![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
笔记
文章平均质量分 72
奶茶晶
这个作者很懒,什么都没留下…
展开
-
循环神经网络RNN
循环神经网络(Recurrent Neural Network)RNN训练算法 - BPTT长短时记忆网络其他经典的循环神经网络循环神经网络的主要应用循环神经网络是一种人工神经网络,它的节点间的连接形成一个遵循时间序列的有向图,它的核心思想是,样本间存在顺序关系,每个样本和它之前的样本存在关联。通过神经网络在时序上的展开,我们能够找到样本之间的序列相关性。下面给出RNN的一般结构:其中各个符号的表示:xt,st,ot分别表示的是t时刻的输入、记忆和输出,U,V,W是RNN的连接权重,bs,bo 是原创 2021-12-01 19:55:25 · 680 阅读 · 1 评论 -
【无标题】datawhale-cnn
卷积神经网络CNN卷积卷积神经网络基本原理激活函数池化层全连接层输出层卷积神经网络的训练经典卷积神经网络主要应用全连接神经网络,它的权重矩阵的参数非常多。卷积神经网络也是一种前馈神经网络,是受到生物学上感受野(感受野主要是指听觉系统、本体感觉系统和视觉系统中神经元的一些性质)的机制而提出的(在视觉神经系统中,一个神经元的感受野是指视网膜上的特定区域,只有这个区域内的刺激才能够激活该神经元)。卷积卷积:(f**g*)(n)成为 ff 和 gg 的卷积,连续卷积和离散卷积可以表达为如下形式:卷积的结果原创 2021-11-27 17:40:42 · 1879 阅读 · 0 评论 -
datawhale-前馈神经网络
@TOC神经元模型神经元(M-P)神经元M-P模型:接收n个神经元的输入信号,经加权求和,将求和结果与阈值(threshold) θ 比较,然后经过激活函数处理,得到神经元的输出。模型:取反运算可以用单输入单输出模型表示,即如果输入为0则输出1,如果输入为1则输出0。由M-P模型的运算规则可得 w = -2, θ = -1逻辑或与逻辑与运算可以用双输入单输出模型表示。以逻辑与运算为例, w_1=1,w_2=1, θ =1.5.网络结构人工神经网络由神经元模型构成,这种由许多神经元组原创 2021-11-23 15:47:38 · 265 阅读 · 0 评论 -
机器学习基础
这里写自定义目录标题机器学习基础基本概念数据集误差分析泛化误差分析交叉验证有监督学习线性回归逻辑回归支持向量机决策树随机森林无监督学习聚类降维机器学习基础基本概念定义:机器学习是指让计算机具有像人一样的学习和思考能力的技术的总称。具体来说是从已知数据中获得规律,并利用规律对未知数据进行预测的技术。机器学习分类:有监督学习(SupervisedLearning):有标签有数据,学习已有标签的数据,来对数据进行预测。代表任务分类和回归。无监督学习(UnsupervisedLearning):没有标原创 2021-11-19 16:30:38 · 475 阅读 · 0 评论 -
Datawhale--深度学习绪论与数学基础
人工智能定义:利用数字计算机或者数字计算机控制的机器模拟、延伸 和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理 论、方法、技术及应用系统。个人浅定义:让计算机机器模拟能到学习跟人一样掌握某种技能。类似于弱人工智能。如果让计算机跟人类一样具有自主 的情感,具有自主意识。那么可以理解为强人工智能。如果出现像钢铁侠这种的,智能化超过人类的,超级人工智能。弱人工智能:认为不可能制造出能真正进行推理和解决问题的智能机器,这些机器只是看起来是智能的,其没有自主意识。强人工智能:认为有可能制造出真正能原创 2021-11-17 20:58:18 · 792 阅读 · 0 评论 -
TASK 05 网络设计技巧
这节的学习内容主要讲了在深度学习背后的一些技术,主要是网络设计的一切技巧,主要有以下内容:在做Optimization的时候,如何把Gradient Descent 做得更好?Critical point、local minima、saddle point这些名词的含义,区别以及处理方法。Batch的实际应用方法,以及large batch和small batch各自的优劣势;为了克服传统Gradient descent的不足,提出的momentum方法;Error surface可能遇到的一些问原创 2021-09-04 22:52:38 · 64 阅读 · 0 评论 -
Task04深度学习介绍和反向传播机制
深度学习的三个步骤Step1:神经网络(Neural network)Step2:模型评估(Goodness of function)Step3:选择最优函数(Pick best function)在这里插入图片描述step1:神经网络神经网络(Neural network)里面的节点,类似我们的神经元。神经网络也可以有很多不同的连接方式,这样就会产生不同的结构(structure)在这个神经网络里面,我们有很多逻辑回归函数,其中每个逻辑回归都有自己的权重和自己的偏差,这些权重和偏差就是参数。原创 2021-08-23 10:11:55 · 68 阅读 · 0 评论 -
Task02 P3-P4:回归
一、回归的定义有特征输入input ,通过function,得到一个输出数值。 如:自动驾驶:输入各个特征:车上sensor的数据、车况、车距等 输出方向盘的角度二、创建模型模型步骤:step1:模型假设,选择模型框架(线性模型)step2:模型评估,如何判断众多模型的好坏(损失函数)step3:模型优化,如何筛选最优的模型(梯度下降)在坐标轴上: 如图:红色区域代表loss 较大,蓝色区域代表loss较小。 -----步骤优化:如果需要考虑更多的因素,那么就需要加原创 2021-08-18 22:15:48 · 63 阅读 · 0 评论 -
2021-08-16
TASK01 P1-2:机器学习介绍机器学习介绍机器学习,即让机器具有学习的能力。运用机器学习的手段,达到我们未来想要的人工智慧。而深度学习则是机器学习中的一个方法。机器学习目的学习机器学习,其实就是让机器能够自主学习。当我们编写一段代码之后,机器人能够有学习的能力,接下来完善程序使机器能够有自主学习的能力。例如,如果你希望他学会怎么做影像辨识,你只是需要下告诉它:看到这张图片,你要说这是猴子;看到这张图片,然后说是猫;看到这张图片,可以说是狗。它具有影像辨识的能力,接下来看到它之前没有看过的猫,希原创 2021-08-16 22:21:59 · 46 阅读 · 0 评论 -
2021-07-13
这里写自定义目录标题第一章 绪论1.1 机器学习定义1.2 基本术语1.3 假设空间1.5 机器学习发展历程1.6 应用现状第二章 模型评估与选择2.1 经验误差与过拟合2.2 评估方法2.3 性能度量第一章 绪论1.1 机器学习定义机器学习所研究的主要内容,是关于在就死算计上从数据中心产生“模型”(Model)的算法,即“学习算法”(Learning Algorithm)。研究怎样模拟或实现人类行为以获取新的知识或技能。1.2 基本术语在这一节,我们以以下“西瓜数据集”表格作为例子来分析机器学原创 2021-07-13 19:23:04 · 161 阅读 · 0 评论 -
python
一.Python简介Python的历史1989年圣诞节:Guido von Rossum开始写Python语言的编译器。1991年2月:第一个Python编译器(同时也是解释器)诞生,它是用C语言实现的(后面),可以调用C语言的库函数。在最早的版本中,Python已经提供了对“类”,“函数”,“异常处理”等构造块的支持,还有对列表、字典等核心数据类型,同时支持以模块为基础来构造应用程序。1994年1月:Python 1.0正式发布。2000年10月16日:Python 2.0发布,增加了完整的垃圾原创 2020-07-22 19:11:23 · 189 阅读 · 0 评论