- 博客(4)
- 收藏
- 关注
RSS订阅原创 卷积神经网络
简而言之，卷积神经网络（Convolutional Neural Networks）是一种深度学习模型或类似于人工神经网络的多层感知器，常用来分析视觉图像。卷积神经网络的创始人是着名的计算机科学家Yann LeCun，目前在Facebook工作，他是第一个通过卷积神经网络在MNIST数据集上解决手写数字问题的人。如上图所示，卷积神经网络架构与常规人工神经网络架构非常相似，特别是在网络的最后一层，即全连接。此外，还注意到卷积神经网络能够接受多个特征图作为输入，而不是向量。
2023-11-06 14:06:13
54
原创 多层感知机总结
一般将MLP的第一层称为输入层，中间的层为隐藏层，最后一层为输出层。MLP并没有规定隐藏层的数量，因此可以根据实际处理需求选择合适的隐藏层层数，且对于隐藏层和输出层中每层神经元的个数也没有限制。激活函数（activation function）通过计算加权和并加上偏置来确定神经元是否应该被激活， 它们将输入信号转换为输出的可微运算。由于激活函数是深度学习的基础，下面简要介绍一些常见的激活函数。多层感知机（MLP）是一种前向结构的人工神经网络，包含输入层、输出层及多个隐藏层，3层感知机的神经网络图。
2023-11-03 14:07:38
42
原创 深度学习总结
然而，要想更好地应用深度学习算法，我们还需要解决一些技术难题，并在数据标注、计算资源等方面进行优化。另外，深度学习的训练需要大量的时间和计算资源，特别是在处理大规模数据集时。首先，深度学习的核心是神经网络。神经网络的层数越多，模型的复杂度就越高，可以提取更多抽象的特征。所以，使用深度学习算法需要有强大的计算资源支持，如高性能的图形处理器（GPU）和大容量的存储设备。而且，随着数据量的增加，模型的性能也会得到提升。深度学习是一种机器学习的方法，它通过模拟人类神经系统的工作原理来实现对大量数据的处理和分析。
2023-11-02 14:31:17
38
1
原创 机器学习个人学习总结
在机器学习中，数据是至关重要的，因此我学会了如何准备和清理数据，以便让算法更好地进行学习和预测。我学会了对数据进行特征选择、特征提取和特征变换，并结合交叉验证等技巧，对不同的特征组合进行评估和比较。总之，机器学习是一门广阔而有挑战的领域，通过学习和实践，我对机器学习有了更深入的认识和理解。我将继续不断学习和探索，提升自己在机器学习领域的能力，并将其应用于实际问题的解决中。通过不断地实践和探索，我对机器学习算法和模型有了更深入的理解，并且掌握了一些常用的机器学习工具和编程库。
2023-11-01 16:48:32
52
1
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