- 博客(4)
- 收藏
- 关注
原创 神经网络与深度学习课程作业(四):循环神经网络与NLP
假设一个交易员想在当日的股市中表现良好,于是通过以下途径预测(1)第一种策略:随着观测,时间序列越来越差了,过去太久的数据不必要,因此:在时,当下获得的参数数量是不变的,使得我们能够训练一个深度网络。这种模型被称为(autoregressive models),因为它们是对自己执行回归。(2)第二种策略:保留一些对过去观测的总结,并且同时更新预测和总结。这就产生了基于估计,以及公式更新的模型。由于从未被观测到,这类模型也被称为。
2024-04-28 22:08:19
720
原创 神经网络与深度学习课堂作业(三):深度学习视觉应用
(True Positive):被地划分为的个数,即实际为正例、且被分类器划分为正例的实例数;(False Positive):被地划分为的个数,即实际为负例、但被分类器划分为正例的实例数;(False Negative):被地划分为的个数,即实际为正例、但被分类器划分为负例的实例数;(True Negative):被地划分为的个数,即实际为负例、且被分类器划分为负例的实例数;(精确率,Precision):,标识“挑剔”的程度;(召回率,Recall):,标识“通过”的程度,召回率越高,准确度越低;
2024-04-22 17:27:07
891
原创 神经网络与深度学习课堂作业(二):卷积神经网络基础
全连接网络:链接权过多,算的慢,难收敛,同时可能进入局部极小值,也容易产生过拟合问题。如,输入为10001000图像,隐含层有1M个节点,则输入到隐含层间有数量级参数。解决难收敛、算的慢问题:减少权值连接,每一个节点只连到上一层的少数神经元,即局部连接网络。解决思路:信息分层处理,每一层在上层提取特征的基础上获取进行再处理,得到更高级别的特征。
2024-04-08 12:00:58
616
原创 神经网络与深度学习课堂作业(一):线性分类与BP神经网络
定义:线性分类器透过特征的线性组合来做出分类决定,简言之,样本通过直线(或超平面)可分,如下图所示线性分类器输入:特征向量输出:哪一类。如果是二分类问题,则为0和1,或者是属于某类的概率,即0-1之间的数。
2024-04-01 11:26:46
292
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