- 博客(4)
- 收藏
- 关注
RSS订阅原创 NLP与RNN
词嵌入：是一种将词汇表中的单词映射到低维连续向量空间的技术。在词嵌入中，相似含义的单词在向量空间中会更加接近，而不同含义的单词则会有一定的距离。RNN误差反传：RNN误差反向传播是用于优化循环神经网络（RNN）参数的方法，通过计算模型输出与目标值之间的误差，并将误差通过时间展开的方式沿时间步传播，然后利用梯度下降算法更新参数。将数据中的原始特征转换成机器学习算法更易于处理的形式的过程，如自然语言训练使用的预处理转换方式如词袋模型、TF-IDF、词嵌入等，以便模型能够有效学习和预测文本数据。
2024-05-19 18:39:57
226
原创 神经网络与深度学习(3)
曲线越靠近右上角，代表模型的性能越好，即在保持较高的准确率的同时，也能保持较高的召回率。卷积层通过不同大小的卷积核和步长来提取图像的局部特征，每个卷积层后通常会跟一个激活函数，yolov1的backbone使用的主干为Darknet19。最后是全连接层和输出层，用于整合之前卷积层提取的特征，并最终输出预测结果，输出层用于根据全连接层的输出，得到一个7x7x30的输出张量。同时YOLO的定位置信度是根据包围框的IOU计算的，而输出的置信度为是物体的概率与分类置信度，二者并不相同。没有考虑全局上下文信息；
2024-05-19 07:27:52
855
原创 神经网络与深度学习
1989年，Yann LeCun 等人提出了卷积神经网络（Convolutional Neural Network，ConvNet），也称为卷积网络（Convolutional Network），这对神经网络领域产生了重大影响。如果每一个神经元都连接到上一层的所有神经元（除输入层外），则成为全连接网络（Fully Connected Neural Network）。正是全连接网络的此特性，对复杂数据集的处理造成了巨大的困扰，存在需要拟合的参数过多不好优化，也容易导致过拟合问题，同时忽略像素之间的空间信息。
2024-05-19 07:16:07
200
原创 【无标题】
多层感知机是一种多层前馈网络，由多层神经网络构成，每层网络将输出传递给下一层网络。神经元间的权值连接仅出现在相邻层之间，不出现在其他位置。如果每一个神经元都连接到上一层的所有神经元（除输入层外），则成为全连接网络多层前馈网络的反向传播 （BP）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。网络结构：见图，𝐮（或𝐱 ）、𝐲是网络的输入、输出向量，神经元用节点表示，网络由输入层、隐层和输出层节点组成，隐层可一层，也可多层（图中是单隐层），前层至后层节点通过权联接。
2024-04-01 19:32:49
295
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