- 博客(8)
- 收藏
- 关注
RSS订阅原创 u-net论文
Krizhevsky等人的突破是由于在具有100万张训练图像的ImageNet数据集上对具有8层和数百万个参数的大型网络进行监督训练。从那以后，更大更深入的神经网络得到了训练。卷积网络的典型应用是分类，其中图像的输出是单个标签，在许多视觉任务中，特别是在生物医学图像领域，需要对图像的每个像素分配标签，但是在生物医学任务中，很难获得大量的训练图像。Ciresan等人，在滑动窗口设置中训练了一个网络，通过以像素周围的局部区域(patch)作为出入来预测每个像素的类标签。
2023-10-25 15:19:41
69
1
原创 机器学习-CNN
L层卷积层：: filter的大小表示通道数表示 filter的大小其中若计算结果不是整数，则向下取整（2.52）。若用表示表示则：表示L层的输入，表示L层的输出，L+1层的输入，g(x)为激活函数，“ * ” 为卷积运算。2. Pooling layer （池化层--POOL）这里里面没有参数需要我们学习，因为这里里面的参数都是我们设置好了，要么是Maxpooling，要么是Averagepooling。需要指定的超参数，包括是Max还是average，窗口大小以及步长。
2023-08-01 15:21:24
94
原创 机器学习-逻辑回归
逻辑回归属于线性分类器，通过Logistic函数(Sigmoid函数)，将数据特征映射到0～1区间的一个概率值（样本属于正例的可能性），通过与0.5的比对得出数据所属的分类。主要应用于二分类。逻辑回归主要功能是，找到决策边界逻辑回归相当于线性回归与sigmoid函数的结合。
2023-07-06 11:00:03
79
1
原创 机器学习-BP-神经网络
1.非线性2.非局限性（例子：联想记忆）3.非常定性 （自适应，自学习能力，自组织)4.非凸性（有多个极值-多个稳定的平衡态-系统演化的多样性）
2023-07-04 21:34:26
153
原创 机器学习- 一元线性回归
②、误差平方和（SSE)： 该名称定义为“各个（y的实际值与 通过最佳拟合线得出的y的预测值 的差值）²的和“① 、一元线性回归是分析只有一个自变量线性相关关系的方法，此处可以理解为：线性回归法是一种求。，目标是让模型以最小化平方误差的方式来预测未知房屋的价格。y=a+bx 的数学方法（也叫“最小二乘回归法”）。步骤 1：计算当前模型的预测值和实际值之间的误差。因此，本例子在第一轮迭代之后，更新后的参数值为。不断迭代直到损失函数的值小于所规定的。求出每次迭代后的损失函数的值。步骤3：使用梯度更新参数。
2023-06-15 12:24:27
257
2
原创 机器学习-梯度下降
参数变化量小于一定阈值：设置一个小于某个阈值的参数变化量，当算法参数变化量小于该值时，停止迭代。目标函数值小于一定阈值：设置一个小于某个阈值的目标函数值，当算法迭代到该值时，停止迭代。梯度下降目的是找到目标函数最小化时的取值所对应的自变量的值，目的是为了找自变量X。梯度值小于一定阈值：设置一个小于某个阈值的梯度值，当算法达到该梯度值时，停止迭代。第三步， 沿着第二步找到的方向走一小步，到达一个新的位置，此时的位置肯定比原来低。达到最大迭代次数：设置一个最大的迭代次数，在达到该次数后，算法停止迭代。
2023-06-10 17:18:28
118
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