机器学习-深度学习-神经网络(一）

最新推荐文章于 2024-06-12 08:36:39 发布
最新推荐文章于 2024-06-12 08:36:39 发布
阅读量185 收藏
点赞数
分类专栏： 深度学习 文章标签： 深度学习 机器学习 神经网络
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_50247958/article/details/129243753
版权

机器学习实战

Scikit-Learn

Scikit-Learn非常易于使用，它有效地实现了许多机器学习算法，因此成为学习机器学习的重要切入点。
在这里插入图片描述

TensorFlow

·TensorFlow是用于分布式数值计算的更复杂的库。通过将计算分布在数百个GPU（图形处理单元）服务器上，它可以有效地训练和运行大型神经网络。TensorFlow（TF）是由Google创建的，并支持许多大型机器学习应用程序。

一、机器学习

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
深度学习也是按照这个流程，只不过用的是神经网络！

二、深度学习

1、人工神经网络（ANN）

在这里插入图片描述

2、感知器

感知器是最简单的ANN架构之一。

它基于稍微不同的人工神经元（见图10-4），称为阈值逻辑单元（TLU），有时也称为线性阈值单元（LTU）。输入和输出是数字（而不是二进制开/关值），并且每个输入连接都与权重相关联。TLU计算其输入的加权和（z=w1x1+w2x2+…+wnxn=xTw），然后将阶跃函数应用于该和并输出结果：hw（x）=step（z），其中z=xTw。
在这里插入图片描述

3、计算机视觉

在这里插入图片描述
0-255 值越小，图像越暗（黑色）
3001003–长* 宽 * 颜色通道（RGB）

4、K近邻

在这里插入图片描述
K近邻算法不能分清主体，而是将背景相似的归为一类
因为K近邻算法是根据对应两点像数的差值分类的。

5、神经网络

（1）线性函数/得分函数

在这里插入图片描述
解释：每个特征x对应的权重W—得分
在这里插入图片描述
理解：10表示类别，有几类，x表示有几个像数点。相当于y=kx+b
其中W占主导，b是微调。
示例：
在这里插入图片描述

（3）损失函数

在这里插入图片描述
+1相当于+🔺，差值超过1，认为无损失
在这里插入图片描述

(3)Softmax分类器

在这里插入图片描述
分类过程：输入数据----通过得分函数得到得分值—做一个e的x次幂的映射，扩大差距—进行归一化（即求概率）—通过对数函数求损失（越接近1损失越小，接近0损失大）
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
梯度是一步一步传的。

神经网络的整体架构

在这里插入图片描述
input layer: 输入数据的特征数
hidden layer 1:隐层1，对原始特征进行一个变换，使得数据更能让计算机识别
连接的线是一个3*4的权重参数矩阵。—特征提取

理论情况下，神经元越多分类越准确，但是存在过拟合问题。
过拟合：判断非常准确，不好判断出样本中那些可能异常的点，强行区分出来。过拟合导致泛化能力比较弱。惩罚力度越小，越过拟合。尽可能在不过拟合的情况下做好。
梯度：矩阵的导数。梯度为0，不进行更新、传播。
激活函数：Sigmoid、Relu

799星辰
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【机器学习】——神经网络与深度学习
weixin_51658186的博客
06-15 5617
设有P个样本，我们不知道它们实际上应该分成多少类，为保险起见，可假设M=P（P个样本分成P类），这样，当N
写给人类的机器学习 四、神经网络和深度学习
热门推荐
龙哥盟
10-18 3万+
四、神经网络和深度学习 原文：Machine Learning for Humans, Part 4: Neural Networks & Deep Learning 作者：Vishal Maini 译者：飞龙 协议：CC BY-NC-SA 4.0 深度神经网络的工作地点、原因和方式。从大脑中获取灵感。卷积神经网络（CNN）和循环神经网络（RNN）。真实世
人工智能——机器学习——神经网络（深度学习）
最新发布
xiao77224li的博客
06-12 2770
人工智能是让机器获得像人类一样具有思考和推理机制的智能技术，这一概念最早出现在 1956 年召开的达特茅斯会议上。其中深度学习可以理解为神经网络。刚开始只有神经网络的概念，随着神经网络的层数增加，就逐渐将神经网络叫做深度学习。神经网络的发展历程大致分为浅层神经网络阶段和深度学习阶段。
你需要了解深度学习和神经网络这项技术吗？
weixin_33875839的博客
09-23 244
有一次，我和Vito（我的合伙人）聊起了当下热门的几种技术趋势。当谈及它们在未来可能的发展前景的时候，Vito说了下面的一段话： 人工智能是个信息革命到蒸汽机规模之间的机会，相比之下虚拟现实应该是移动互联网级别的，而用户个性化服务应该是伴生规模的。 如果人工智能技术带来的变革确实能够比拟工业革命的话，那么它势必会成就一代人，同时也淘汰掉一代人。而且，仔细想想，其实人工智能离我们并不遥远，甚至可...
机器学习-->深度学习-->人工神经网络
村头陶员外的博客
05-07 2330
这篇博文将详细介绍人工神经网络内部原理及其纯底层代码的详细实现。首先来聊聊什么是神经网络？ 神经网络结构大致如下： 它的最底层可以看成从逻辑回归到神经元的[感知机] 上面得出的a是介于0到1之内的值，可以作为预测值的概率值，也可以给定一个阈值，来判定得出的是正样本还是负样本。然后添加少量隐藏层=>浅层神经网络 增加中间层==>深度神经网络(DNN) 在分类问题上，传统的分类方法例如
机器学习-卷积神经网络
05-05
机器学习是人工智能领域中的一种主要技术，卷积神经网络（Convolutional Neural Network，CNN）是机器学习中的一种深度学习算法。卷积神经网络是为图像识别和信号处理而设计的，具有广泛的应用前景。 卷积神经网络...
神经网络与深度学习3小时PPT-邱锡鹏
11-25
本资源摘要信息涵盖了神经网络与深度学习的基础概念、机器学习、神经网络类型、优化方法、泛化错误、PAC学习理论等方面的知识点。 机器学习概述 机器学习是人工智能的一个分支，旨在让机器具有人类的智能，包括...
机器学习-深度学习pdf
06-07
掌握感知机的基本原理，熟悉前馈神经网络的特征以及反向传播的思想。 熟悉Sigmoid、Tanh、ReLU、LReLU等激活函数的特点及应用。 熟悉卷积神经网络的基本结构以及局部连接和权重共享等特点，掌握卷积、池化操作。 ...
机器学习-神经网络（neural networks）.txt
05-16
机器学习——神经网络（neural networks）机器学习——神经网络（neural networks）机器学习——神经网络（neural networks）机器学习——神经网络（neural networks）机器学习——神经网络（neural networks）机器...
机器学习--利用卷积神经网络进行鸟类识别-代码
04-14
机器学习–利用卷积神经网络进行鸟类识别 具体解析请看链接： https://blog.csdn.net/weixin_44602933/article/details/116547300?spm=1001.2014.3001.5502
深度学习和机器学习的区别
weixin_42630853的博客
10-12 5271
最近在听深度学习的课，老师提了一个基本的问题：为什么会出现深度学习？或者说传统的机器学习有什么问题。老师讲解的时候一带而过，什么维度灾难啊之类的，可能觉得这个问题太浅显了吧(|| Д)````不过我发现自己确实还不太明白，于是Google了一下，发现一篇很棒的科普文，这里翻译一下，分享给大家：翻译自文章：https://www.analyticsvidhya.com/blog/2017/04/comparison-between-deep-learning-machine-learning/ 一、机器学习
机器学习算法汇总：人工神经网络、深度学习及其它
Ontheway的博客
03-02 666
摘要：机器学习无疑是当前数据分析领域的一个热点内容。很多人在平时的工作中都或多或少会用到机器学习的算法。这里我们将为您总结一下常见的机器学习算法，以供您在工作和学习中参考。 【编者按】机器学习的算法很多。很多时候困惑人们都是，很多算法是一类算法，而有些算法又是从其他算法中延伸出来的。这里，我们从两个方面来给大家介绍，第一个方面是学习的方式，第二个方面是算法的类似性。 学习方式
Python+Matlab+机器学习+深度神经网络全套学习资料！
yatou2016的博客
04-16 4355
作为一个在科技界混的小编，为了能够在这道路上不被自己的老板嫌弃，我们必须尽力去自学一系列以后可能用到的技能来武装自己。而在人工智能领域现阶段神经网络，机器学习，深度学习充斥在我们的生活之中，不了解一二真的都不太好意思说自己是这行业内的人了……但是在自学的过程中，总是会碰到各种各样的难题，比如从零开始学习，不知道从何入手，找了本教材发现第二章开始就看不懂了；缺少基础知识，被一些教程略过的“常识性”问...
机器学习、深度学习、神经网络还傻傻分不清吗？
王青宇的博客
03-18 3万+
目录 一.人工智能、机器学习、深度学习、神经网络是什么 二.机器学习的分类 一.人工智能、机器学习、深度学习、神经网络是什么 简单来说，人工智能的概念是最大最空的；机器学习其次，它是实现人工智能的一个重要途径；深度学习是机器学习中的一类方法，而深度学习是从神经网络基础上发展得到的，核心还是人工神经网络算法，最基本的算法没有变。 1.人工智能：可以像人类大脑一样思考的机器，拥有人类的智慧。 科学家对AI未来的发展畅想了三个阶段，我们目前处于弱人工智能阶段，正在探索强人工智能...
深度学习和神经网络——第二周笔记
魂小猫的博客
09-18 1257
逻辑回归的损失函数： J（θ）=-(ylogy^+(1-y)log（1-y^）) ，（这里省略了连加求和，事实上这是loss function） 当y=1时，J（θ）=-logy^,为了使得J（θ）更接近0，我们需要使得y^更接近于1，由于y^是在sigmoid函数作用之后得来的，它最大不会超过1，所以我们需要使y^尽可能的大。 同理，y=0时，J(θ)=-log(1-y^)，所以为了使得J
什么是神经网络和机器学习？【云驻共创】
一键难忘的博客
04-17 2389
机器学习是一门多领域交叉学科，涉及统计学、数据分析、概率论、计算机科学等多门学科，它的目标是通过研究利用数据和算法来模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断地改善自身的性能。无论是在工业生产中的质量控制，医学影像的分析，还是在智能驾驶中的环境感知，神经网络和机器学习技术都发挥着不可或缺的作用，为解决现实世界中的复杂问题提供了强大的工具和方法。此外，深度学习作为神经网络的一个分支，通过多层次的表示学习来提高模型的性能，已成为机器学习领域的热门研究方向之一。
机器学习————神经网络
weixin_41460135的博客
08-19 243
文章目录神经网络神经网络的介绍神经元感知器与神经网络线性阈值单元LTU一个神经元的数学表示一层神经网络的数学表示神经网络的TF-IDF激活函数为什么需要非线性激活函数如何训练神经网络反向传播的理解计算图计算图的导数神经网络的梯度下降神经网络的传播过程的公式推导总结 神经网络 神经网络的介绍 神经网络是为了模拟人的大脑 神经网络起源于1943年，A Logical Calculus of Ideas...
[机器学习实战] 阅读第十章
枪枪枪的博客
05-20 834
文章目录人工神经网络（ANN）从生物神经元到人工神经元生物神经元具有神经元的逻辑计算感知器公式10-1：感知器中常见的阶跃函数公式10-2：感知器学习规则（权重更新）感知器收敛定理 人工神经网络（ANN） 人工神经网络是深度学习的核心中的核心。它们通用、强大、可扩展，使得它成为解决大型和高度复杂的机器学习任务的理想选择。 通过第一个ANN架构的快速教程来介绍人工神经网络。 多层感知器（MLP） 从...
机器学习深度解析：神经网络与统计学习
文档虽然未提供完整内容，但足以揭示机器学习和神经网络的广泛性和深度，它们在现代科技中的重要性不言而喻，从数据挖掘到自然语言处理，从生物特征识别到金融市场分析，都离不开这些理论和技术。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值