《深度学习》小笔记

机器学习、深度学习所需掌握的数学知识全都在这里了！

人工智能的基石是数学，没有数学基础科学的支持，人工智能很难行稳至远。—中国科学院院士、西安交通大学教授徐宗入行人工智能，所谓的门槛和挑战本质是你对数学知识的掌握程度。数学基础知识蕴含着处理智能问题的基本思想与方法，也是理解复杂算法的必备要素。今天的种种人工智能技术归根到底都建立在数学模型之上，要了解人工智能，首先要掌握必备的数学基础知识，具体来说包括：线性代数：如何将研究对象形式化？微积分：如何深
算法channel·2024-02-06 08:09

挑战杯 python+opencv+深度学习实现二维码识别

0前言优质竞赛项目系列，今天要分享的是python+opencv+深度学习实现二维码识别学长这里给一个题目综合评分(每项满分5分)难度系数：3分工作量：3分创新点：3分该项目较为新颖，适合作为竞赛课题方向
laafeer·2024-02-06 08:36

研究生研一学习机器学习ML、深度学习DL的规划

研究生学习机器学习ML、深度学习DL的规划保上研之后也没有很好规划自己的学习路线，看到b站上的一位清华博士讲述他本科也是机械，跨考计算机后的学习路线，所以记录下来，从现在开始按照规划来一点一点地做好。
Baily24·2024-02-06 08:36

机器学习（深度学习）路线

数学相关1.1微积分：深度学习需要掌握高数微积分的知识，例如基本的求导、偏导数、梯度概念资源：浙江大学微积分MIT微积分公开课[1]MIT微积分公开课[2]1.2线性代数：需要掌握矩阵乘法、特征值、特征向量等
bigcindy·2024-02-06 08:04

普通编程，机器学习与深度学习

表示学习：包含深度学习，通过输入由算法生成简单的特征，再逐层生成更加全局/抽象的特征，最后，通过一些数学原理对特征与输出的匹配模式进行学习，也就是更新相应的参数，从而使数学表达式能够更好的根
ALGORITHM LOL·2024-02-06 08:02

李沫动手学深度学习之2.1

本博文复现李沫动手学深度学习，网页链接在此，（第一版）【建议实操之前先通读一遍2.1章节的文档与本教程的文字说明】2.1.获取和运行本书的代码（完成）一些过程总结：（windows）（GPU）1、本人安装的是
一卒2018·2024-02-06 07:33

深度学习驱动下的自然语言处理进展及其应用前景

前言自然语言处理（NLP）是一项正在迅速发展的技术，它利用深度学习和大数据技术，让计算机能够更好地理解和生成人类语言。随着NLP的不断进步，我们对于计算机理解和应用语言的能力也取得了显著的提升。
想你依然心痛·2024-02-06 07:46

【NLP】 Word2Vec模型 & Doc2Vec模型

共同学习交流个人主页－Sonhhxg_柒的博客_CSDN博客欢迎各位→点赞+收藏⭐️+留言系列专栏-机器学习【ML】自然语言处理【NLP】深度学习【DL】foreword✔说明⇢本人讲解主要包括Python
Sonhhxg_柒·2024-02-06 07:15

【专业技术】高效并行分布式深度学习策略，助力模型训练与量化

我们是一家专注于提供高效深度学习解决方案的专业团队，为您提供并行分布式策略、高效精调策略、大模型无损量化和高性能推理服务。
路人与大师·2024-02-06 06:26

「深度学习」长短时记忆网络LSTM

一、经典模型\widetilde{c}^{}=tanh(w_{c}[a^{},x^{}]+b_{c})更新门：\Gamma_{u}=\sigma(w_{u}[a^{},x^{}]+b_{u})遗忘门：\Gamma_{f}=\sigma(w_{f}[a^{},x^{}]+b_{f})输出门：\Gamma_{o}=\sigma(w_{o}[a^{},x^{}]+b_{o})c^{}=\Gamma_{u
Sternstunden·2024-02-06 06:20

「深度学习」dropout 技术

一、工作原理1.正则化网络dropout将遍历网络的每一层，并设置消除神经网络中节点的概率。1.每个节点保留/消除的概率为0.5:2.消除节点：3.得到一个规模更小的神经网络：2.dropout技术最常用：反向随机失活"Inverteddropout"以三层网络(l=3)为例：keep-prob=0.8#保留某个隐藏单元的概率#生成随机矩阵，每个单元对应值为1的概率是0.8,用于决定第三层哪些元素
Sternstunden·2024-02-06 06:20

「深度学习」循环神经网络RNN

一、序列模型的例子二、数学符号定义X^{(i)}：训练样本i的输入序列的第t个元素。T_{X}^{i}：训练样本i的输入序列的长度。Y^{(i)}：训练样本i的输出序列的第t个元素。T_{Y}^{i}：训练样本i的输出序列的长度。三、举例：识别人名【输入和输出序列长度相同】1、数据表示准备Vocabulary/Dictionary将所有要用到的单词放在一起，做成清单——将每个单词用一位one-ho
Sternstunden·2024-02-06 06:50

「机器学习」神经网络

(2)深度学习的起飞2.需求预测(1)神经网络的符号与描述(2)不需要自己手动自己设计特征神经网络将自己决定它将在隐藏层使用哪些数据3.例子：图像识别随着层数增加，窗口大小在增大。
Sternstunden·2024-02-06 06:49

【深度学习理论】持续更新

文章目录1.统计学习理论1.统计学习理论统计学习理论，一款适合零成本搞深度学习的大冤种的方向从人类学习到机器学习的对比（学习的过程分为归纳和演绎），引出泛化和过拟合的概念。如何表示归纳的函数规律呢？
一轮秋月·2024-02-06 06:48

互联网加竞赛 基于深度学习的目标检测算法

5.1.2OverFeat5.2基于区域提名的方法5.2.1R-CNN5.2.2SPP-net5.2.3FastR-CNN5.3端到端的方法YOLOSSD6人体检测结果7最后1简介优质竞赛项目系列，今天要分享的是基于深度学习的目标检测算法该项目较为新颖
Mr.D学长·2024-02-06 06:15

「深度学习」门控循环单元GRU

一、梯度消失问题梯度消失：基础的RNN模型不善于处理长期依赖关系，有很多局部影响，很难调整自己前面的计算。y^{}仅仅受自己附近的值影响。解决方法：GRU或LSTM梯度爆炸：反向传播时，随着层数增多，梯度不仅可能指数型下降，还有可能指数型上升——会导致参数过大，网络崩溃解决方法：梯度修剪——观察梯度向量，若大于某个阈值，则放缩梯度向量，保证其不会过大二、GRU目的：使隐藏层更好地捕捉深层连接，改善
Sternstunden·2024-02-06 06:41

基于深度学习算法的轴承故障自主分类

1.要求轴承有3种故障：外圈故障，内圈故障，滚珠故障，外加正常的工作状态。如表1所示，结合轴承的3种直径（直径1,直径2,直径3），轴承的工作状态有10类：表1轴承故障类别外圈故障内圈故障滚珠故障正常直径11230直径2456直径3789实验包含以下两个文件：1.train.csv，训练集数据，1到6000为按时间序列连续采样的振动信号数值，每行数据是一个样本，共792条数据，第一列id字段为样本
deleteeee·2024-02-06 06:08

NER

基操：超详细保姆级讲解&提供代码：基于深度学习的命名实体识别与关系抽取值得一看的命名实体识别的总结：中文命名实体识别总结师兄给的教程：GithubChineseNER针对教程讲解的文章：用深度学习做命名实体识别
zelda2333·2024-02-06 06:17

深度学习中的pipeline和baseline

pipeline  模型实现的步骤，深度学习的pipeline包括：数据读取数据预处理构建模型评估模型效果模型调参baseline  指能实现上述过程的基础模型
晓shuo·2024-02-06 05:47

【初读论文】

这里写目录标题万字长文解析深度学习中的术语面向小白的深度学习论文术语（持续更新）deepsolo不懂的知识pipelinebaselineRoI(RegionofInterest)分类问题中的正例负例指示函数
Selvaggia·2024-02-06 05:46

Plus GPT API最有前途的应用领域

3API不同，我们的PlusGPTAPI通过对GPT-3API进行二次开发，除了实现GPT-3的所有功能之外，我们还开发了语音交互的API、知识库"喂养"的API、AI绘图API……PlusGPTAPI基于深度学习算法
橘子海_G·2024-02-06 05:45

小目标识别方法

随着深度学习技术的发展，小目标识别的研究也取得了显著的进步。小目标识别面临的挑战主要包括目标尺寸小、易受背景干扰、目标特征不明显等问题。为了解决这些问题，研究者们提出了多种基于人工智能的方法，尤其是
LittroInno·2024-02-06 04:02

冷笑话：关于“来，为师保证不打你”系列的冷笑话

邮件里面关于研究题目是这样写的：“论基于包括深度学习在
群星璀璨十二时·2024-02-06 03:38

通过神经网络模拟人类大脑的学习过程

通过神经网络模拟人类大脑的学习过程在本文中，我们将探讨深度学习的最新发展及其在各个领域的应用。首先，让我们来看看深度学习在计算机视觉领域的新进展。计算机视觉是指让计算机“看见”并理解图像和视频的能力。
M乔木·2024-02-06 03:05

老款MacBook退役之前，请给我一分钟考察这款超小笔记本

不止手机更新换代快，笔记本产品也很容易新人胜旧人。老款MacBook退役之前，我既考虑过入手新的苹果笔记本，也有考察一下其他品牌的想法。不看不要紧，一看就惊煞人，距离我的旧本本入手时间已经有三年多，市面上有多了许多值得入手的商务风超薄本，而今天我跟大伙聊的这款，则是号称目前全球最为小巧的超极本。配置高，便携度更好，能把超级本做成这样，把偏爱颜值的妹子套牢也在情理之中。这款全球最小超薄本来自我国深圳
笔点酷玩·2024-02-06 03:26

深度学习系列55：深度学习加速技术概述

总体有两个方向：模型优化/框架优化1.模型优化1.1量化最常见的量化方法为线性量化，权重从float32量化为int8，将输入数据映射在[-128,127]的范围内。在nvdiagpu，x86、arm和部分AI芯片平台上，均支持8bit的计算。当然还有简单的二值化。对比从nvdiagpu到x86平台，1bit计算分别有5到128倍的理论性能提升。此外还有对数量化，一种比较特殊的量化方法。两个同底的
IE06·2024-02-06 02:24

深度学习系列57: 清华大模型MiniCPM上手

MiniCPM是面壁智能与清华大学自然语言处理实验室共同开源的系列端侧大模型，主体语言模型MiniCPM-2B仅有24亿（2.4B）的非词嵌入参数量1.上手对比测试mps比cpu大概快了9倍左右。也可以在modelspore上测试：
IE06·2024-02-06 02:53

2019年上半年收集到的人工智能卷积神经网络干货文章

2019年上半年收集到的人工智能卷积神经网络干货文章了解CNN这一篇就够了——关于卷积神经网络的介绍关于卷积的6个基本知识一文读懂深度学习中的各种卷积CNN卷积神经网络的三种基本模式（不懂的话还得多努力啊
城市中迷途小书童·2024-02-06 02:18

深度学习入门笔记（五）前馈网络与反向传播

接着上一节，本节讲解模型自我学习的数学计算过程究竟是怎么样的。5.1前馈网络一个最简单的前馈神经网络如图所示，对于每一个隐藏层，输入对应前一层每一个节点权重乘以节点输出值，输出则是经过激活函数（例如sigmoid函数）计算后的值。在这样的网络中，输入的数据x经过网络的各个节点之后，即可计算出最终的模型结果。这样就完成了一个最基本的前馈网络从输入到输出的计算过程。5.2反向传播在实际工作中这部分的内
zhanghui_cuc·2024-02-06 01:25

自然语言处理中的深度学习

教材选用《动手学深度学习》，李沐等著；词嵌⼊（word2vec）⾃然语⾔是⼀套⽤来表达含义的复杂系统。把词映射为实数域向量的技术也叫词嵌⼊（wordembedding）。
qiufeng1ye·2024-02-06 01:37

使用paperspace搭建fastai深度学习平台

在Paperspace上可以快速搭建自己的深度学习平台，具体方法如下：1.注册账户并登陆。2.点击页面的newmachine按钮。
禾木清清·2024-02-06 01:37

动手学深度学习-13 循环神经网络进阶

循环神经网络进阶GRURNN存在的问题：梯度较容易出现衰减或爆炸（BPTT）⻔控循环神经⽹络：捕捉时间序列中时间步距离较⼤的依赖关系•重置⻔有助于捕捉时间序列⾥短期的依赖关系；•更新⻔有助于捕捉时间序列⾥⻓期的依赖关系。载入数据集importosos.listdir('/home/kesci/input')#['d2lzh1981','houseprices2807','jaychou_lyric
Xavier学长·2024-02-06 00:52

深度学习--循环神经网络

目录第1关：学习单步的RNN：RNNCell第2关：探幽入微LSTM第3关：进阶RNN:学习一次执行多步以及堆叠RNN的构建第1关：学习单步的RNN：RNNCell本关任务：学习RNN循环神经网络的基本概念，并构建单个RNNCell。#-*-coding:utf-8-*-importtensorflowastf#参数a是BasicRNNCell所含的神经元数,参数b是batch_size,参数c是
粥粥粥少女的拧发条鸟·2024-02-06 00:18

深度学习之循环神经网络进阶

这一讲我们学习如何实现一个循环神经网络的分类器：我们要解决的问题是名字分类，我们根据名字找到其对应的国家。上一讲我们介绍了循环神经网络。我们在处理自然语言的时候我们通常是以上这种方式，我们在处理单词的时候，通常都要先将其转化为one-hot独热向量。但是独热向量维度太高，而且过于稀疏，所以一般来说我们都要先经过嵌入层将其转化为一个低维稠密的向量，然后经过循环神经网络，RNN一层，隐层的输出不一定与
丘小羽·2024-02-06 00:47

《Python 网络爬虫简易速速上手小册》第10章：未来展望与新兴技术（2024 最新版）

文章目录10.1机器学习在爬虫中的应用10.1.1重点基础知识讲解10.1.2重点案例：使用机器学习进行自动化内容抽取10.1.3拓展案例1：利用深度学习识别复杂的网页结构10.1.4拓展案例2：机器学习辅助的动态反反爬虫策略
江帅帅·2024-02-05 23:17

GBDT，XGBOOST

1.简介gbdt全称梯度下降树，在传统机器学习算法里面是对真实分布拟合的最好的几种算法之一，在前几年深度学习还没有大行其道之前，gbdt在各种竞赛是大放异彩。原因大概有几个，一是效果确实挺不错。
Liam_ml·2024-02-05 23:02

航道大数据应用专项研究报告（附下载）

基于大数据的航道管理体系，实现了现有数据的梳理和汇聚，跨部门数据的交换和整合，建立了数据关联和深度学习的模型机制，利用人工智能技术对大数据进行智能分析，为智慧航道管理提供科学预警、风险管控的支持。
智能交通技术·2024-02-05 22:40

【240116】湖州师范学院—调剂信息

湖州师范学院学校层级：双非调剂专业：085400电子信息发布时间：2024.1.16发布来源：网络发布背景：研究方向:人工智能、深度学习、缺陷检测、3D重建以及大模型相关技术来源说明1、官方发布：学校官网
通信考研小马哥·2024-02-05 20:29

Python-Flair 实现英文命名实体识别(NER)

Flair的框架直接构建在PyTorch上，PyTorch是最好的深度学习框架之一。
小小晓晓阳·2024-02-05 20:36

如何利用大模型结合文本语义实现文本相似度分析？

常规的文本相似度计算有TF-IDF，Simhash、编辑距离等方式，但是常规的文本相似度计算方式仅仅能对文本表面相似度进行分析计算，并不能结合语义分析，而如果使用机器学习、深度学习的方式费时费力，效果也不一定能达到我们满意的状态
小小晓晓阳·2024-02-05 20:06

深度神经网络的训练过程,深度神经网络如何训练

优就业的深度学习多久能学完，学完能达到什么样的程度？
小浣熊的技术·2024-02-05 19:39

温州大学《深度学习》课程课件（七、卷积神经网络基础）

这学期我上的另一门课是本科生的《深度学习》，主要用的是吴恩达老师的《深度学习》视频课的内容。
风度78·2024-02-05 19:05

温州大学《深度学习》课程课件（八、深度卷积神经网络）

这学期我上的另一门课是本科生的《深度学习》，主要用的是吴恩达老师的《深度学习》视频课的内容。
风度78·2024-02-05 19:05

温州大学《深度学习》课程课件（十、人脸识别与神经风格迁移）

这学期我上的另一门课是本科生的《深度学习》，主要用的是吴恩达老师的《深度学习》视频课的内容。
风度78·2024-02-05 19:05

温州大学《深度学习》课程课件（十一、序列模型）

这学期我上的另一门课是本科生的《深度学习》，主要用的是吴恩达老师的《深度学习》视频课的内容。
风度78·2024-02-05 19:05

温州大学《深度学习》课程课件（一）

这学期我上的另一门课是本科生的《深度学习》，主要用的是吴恩达老师的《深度学习》视频课的内容。
风度78·2024-02-05 19:04

温州大学《深度学习》课程课件（三、浅层神经网络）

这学期我上的另一门课是本科生的《深度学习》，主要用的是吴恩达老师的《深度学习》视频课的内容。
风度78·2024-02-05 19:34

温州大学《深度学习》课程课件（四、浅层神经网络）

这学期我上的另一门课是本科生的《深度学习》，主要用的是吴恩达老师的《深度学习》视频课的内容。
风度78·2024-02-05 19:04

深度学习本科课程 实验5 循环神经网络

循环神经网络实验任务内容理解序列数据处理方法，补全面向对象编程中的缺失代码，并使用torch自带数据工具将数据封装为dataloader分别采用手动方式以及调用接口方式实现RNN、LSTM和GRU，并在至少一种数据集上进行实验从训练时间、预测精度、Loss变化等角度对比分析RNN、LSTM和GRU在相同数据集上的实验结果（最好使用图表展示）不同超参数的对比分析（包括hidden_size、batc
11egativ1ty·2024-02-05 19:31

常用的几种卷积神经网络介绍

【嵌牛鼻子】：深度学习神经网络【嵌牛提问】：什么
Shiki_3639·2024-02-05 19:43
上一页 21 22 23 24 25 26 27 28 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他