![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
读书笔记
闪电.龟
热爱植物
展开
-
卷积神经网络——CNN(1)
CNN的目的是进行特征提取。 传统网络和CNN的差别:增加了卷积核的运算,CNN的目标就是得到最好的卷积核(参数),使得分类的结果最好。 步长的影响:步长小,细粒度,特征比较丰富;步长大,粗粒度,特征比较省略; 卷积核不一定是等长比如3*3; 尺寸的影响:是对区域的选择的不同; 边缘填充:边缘的点被计算的次数少,中间的点计算的次数更多。为了解决这个问题,在数据的边缘加一圈0,使得原来的边缘点成为非边缘点。此为padding。+0不会对最终的结果产生影响,因此为zero-padding 卷积核个数 ...原创 2022-03-14 12:44:56 · 1339 阅读 · 0 评论 -
Machine Learning(1-1)
机器学习的目的: 可以让数据变成知识。比如医院里的病例,收集这些病例,并对这些数据进行分析,可以得到一些有用的结论,也可以说是医疗知识。 采集的脑电信号,对这些数据进行分析,也可以得到一些有意思的结论,这些结论可以帮助我们理解大脑是如何运作的,最重要的是,可以帮助我们知道,大脑和外界是如何互动的,我们能怎样诱发大脑的改变,特别是情绪的改变。 人在什么状态下创造性最高?理解力最强?平静祥和,还是兴奋?如何积极的诱发大脑处于理想状态? ...原创 2022-03-14 11:09:59 · 66 阅读 · 0 评论 -
强化学习和有监督学习的差别
有监督学习,以输出和标签的差值,做为反馈,去修正系统的参数,从而收敛到到误差最小,为训练好的模型; 强化学习,只告诉系统输出的对和错,根据对错得到的奖励和惩罚来训练系统,得到收敛的模型。 有监督学习的结果是找到了对现有的知识最好的模型;而强化学习专注于在未知和现有数据之间找到一个最佳的平衡。 ...原创 2021-05-12 11:12:33 · 775 阅读 · 0 评论 -
读书笔记 AI超入门-关于深度学习
关于深度学习 深度学习源于感知机,增加偏差项,使得模型更一般化;多层感知机+ 改变“激活函数“实现微调得到神经网络,多层神经网络得到深度学习网络。 深度学习的学习精度很高,但原因不明,增加隐层可以提高分类精度,但原因不明。深度学习的另外一个难点是对数据数量要求很高。虽然并不是数据越多越好,但有一个最低限度。 深度学习的对象是模型(函数)的参数,和带参数的函数(模型)。 ...原创 2021-03-31 15:30:40 · 135 阅读 · 0 评论 -
读书笔记-AI 超入门-大西可奈子
上篇 认识AI 根据经常与未知事物(无相关信息)一同出现的已知事物(有相关信息)去推测未知事物的性质——人工智能经常使用的方法。 AI可以做预测(根据已知信息,加上自己的预测技术),重点在于主动判断,即不是单纯的IF语句实现的功能,而是可以根据已有的信息,来给出判断。比如,温度达到25°就关机的空调不是AI的,但是如果根据人离开就关机的空调可以算做AI空调,就是需要一些更复杂的判断。但AI技术也不是越复杂越好,而是可以辅助做一些预测行为。 分类是AI的强项,根据输入的已知信息,建立规则,进行分类。对于没有已原创 2021-03-31 10:53:37 · 169 阅读 · 0 评论