- 博客(4)
- 收藏
- 关注
RSS订阅原创 神经网络与深度学习周总结（4）：深度学习视觉应用（2）+循环神经网络+语言-图片模型
风格迁移的定义为：两个不同域中图像的转换，具体来说就是提供一张风格图像，将任意一张图像转化为这个风格，并尽可能保留原图像的内容。风格代价函数即 神经网络各隐藏层输出激活项的含义，并进行相关性的计算。量化风格差异：风格矩阵：则公式为：则隐藏层l的风格代价函数为：则总体风格代价函数为：Transformer模型不同于传统的循环神经网络（RNN），Transformer完全依赖于注意力机制来绘制输入和输出之间的全局依赖关系，主要用于处理序列到序列的任务，如语言翻译。（1）编码器。
2024-04-29 20:47:27
893
原创 神经网络与深度学习周总结（3）：卷积神经网络基础（下）与深度学习视觉应用(1)
目标检测问题定义为：在给定的图片中精确找到物体所在位置，并标注出物体的类别。目标物体的尺寸变化范围可以很大，摆放物体的角度，姿态不定，而且可以出现在图片的任何地方，并且物体还可以是多个类别。语义分割定义为：找到同一画面中的不同类型目标区域，要求同一类型目标要分出来具体实例。
2024-04-20 21:08:35
1002
原创 神经网络与深度学习周总结（2）：卷积神经网络基础（上）
全连接网络具体结构如下图所示。此网络链接权过多，因此计算缓慢且难以收敛，同时可能进入局部极小值，也容易产生过拟合问题。为解决计算缓慢的问题，可以采用减少权值连接的方法，即每一个节点只连到上一层的少数神经元，此网络被称为局部连接网络，具体结构如下图所示。为解决计算缓慢及难收敛问题，可以进行信息分层处理，即每一层在上层提取特征的基础上进行再处理，以得到更高级别的特征。
2024-04-07 21:25:41
841
原创 神经网络与深度学习周总结（1）：线性分类与BP网络
线性分类的定义为：线性分类通过线性分类器进行，线性分类器则通过特征的线性组合来做出分类决定，将样本进行分类，以达到某种目的。简言之，样本通过直线（或超平面）可分。针对的问题若是二分类问题，则输出0和1，若是属于某类的概率，则输出0-1之间的数。每个参数的学习率各参数会缩放反比于其历史梯度平方值总和的平方根，即具有较大偏导的参数相应有一个较大的学习率，具有较小偏导的参数对应一个较小的学习率。但该算法的学习率是单调递减的，训练后期学习率过小会导致训练困难，甚至提前结束，因此需要设置一个全局的初始学习率。
2024-03-31 19:45:34
849
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人