- 博客(4)
- 收藏
- 关注
RSS订阅原创 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