2014(马年)学年总结


l 2014.2.14

小学同学几个小聚,通过关系网通讯录又多个几个小伙伴,一起在大年正月逛街八卦回忆,印象最深的就是晚上放孔明灯。


l 2014.2.25

继续在小哥(目前已签百度)、详哥(和LZ一级)带领下,参与Mobisys实验室无线频谱项目,虽然一直在打酱油,但是跟着两位大牛也或多或少学习了一点,怪就怪这个项目不好,有点小坑。


l 2014.3.12

可能是今年最大的收获吧,认识了一位美女,也凭借LZ的智慧成功追成为了女朋友。学年刚开始,学业略放松,整天LOL,女朋友管教下,戒掉了LOL


l 2014.3.16

实验室大两级的师兄师姐们,毕业了,参与毕业答辩,毕业真人CS欢送,领略了师兄师姐们成功的校招经历,各种BAT offer,羡慕有加。


l 2014.4.01

开始自己学习移动开发,学习Android编程,和几个好伙伴一起开发APP准备参加比赛,“西电摇摇”雏形诞生。


l 2014.5.01

被导师安排跟着小哥学习OpenWrt知识,算是打了一个很大的酱油。期间也和好伙伴们一起接外包公司的私活,虽然被骗的很惨,但是算是学习教训了。


l 2014.6.21

和两位富帅舍友(C vs H)以及女朋友一起观看了西安恒大音乐节,见到了吉克隽逸、朴树、大张伟等明星,算是第一次看大场面的明星真人秀吧,还有亲近的人一起玩,太阳好晒,但是很爽。


l 2014.7.01

萌生了建立自己csdn博客的想法,开始在csdn上编写自己的学习点滴。


l 2014.9.20

停掉了手中拖延很久的智能家居项目,被导师安排到呼叫中心FreeLink项目组,开始StatSvr端的开发,从事Redis的学习,算是个好项目吧。虽然进展很慢,但是学到了很多。


l 2014.10.01

和两位舍友(C vs H)还有黄姐开车去甘肃,十一5日游,麦积山石窟、李氏发源地、崆峒山等,算是第一次出陕西玩吧(LZ很宅的),很难忘。


l 2014.11.01

NutShell团队开发手机APPSoFun(原来的“西电摇摇”),参加了第三届“华创杯”,第二届“嘉曦杯”,第二十六届“星火杯”,“华创杯”无缘决赛,“星火杯”二等奖到“嘉曦杯”一等奖,过程煎熬,也有成功后的喜悦。正装出席了“嘉曦杯”颁奖盛典,小伙伴们见识了高逼格的颁奖盛典。


l 2014.11.30

NutShell团队开发基于北斗&GPS一体定位系统,参加第一届“金控杯”,只入围到决赛优秀奖,很可惜。


l 2014.12.09

实验室欢送大一级的师兄师姐们,这级的师兄师姐们和我们感情深厚,有点舍不得,阿里支付宝的凯哥、腾讯qq的张大师、百度搜索的小哥等,永远记得你们,多向你们学习。


l 2015.1.31

跟随导师,项目组长详哥,还有师弟师妹,一行5人,应邀出席上海易谷网络公司的年会,免费西安上海双飞,四星半级酒店,三日上海游,一群屌丝如陈焕生进城一般,期间有年会无正装被领导训话的尴尬,有意思也长了见识。


l 2015.2.10

NutShell团队可爱的SoFun,参加了上海Avazu程序设计竞赛,成功入围决赛6支队伍,准备羊年年后的决赛答辩。


l 2015.2.13

年前搬入新家,爸妈终于住到舒服的新家,感到好幸福。羊年希望家里人生活的更好。

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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