《神经网络与深度学习》课后习题

作业8：RNN - 简单循环网络

目录神经网络与深度学习作业8：RNN-简单循环网络1.使用Numpy实现SRN2.在1的基础上，增加激活函数tanh3.分别使用nn.RNNCell、nn.RNN实现SRN4.分析“二进制加法”源代码5
岳轩子·2022-11-23 19:43

神经网络与深度学习 作业9：分别使用numpy和pytorch实现BPTT

目录6-1P：推导RNN反向传播算法BPTT.6-2P：设计简单RNN模型，分别用Numpy、Pytorch实现反向传播算子，并代入数值测试.参考资料6-1P：推导RNN反向传播算法BPTT.BPTT算法推导-Hiroki-博客园(cnblogs.com)以下是老师给出的6-2P：设计简单RNN模型，分别用Numpy、Pytorch实现反向传播算子，并代入数值测试.importtorchimpor
Jacobson Cui·2022-11-23 17:28

神经网络与深度学习-1- 机器学习概述-PyTorch

前言：《神经网络与深度学习》邱锡鹏https://www.bilibili.com/video/BV1Vx411j7kT?
明朝百晓生·2022-11-23 16:38

神经网络与深度学习（七）循环神经网络（2）梯度爆炸实验

目录6.2梯度爆炸实验6.2.1梯度打印函数【思考】什么是范数，什么是L2范数，这里为什么要打印梯度范数？6.2.2复现梯度爆炸现象6.2.3使用梯度截断解决梯度爆炸问题【思考题】梯度截断解决梯度爆炸问题的原理是什么？参考资料6.2梯度爆炸实验造成简单循环网络较难建模长程依赖问题的原因有两个：梯度爆炸和梯度消失。一般来讲，循环网络的梯度爆炸问题比较容易解决，一般通过权重衰减或梯度截断可以较好地来避
Jacobson Cui·2022-11-23 16:35

基于时间序列的残差自回归模型

实验数据来源于课本课后习题：1、首先加载所需的数据包，并画出时序图：时序图可以看出数据呈现上升趋势。
wg110001·2022-11-23 12:43

《机器学习》赵卫东学习笔记 第4章 聚类分析（课后习题及答案）

1.聚类分析的目的是什么?聚类分析用于对未知类别的样本进行划分，将它们按照一定的规则划分成若干个类族，把相似(距高相近)的样本聚在同一个类簇中，把不相似的样本分为不同类簇，从而揭示样本之间内在的性质以及相互之间的联系规律2.讨论聚类与分析的关系聚类算法将未标记的样本自动划分为多个类簇，但不会提供对每个类簇的语义解释，这部分解释就需要数据分析人员对聚类结果进行归纳总结，阐述聚类的意义。3.聚类分析常
一页孤沙·2022-11-23 11:52

《机器学习》慕课版课后习题-第4章

中国工信出版集团、人民邮电出版社出版的赵卫东、董亮编著的《机器学习》慕课版第4章聚类分析1.聚类分析的目的是什么？解：聚类分析用于对未知类别的样本进行划分，将它们按照一定的规则划分成若干个类簇，把相似(距高相近)的样本聚在一个类簇中，把不相似的样本分为不同类簇，从而揭示样本之间内在的性质以及相互之间的联系规律。2.讨论聚类与分类的关系。解：聚类算法将未标记的样本自动划分为多个类簇，但不会提供对每个
醉一心·2022-11-23 11:19

[西瓜书]——第三章部分编程答案

第三章线性模型实验课本次实验课内容对应教材的课后习题P69,3.3,3.5题。
FanMY_71·2022-11-23 08:28

语义表示——神经网络与深度学习

语义鸿沟是人工智能的挑战之一。底层特征VS高层语义人们对文本、图像的理解无法从字符串或者图像的底层特征直接获得。底层特征和高层语义之间建立直接的映射十分困难。例如对于一张简单的照片，我们拿到最底层的特征——图像的像素，比如一些红色、蓝色的像素，将这些底层特征和高层语义建立关系其实是非常难的，也就是说想建立一个直接的映射非常困难；例如一张情侣照片，人眼很容易根据图片的信息判断是情侣关系，但是从底层特
smartzhao.·2022-11-23 08:29

神经网络学习（一）-- 框架建立

资料来源是SimonHaykin著《神经网络与机器学习》（第三版）和《神经网络与深度学习》（邱锡鹏著）
尾生爱柱子·2022-11-23 07:03

神经网络与深度学习的运用(手写数字识别)

大家好，鉴于上次分享了一篇关于神经网络的文章，这篇文章的目的是为了巩固神经网络知识以及在解决实际问题中对神经网络的优化。关于手写数字识别问题的解决，小编先运用简单的二层前馈神经网络，然后我们再开始对网络进行优化，小编会在二层前馈网络的基础上增加卷积层、池化层以及Dropout层，我们将得到的型网络模型处理手写数字，最后对比前后两者的性能，看看进化后的网络有多。若文章有不妥之处，还望不吝指出。目录一
偶做前堂客·2022-11-23 06:47

神经网络与深度学习实验day12-基于ResNet18完成cifar-10图像分类任务

神经网络与深度学习实验day12-基于ResNet18完成cifar-10图像分类任务5.5实践：基于ResNet18网络完成图像分类任务5.5.1数据处理5.5.1.1数据集导入5.5.1.2划分训练集
小鬼缠身、·2022-11-23 06:42

神经网络与深度学习day08-卷积神经网络1：卷积

神经网络与深度学习day08-卷积神经网络1：卷积5.1卷积5.1.1二维卷积运算5.1.2二维卷积算子5.1.3二维卷积的参数量和计算量5.1.4感受野5.1.5卷积的变种5.1.6带步长和零填充的二维卷积算子
小鬼缠身、·2022-11-23 06:41

神经网络与深度学习实验day14-循环神经网络（2）梯度爆炸实验

神经网络与深度学习实验day14-循环神经网络（2）梯度爆炸实验6.2梯度爆炸实验6.2.1定义梯度打印函数6.2.2复现梯度爆炸现象6.2.3使用梯度截断解决梯度爆炸问题思考题总结References
小鬼缠身、·2022-11-23 06:08

【深度学习】基本的反向传播准则

这其实是个一直想记录下来的问题，之前看到《深入浅出神经网络与深度学习》这本书中发现对此有一易懂的描述。结合最近跑的例程，来直观地回顾下。
月亮鱼与十四行·2022-11-23 03:16

李航博士《统计学习方法》第一章课后习题参考答案

1.1说明伯努利模型的极大似然估计以及贝叶斯估计中的统计学习方法三要素。伯努利模型是定义在取值为0与1的随机变量上的概率分布。假设观测到伯努利模型n次独立的数据生成结果，其中k次的结果为1，这时可以用极大似然估计或贝叶斯估计来估计结果为1的概率。答：统计学习方法由三要素构成，可以简单地表示为：方法=模型+策略+算法模型：即伯努利模型，是在同样的条件下重复地、相互独立地进行的只有0或1两种结果的随机
Siyu_Zhu·2022-11-23 00:33

李航 统计学习方法 第二版 课后习题答案

第一章第二章1第二章2第三章第四章1第四章2第五章1第五章2第六章第七章1第七章2
Fancy Wang·2022-11-23 00:00

李航 统计学习方法 课后习题答案 第二版 机器学习

李航《统计学习方法》课后习题答案（第2版）【李航课后习题解答+书中疑点推导+算法代码实现+可私聊耐心解答(48小时内回复)，包会！！】
#苦行僧·2022-11-23 00:49

《神经网络与深度学习》nndl读书笔记

目录本书的知识体系深度学习与神经网络概要人工智能机器学习机器学习模型步骤表示学习局部表示与分布式表示深度学习常用的深度学习框架端到端学习神经网络人工神经网络神经网络的发展历史机器学习概述基本概念机器学习的三个基本要素模型学习准则损失函数风险最小化准则优化算法线性回归——机器学习的简单示例偏差-方差分解机器学习算法的类型监督学习无监督学习强化学习数据的特征表示传统的特征学习**特征选择**特征抽取评
二元_·2022-11-22 22:45

卷积神经网络（Convolutional Neural Networks, CNN）小总结

先列参考资料，这篇文章基本是以下资料相关部分的拼接和概括：邱锡鹏《神经网络与深度学习》卷积层-深度学习入门-卷积神经网络（一）-知乎池化层（Poolinglayers）吴恩达深度学习笔记(79)深度卷积神经网络综述
笃谷·2022-11-22 21:06

神经网络与深度学习第一周测验 Introduction to Deep Learning

第一周测验IntroductiontoDeepLearning1.Whatdoestheanalogy“AIisthenewelectricity”referto?AI是新的电力指的是？AIrunsoncomputersandisthuspoweredbyelectricity,butitislettingcomputersdothingsnotpossiblebefore.AI在计算机上运行，由
沧夜2021·2022-11-22 18:38

神经网络与深度学习-chapter1 神经网络

英语原文：NeuralNetworksandDeepLearning（MichaelNielsen）中文译文：神经网络与深度学习（MichaelNielsen）第1章使用神经网络识别手写数字1、感知机（
保持理智802·2022-11-22 12:34

神经网络与深度学习-chapter2 反向传播算法

英语原文：NeuralNetworksandDeepLearning（MichaelNielsen）中文译文：神经网络与深度学习（MichaelNielsen）第2章反向传播算法如何工作1、一种基于矩阵的快速计算神经网络输出的方法从符号开始
保持理智802·2022-11-22 12:34

《创新创业实训》网课答案解析

为了帮助后续选择这门课的同学，这里我将我之前整理的课后习题分享如下。
信小颜·2022-11-22 10:23

武汉理工大学新思维研究生英语课文翻译和课后习题答案（1~12单元）

在学习期间，我们团队完成了《新思维研究生英语》全部12个单元的课文翻译和课后习题答案的整理工作。
笔尖拾年·2022-11-22 07:58

动手学深度学习v2课后习题 线性回归的从零开始实现基于pytorch

1.如果我们将权重初始化为零，会发生什么。算法仍然有效吗？2.假设你是乔治·西蒙·欧姆，试图为电压和电流的关系建立一个模型。你能使用自动微分来学习模型的参数吗?3.您能基于普朗克定律使用光谱能量密度来确定物体的温度吗？4.如果你想计算二阶导数可能会遇到什么问题？你会如何解决这些问题？5.为什么在squared_loss函数中需要使用reshape函数？6.尝试使用不同的学习率，观察损失函数值下降的
lzmmmQAQ·2022-11-22 05:43

神经网络与深度学习三：编写单隐层神经网络

三：编写单隐层神经网络1神经网络概述这篇文章你会学到如何实现一个神经网络，在我们深入学习技术细节之前，现在先大概快速的了解一下如何实现神经网络，如果你对某些内容不甚理解（后面的文章中会深入其中的细节）上周我们讨论了logistic回归，一起了解了这个模型和下面这个流程图的联系这里面你需要输入特征x，参数w和b，用那些计算z，然后用z计算出a，我们用a表示y^\hat{y}y^,接下来你就可以计算损
开始King·2022-11-22 03:41

【神经网络与深度学习】 Pytorch实现卷积神经网络

1、实验名称Pytorch实现卷积神经网络2、实验要求用python的Pytorch模块实现卷积神经网络。网络结构为一个输入层、两个卷积层、一个全连接层、一个输出层。3、实验目的熟悉并掌握pytorch框架掌握卷积神经网络的基本原理掌握卷积神经网络的结构掌握卷积神经网络的代码流程4、实验过程本次实验完全在itc的虚拟环境中操作并且运行。为了突出重点，操作流程不再赘述，对编程流程进行详细地描述。首先
乐心唯帅·2022-11-22 03:33

【人工智能】期末复习 重点知识点总结

倒推值计算方法、代价树每个结点的代价的算法：最大代价法、和代价法α-β剪枝、3、证明题4、综合题小小tips理解就可、不用和课本一模一样、说的正确就行千万别空着，有步骤分、可以找分书、课后习题、itc习题多看看老师没有讲的就不考一
乐心唯帅·2022-11-22 03:32

【神经网络与深度学习】 Numpy 实现全连接神经网络

1、实验名称Numpy实现全连接神经网络实验指南2、实验要求用python的numpy模块实现全连接神经网络。网络结构为一个输入层、一个隐藏层、一个输出层。隐藏层的激活函数为Relu函数。输出层的激活函数为softmax函数。损失函数为交叉熵。3、实验目的学习如何使用Numpy实现一个只有一个输入层、一个中间层和一个输出层全连接神经网络，并利用它来处理一个简单的分类任务，即识别手写数字，通过实践来
乐心唯帅·2022-11-22 03:31

一定把vslam拿下！！！-Ch2刚体运动（小白版）

侵删深蓝学院视觉十四讲课后作业——ch2刚体运动本文记录了学习的部分笔记心得与课后习题主要用途为学习巩固、方便自己查阅部分内容参阅互联网或者书籍知识，部分图片来自网络，欢迎批评指正如有问题，可及时与我沟通讨论
monexxxxx·2022-11-22 01:04

一定把vslam拿下！！！-Ch3李群李代数（小白版）

侵删深蓝学院视觉十四讲课后作业——ch3李群李代数本文记录了学习的部分笔记心得与课后习题主要用途为学习巩固、方便自己查阅部分内容参阅互联网或者书籍知识，部分图片来自网络，欢迎批评指正如有问题，可及时与我沟通讨论
monexxxxx·2022-11-22 01:04

一定把vslam拿下！！！-Ch4 相机模型与非线性优化(小白版）

侵删深蓝学院视觉十四讲课后作业——ch3李群李代数本文记录了学习的部分笔记心得与课后习题主要用途为学习巩固、方便自己查阅部分内容参阅互联网或者书籍知识，部分图片来自网络，欢迎批评指正如有问题，可及时与我沟通讨论
monexxxxx·2022-11-22 01:01

西安电子科技大学833真题_【考研名校】2021西安电子科技大学考研资料及历年真题解析汇总...

点击上方，关注公众号查看547所院校12万份考研、考证、学习资料导语：2021年西安电子科技大学考研资料已发布，学长整理了相关信息如下，包括专业课真题及解析，参考教材精讲笔记、课后习题、精讲视频，模拟试题
weixin_39795268·2022-11-21 15:06

4.神经网络与深度学习（三）—BP算法

引言：在上节课中，我们知道梯度下降算法的核心是要重复对w,b求偏导数，这样我们就能够让代价函数一直减小，最后让实际输出值尽量拟合预计输出值，那么我们怎么去求w和b的偏导数呢？这节课，我们就来讲一下。1）基本规则既然我们想求出每个位置相应的w和b，我们就需要先将每个位置的w和b清晰的表示出来。请看下图：这里你可能会奇怪，为什么下标先写2，再写4呢？按照常理来说，第二层的第四个神经元应该放在前面，第三
quinn1994·2022-11-21 11:24

李航 统计学习方法 课后习题答案 第二版 机器学习

李航《统计学习方法》课后习题答案（第2版）【李航课后习题解答+书中疑点推导+算法代码实现+可私聊耐心解答(定期回复)，包会！！】
#苦行僧·2022-11-21 10:30

【优化算法】——神经网络与深度学习

目录一、梯度下降二、随机梯度下降三、小批量梯度下降法（mini-batch）四、包含动量的梯度下降（Momentum）五、自适应梯度（AdaGrad）与RMSProp六、Adam算法一、梯度下降在机器学习中，最简单就是没有任何优化的梯度下降(GD,GradientDescent)，我们每一次循环都是对整个训练集进行学习，这叫做批量梯度下降(BatchGradientDescent)，我们之前说过了
Joker_咖啡逗·2022-11-21 04:20

神经网络与深度学习实验day11-基于torch用ResNet18模型实现MNIST

神经网络与深度学习实验day11-基于torch用ResNet18模型实现MNIST5.4基于残差网络的手写体数字识别实验5.4.1模型构建5.4.1.1残差单元5.4.1.2残差网络的整体结构5.4.2
小鬼缠身、·2022-11-21 00:55

神经网络与深度学习（五）前馈神经网络（3）鸢尾花分类

文章目录深入研究鸢尾花数据集4.5实践：基于前馈神经网络完成鸢尾花分类4.5.1小批量梯度下降法4.5.2数据处理4.5.2.2用DataLoader进行封装4.5.3模型构建4.5.4完善Runner类4.5.5模型训练4.5.6模型评价4.5.7模型预测思考题1.对比Softmax分类和前馈神经网络分类。（必做）2.自定义隐藏层层数和每个隐藏层中的神经元个数，尝试找到最优超参数完成多分类。（选
plum-blossom·2022-11-20 21:16

视觉SLAM十四讲学习记录 第四讲(习题)

课后习题1.验证SO(3)、SE(3)和Sim(3)关于乘法成群。首先对以上三种可以得知，矩阵乘法必然满足结合律，即先计算前两个矩阵乘法还是后两个矩阵乘法是肯定一样的。         
码农的快乐生活·2022-11-20 18:40

神经网络与深度学习 Class 13：卷积神经网络

目录13.1深度学习基础13.2图像识别与深度学习13.3图像卷积13.4卷积神经网络13.1深度学习基础特征工程：尽可能选择和构建出好的特征，使得机器学习算法能够达到最佳性能深度神经网络：有多层隐含层的神经网络深度学习三要素：数据、算法、计算力13.2图像识别与深度学习图像识别核心问题：图像特征的提取图像特征包含：形状特征、颜色特征、纹理特征13.3图像卷积图像卷积运算：图像中的每个像素点，用其
By4te·2022-11-20 16:25

数据挖掘1——课后习题

数据挖掘1——课后习题部分习题第一章：引论1.31.41.5第二章：认识数据2.52.6第三章：数据预处理3.13.23.43.7第六章：挖掘频繁模式、关联和相关性6.66.14第八章：分类基本概念8.78.128.138.16
是Yu欸·2022-11-20 15:12

神经网络与深度学习（六）卷积神经网络（1）卷积

目录5.1卷积5.1.1二维卷积运算5.1.2二维卷积算子5.1.3二维卷积的参数量和计算量5.1.4感受野5.1.5卷积的变种5.1.5.1步长（Stride）5.1.5.2零填充（ZeroPadding）5.1.6带步长和零填充的二维卷积算子5.1.7使用卷积运算完成图像边缘检测任务边缘检测系列1：传统边缘检测算子引入算法原理代码实现构建通用的边缘检测算子图像边缘检测测试函数Roberts算子
Jacobson Cui·2022-11-20 15:18

神经网络与深度学习 作业8：RNN - 简单循环网络

简单循环网络（SimpleRecurrentNetwork，SRN）只有一个隐藏层的神经网络．目录1.使用Numpy实现SRN2.在1的基础上，增加激活函数tanh3.分别使用nn.RNNCell、nn.RNN实现SRNtorch.nn.RNNCell():torch.nn.RNN():nn.RNN与nn.RNNCell对比：4.分析“二进制加法”源代码（选做）5.实现“Character-Lev
Jacobson Cui·2022-11-20 15:48

神经网络与深度学习（六）卷积神经网络（4）ResNet18实现MNIST

ResNet185.4.2.1模型训练5.4.2.2模型评价5.4.3带残差连接的ResNet185.4.3.1模型训练5.4.3.2模型评价5.4.4与高层API实现版本的对比实验附录参考资料建议与上一个实验搭配食用：神经网络与深度学习
Jacobson Cui·2022-11-20 15:47

神经网络与深度学习（六）卷积神经网络（2）基础算子

目录5.2卷积神经网络的基础算子5.2.1卷积算子5.2.1.1多通道卷积5.2.1.2多通道卷积层算子5.2.1.3卷积算子的参数量和计算量5.2.2汇聚层算子附加：使用pytorch实现ConvolutionDemo总结参考资料5.2卷积神经网络的基础算子卷积神经网络是目前计算机视觉中使用最普遍的模型结构，如下图所示，由M个卷积层和b个汇聚层组合作用在输入图片上，在网络的最后通常会加入K个全连
Jacobson Cui·2022-11-20 15:47

神经网络与深度学习（五）前馈神经网络（2）自动梯度计算和优化问题

注：本次使用的数据集依旧是前两章的Moon1000数据集fromnndl.datasetimportmake_moons【详细代码见神经网络与深度学习（五）前馈神经网络（1）——二分类任务中的4.2.1
Jacobson Cui·2022-11-20 15:17

神经网络与深度学习 作业4：第四章课后题

目录习题4-2试设计一个前馈神经网络来解决XOR问题，要求该前馈神经网络具有两个隐藏神经元和一个输出神经元，并使用ReLU作为激活函数。习题4-3试举例说明“死亡ReLU问题”，并提出解决方法。【ReLU激活函数】【死亡ReLU问题】【死亡ReLU问题解决方法】习题4-7为什么在神经网络模型的结构化风险函数中不对偏置b进行正则化?习题4-8为什么在用反向传播算法进行参数学习时要采用随机参数初始化的
Jacobson Cui·2022-11-20 15:17

C++程序设计第十章课后习题答案——运算符重载练习

目录一、对运算符重载的方法1、运算符重载函数作为类成员函数2、运算符重载函数作为友元函数二、重载流插入运算符“>”1、重载流插入运算符“>”三、不同数据间的类型转换1、定义一个复数类Complex，重载运算符“+”，使之能用于复数的加法运算。将运算符函数重载为非成员、非友元的普通函数。编程序，求两个复数之和。2、定义一个复数类Complex,重载运算符“+”、“-”，“*”，“/”，使之能用于复数
猿童学·2022-11-20 15:04

神经网络与深度学习（六）卷积神经网络（5）使用预训练resnet18实现CIFAR-10分类

目录5.5实践：基于ResNet18网络完成图像分类任务5.5.1数据处理5.5.1.1数据集介绍5.5.1.2数据读取5.5.1.3构造Dataset类5.5.2模型构建1.什么是“预训练模型”？什么是“迁移学习”？2.比较“使用预训练模型”和“不使用预训练模型”的效果。5.5.3模型训练5.5.4模型评价5.5.5模型预测思考题1.阅读《DeepResidualLearningforImage
Jacobson Cui·2022-11-20 14:29
上一页 22 23 24 25 26 27 28 29 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他