提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录**机器学习在光学和声学的应用**机器学习记录机器学习总框架Regression以代码实例操作梯度下降，该实例采用线性模型，未正则化分析error的来源怎么知道error是bias大，还是variance大？以及对策Model selectionN-flod Cross Validation文献研究学习记录前言具体的例子展示了训练逆设计神经网
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。