- 博客(6)
- 收藏
- 关注
原创 Task 6 李宏毅机器学习——卷积神经网络
CNN(卷积神经网络)常被用在影像处理上,可以简化网络的架构输入是一张用像素表示出来的图片使用CNN处理图像识别的原因1.一个特征对于整个图像来说可能很小,因此只要看图片的一部分即可2.同样的特征可能出现在图片的不同部分,因为他们想实现的功能都相同,因此可以使用相同的参数,尽管是识别在不同位置上的特征(pattern)3.对图片进行下采样(subsample)不会改变辨识的对象,而能使图片变小,可减少使用的参数CNN的整体架构input--convolution--max
2021-07-23 22:54:53 283
原创 Task 5 李宏毅机器学习——类神经网络训练
使optimization卡住的原因1)局部最小2)卡在了鞍点(saddle point)此处微分也为0当训练卡住的时候,是否能知道是卡在局部最小还是鞍点局部最小边上没路可走 鞍点附近有路可走,即有办法再调整泰勒级数近似g是个向量,里面放的是一次微分h是个矩阵,里面放的是二次微分当到了关键点时,第二项为0,因为被卡住的点的一次微分为0,g为0根据第三项(红框中)来判断到底是哪种点算h矩阵的正负,根据正负来判断是哪种点例子:沿着特征向
2021-07-20 20:16:54 200
原创 Task 4 李宏毅机器学习——深度学习
深度学习的三个步骤1.define a set of function——该function即神经网络2.goodness of function3.pick the best function神经网络的连接方式不同代表了不同的functionfully connect feedforward network(全连接前馈网络)输入是一组向量,输出也是一组向量一个网络如果已经设好了参数,就是一个function如果仅仅是定义好了这个网络的结构(节点的连接方式),而没有设好参
2021-07-18 19:32:56 180
原创 Task 3 李宏毅机器学习——梯度下降
1、误差从哪里来Bias Variance从实际的训练数据中寻找出f*F hat则是最佳的function,能实际准确得到y的functionf*是对f hat的一个估计,两者还是有差距模型简单的时候bias大,variance小,function space可能都没有包含目标function而模型复杂的时候variance大,bias小,function space也较大,更可能包含目标function随着模型的bias造成的error逐渐下降variance造成的
2021-07-16 20:57:21 133
原创 Task 2 李宏毅机器学习——回归
回归回归的应用:股票市场预测——预测明天的道琼斯工业指数 自动驾驶汽车——input:censor看到的 output:方向盘的角度(scalar)推荐系统——找一个functioninput:使用者A 商品Boutput:使用者A购买商品B的可能性预测宝可梦的CP值(战斗力)找一个function :输入是某一只宝可梦相关的信息 输出就是宝可梦的进化后CP值输入信息包括:种类、生命值、进化前cp值、重量、高度Step 1:model公式:y...
2021-07-14 20:09:04 150
原创 Task 1 李宏毅机器学习-机器学习介绍
机器学习的应用领域:语言辨识 图像识别 象棋 对话系统机器学习目的找出一个function机器学习的过程:(supervised 有监督的)Collect a set of function——model 训练集训练数据 根据训练资料判断function的好坏——挑出最好的function:(训练的过程 即training)验证function的好坏,输入一只机器没见过的猫,希望机器能自动识别它是猫(测试的过程testing)过程总结:1、确定一个function set.
2021-07-12 22:57:19 61
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