机器学习笔记
文章平均质量分 93
自己写的笔记
数学系的学渣
这个作者很懒,什么都没留下…
展开
-
图神经网络(GNN)
原文链接原文有作者写的playground,并且网页上的图很多具有互动性,推荐大家去玩一下~~~图的几个属性图一共有三个部分:节点(node)、边(edge)、全局(global)每个结点我们都用一个embedding来编码,具体如何实现的,暂时还不清楚,现在我们先假设已经对整个图进行了编码。图信息的存储图的几类信息需要表示:nodes V, edges E, global-context U and connectivity,其中V, E, U已经用embedding向量表示出来了,主要原创 2021-11-19 14:14:00 · 1827 阅读 · 0 评论 -
Back Propagation
介绍首先我们优化参数是通过梯度下降法来更新参数的,即 θnew=θold−α∂L(θ)∂θold\theta_{new}=\theta_{old}-\alpha \frac{\partial L(\theta)}{\partial \theta_{old}}θnew=θold−α∂θold∂L(θ) ,对于我们定义的L(Loss Function)如何简单的求解它的 ∂L(θ)∂θold\frac{\partial L(\theta)}{\partial \theta_{old}}∂θold∂L原创 2021-09-25 15:19:16 · 184 阅读 · 2 评论 -
机器学习和深度学习简介
机器学习(ML)机器学习大致分为三个步骤:写出一个含有未知数(参数)的函数,一般来说这个函数是用来估计真实值的定义一个Loss Function,代入训练样本,输出与真实值的误差Loss优化,找到一组参数,使得Loss的值最小深度学习(DL)Q:如何找到一个函数取拟合任意的分段线性曲线(Piecewise Linear Curves)?我们用sigmoid函数去代替上图的类S型折线然后我们可以通过改变sigmoid function里面的w、b、c来分别使函数有不同的斜率、或者平移原创 2021-09-13 23:21:50 · 223 阅读 · 0 评论