《神经网络与深度学习》

年度大盘点：AIGC、AGI、GhatGPT震撼登场！揭秘人工智能大模型的奥秘与必读书单

这里写目录标题前言01《ChatGPT驱动软件开发》02《ChatGPT原理与实战》03《神经网络与深度学习》04《AIGC重塑教育》05《通用人工智能》前言在2023年，人工智能领域经历了一场前所未有的大爆发
洁洁！·2023-12-21 12:23

2023年度佳作：AIGC、AGI、GhatGPT、人工智能大语言模型的崛起与挑战

目录前言01《ChatGPT驱动软件开发》内容简介02《ChatGPT原理与实战》内容简介03《神经网络与深度学习》04《AIGC重塑教育》内容简介05《通用人工智能》目录前言2023年是人工智能大语言模型大爆发的一年
库库的里昂·2023-12-20 22:06

循环神经网络-RNN记忆能力实验 [HBU]

循环神经网络的记忆能力实验三、数据集构建数据集的构建函数加载数据并进行数据划分构造Dataset类四、模型构建嵌入层SRN层五、模型训练训练指定长度的数字预测模型多组训练损失曲线展示六、模型评价参考《神经网络与深度学习
洛杉矶县牛肉板面·2023-12-20 00:32

[23-24 秋学期]NNDL 作业6 卷积 [HBU]

大致看了一遍邱锡鹏《神经网络与深度学习》的卷积一节。谈谈我对这些名词概念的理解(理解不足描述不准请见谅)。个人
洛杉矶县牛肉板面·2023-12-20 00:01

交通标识识别（神经网络与深度学习）

引言本次博客将分享Udacity无人驾驶纳米学位的另一个项目，交通标志的识别。本次项目实现主要采用CNN卷积神经网络，具体的网络结构参考Lecun提出的LeNet结构。参考文献：LecunPaper项目流程图本项目的实现流程如下所示：代码实现及解释接下来我们就按照项目流程图来逐块实现,本项目数据集：Germandata如果打不开，则有备用链接：备用http://benchmark.ini.rub.
领筹码大玩家·2023-12-19 15:25

机器学习资料整理

DLBookThefastaideeplearninglibrary入门导师，带我走进了机器学习的世界Coursera-ML-AndrewNg-Notes吴恩达老师的机器学习课程个人笔记,"小时候”也是听吴恩达老师课程过来的，感恩《神经网络与深度学习
FMsunyh·2023-12-19 06:52

循环神经网络（1）循环神经网络的记忆能力实验

，也可以接受自身的信息，形成具有环路的网络结构．和前馈神经网络相比，循环神经网络更加符合生物神经网络的结构．目前，循环神经网络已经被广泛应用在语音识别、语言模型以及自然语言生成等任务上．本章内容基于《神经网络与深度学习
Simon52314·2023-12-17 21:43

【尘缘送书第六期】2023年度学习：AIGC、AGI、GhatGPT、人工智能大模型实现必读书单

目录前言1《ChatGPT驱动软件开发》2《ChatGPT原理与实战》3《神经网络与深度学习》4《AIGC重塑教育》5《通用人工智能》6文末送书前言2023年是人工智能大语言模型大爆发的一年，一些概念和英文缩写也在这一年里集中出现
尘缘..·2023-12-17 09:06

2023 巅峰之作 | AIGC、AGI、GhatGPT、人工智能大语言模型的崛起与挑战

文章目录01《ChatGPT驱动软件开发》内容简介02《ChatGPT原理与实战》内容简介03《神经网络与深度学习》04《AIGC重塑教育》内容简介05《通用人工智能》目录2023年是人工智能大语言模型大爆发的一年
程序边界·2023-12-17 08:09

【送书活动】探究AIGC、AGI、GPT和人工智能大模型

文章目录前言01《ChatGPT驱动软件开发》推荐语02《ChatGPT原理与实战》推荐语03《神经网络与深度学习》推荐语04《AIGC重塑教育》推荐语05《通用人工智能》推荐语后记赠书活动前言人工智能技术在过去几年中发展迅猛
想你依然心痛·2023-12-16 17:14

邱锡鹏 神经网络与深度学习课程【二】——绪论3和机器学习概述1

神经网络生物的神经网络：主要是由生物神经元构成先了解生物神经网络如何学习人工神经元输入通过加权进入激活函数，激活函数早期为饱和函数需要连续人工神经网络的搭建激活规则指就是输入输出之间非线性的函数学习算法一般为BP但是拓扑结构变化很灵活根据拓扑结构的不同，大体上分为三种类型，但是大多数网络都是复合型结构，即一个神经网络中包括多种网络结构图网络更为复杂，应用的范围更广神经网络与复合函数的联系神经网络可
桐原因·2023-12-16 08:23

2020-12-17 吴恩达-神经网络与深度学习-第四周编程练习

Github地址：https://github.com/Poissons/wuenda-Deep-Learning-And-Neural-Network-fourth-week-excercise.git
Vivivivi安·2023-12-03 02:35

45-R语言机器学习：神经网络与深度学习

《精通机器学习：基于R第二版》学习笔记1、神经网络介绍“神经网络”的概念相当宽泛，它包括了很多相关的方法。我们主要关注使用反向传播方法进行训练的前馈神经网络。神经网络模型的优点在于，可以对输入变量（特征）和响应变量之间的高度复杂关系进行建模，特别是关系呈现高度非线性时。神经网络模型的构建和评价不需要基本假设，对于定量和定性响应变量都适用。神经网络的结果是一个黑盒。换言之，没有一个带有系数的等式可供
wonphen·2023-11-23 08:26

学习笔记--神经网络与深度学习之循环神经网络

目录1.给网络增加记忆能力1.1延时神经网络1.2有外部输入的非线性自回归模型1.3循环神经网络2.简单循环网络2.1循环神经网络的计算能力2.1.1循环神经网络的通用近似定理2.1.2图灵完备3.应用到机器学习3.1序列到类别模式3.2同步的序列到序列模式3.3异步的序列到序列模式4.参数学习4.1随时间反向传播算法5.长程依赖问题5.1改进方案6.基于门控的循环神经网络6.1门控循环单元网络6
qssssss79·2023-11-21 02:07

Julia：用多层感知机解决异或问题

首先由一个问题引入，来自邱锡鹏老师的书《神经网络与深度学习》第四章的习题4-2：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
强劲九·2023-11-09 13:05

第1章 实践基础——张量

声明：本内容基于百度提供的paddlepaddle框架，参考复旦大学邱锡鹏老师著作《神经网络与深度学习》（蒲公英书）与《神经网络与深度学习：案例与实践》（nndl）理解完成。
espacial·2023-10-29 13:19

第1章 实践基础——算子

声明：本内容基于百度提供的paddlepaddle框架，参考复旦大学邱锡鹏老师著作《神经网络与深度学习》（蒲公英书）与《神经网络与深度学习：案例与实践》（nndl）理解完成。
espacial·2023-10-29 13:19

神经网络与深度学习第四章前馈神经网络习题解答

[习题4-1]对于一个神经元，并使用梯度下降优化参数时，如果输入恒大于0，其收敛速度会比零均值化的输入更慢。首先看一下CSDN的解释：如果输入x恒大于0，使用sigmoid作为激活函数的神经元的输出值将会处于饱和状态，导致其梯度接近于0，这会使得梯度下降算法的收敛速度变慢。而如果输入经过零均值化处理，可以使得输出值的均值为0，避免了sigmoid函数的非0均值问题，从而减少了梯度消失的风险，提高了
小鬼缠身、·2023-10-28 22:19

神经网络与深度学习（三）：如何提升神经网络学习效果

一个高尔夫球手练习高尔夫球时会花绝大多数时间练习基本的挥杆动作。在基本的挥杆动作的基础上，逐渐的才会练习其他动作。相似的，目前为止我们一直专注在理解BP算法，它是我们的基础”挥杆”动作，学习神经网络的基础。这章中我会解释一些用来提升BP算法的技术，以提高神经网络的学习。本章介绍的技术包括：1，新的cost函数，cross-enropycost函数；2，regularization方法（L1regu
jony0917·2023-10-22 19:01

2023年下半年和2024年上半年EI国际学术会议推荐

IEEECPS出版】2023年人工智能与自动化控制国际学术会议（AIAC2023）2023年10月27-29日|中国-厦门主办单位：黑龙江工程学院征稿主题：1、人工智能（机器学习、自然语言处理与理解、神经网络与深度学习
艾思科蓝-何老师·2023-10-20 09:48

神经网络与深度学习【自用】

神经网络与深度学习1.1深度学习概述深度学习（DeepLearning）就是更复杂的神经网络（NeuralNetwork）神经网络（NeuralNetwork）引入神经网络模型的概念：假如我们要建立房价的预测模型
fr271·2023-10-17 18:35

深度神经网络训练

求《神经网络与深度学习讲义》全文免费下载百度网盘资源,谢谢~谷歌人工智能写作项目：神经网络伪原创深度神经网络目前有哪些成功的应用深度学习最成功的应用是在音视频的识别上，几乎所有的商用语音识别都是深度学习来完成的写作猫
小浣熊的技术·2023-10-15 00:40

HBU_神经网络与深度学习 实验12 循环神经网络：梯度爆炸实验

目录一、梯度爆炸实验1.梯度打印函数2.复现梯度爆炸现象3.使用梯度截断解决梯度爆炸问题二、实验Q&A一、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免；对于梯度消失问题，更加有效的方式是改变模型，比如通过长短期记忆网络LSTM来进行缓解。本节将首先进行复现简单循环网络中的梯
ZodiAc7·2023-10-11 11:57

WED笔记

神经网络与深度学习笔记要点在numpy中矩阵乘法与点乘:1.1矩阵乘法np.dot(a,b)=a@b其中矩阵a的列和b的行数相等看一下下面的这两个随机数组“a”和“b”：a=np.random.randn
挥手致何意·2023-10-03 04:58

深度学习理论

《DeepLearninginNeuralNetworks:AnOverview》介绍:这是瑞士人工智能实验室JurgenSchmidhuber写的最新版本《神经网络与深度学习综述》本综述的特点是以
Alec-Wong·2023-09-27 00:03

神经网络与深度学习（入门篇）

注：本文主要详细介绍神经网络与深度学习的含义与所需要的条件，适合刚接触的人了解一下。废话不多说，我们直接开整！！！神经网络1.什么是神经网络？
Te amo.804·2023-09-26 05:22

人工智能机器学习-飞桨神经网络与深度学习

飞桨神经网络与深度学习-机器学习目录飞桨神经网络与深度学习-机器学习1.机器学习概述2.机器学习实践五要素2.1.数据2.2.模型2.3.学习准则2.4.优化算法2.5.评估标准3.实现简单的线性回归模型
Williamtym·2023-09-23 16:59

神经网络与深度学习-Stanford吴恩达教授-Week2（神经网络基础）

逻辑回归是一个用于二分类(binaryclassification)的算法。符号定义：逻辑回归的HypothesisFunction（假设函数）[参考：https://blog.csdn.net/weixin_36815313/article/details/105309095（非常详细）]Logistic回归损失函数(LogisticRegressionCostFunction）为了训练逻辑回归
LAANever·2023-09-23 06:09

【计算机视觉】1. 计算机视觉基础理论知识和框架(Basic Concepts)

3.6背景复杂3.7遮挡3.8内外四、计算机视觉框架4.1计算机视觉基础4.2深度学习算法理论基础4.3深度学习算法五、计算机视觉基础内容5.1图像预处理5.2图像特征和描述5.3深度学习之前的方法六神经网络与深度学习基础七主要研究问题
Scott_S·2023-09-20 10:11

概率有向图模型（一）

文章目录前言概率有向图模型验证回到书中隐马尔可夫模型信念网络朴素贝耶斯总结前言经过前面的复习，我们把李航老师的《统计学习方法》中的监督学习部分回顾了一遍，接下来我们在此基础上，开始学习邱锡鹏老师的《神经网络与深度学习
赛文忆莱文·2023-09-14 12:05

神经网络与深度学习（六）卷积神经网络（3）LeNet实现MNIST

目录5.3基于LeNet实现手写体数字识别实验5.3.1数据5.3.1.1数据预处理5.3.2模型构建5.3.3模型训练5.3.4模型评价5.3.5模型预测使用前馈神经网络实现MNIST识别，与LeNet效果对比。（选做）可视化LeNet中的部分特征图和卷积核，谈谈自己的看法。（选做）参考资料本节将实现经典卷积网络LeNet-5，并进行手写体数字识别任务。LeNet-5虽然提出的时间比较早，但它是
Jacobson Cui·2023-09-11 11:03

神经网络与深度学习——深度学习概论——用神经网络进行监督学习

机器学习根据获取y的不确定性分为很多种，如下图，但其中创造最大经济效益的是监督学习监督学习中，我们已知数据集和对应的输出y，根据这两个信息来找出它们之间的关系。监督学习可以分为回归问题和分类问题，在回归问题中，我们将输入变量映射到某个连续函数。而在分类问题中，我们预测离散输出的结果。上图中不同的监督学习例子要用到不同的神经网络，例如卷积神经网络（CNN）经常用于图像应用，循环神经网络（RNN）用于
kazuhura·2023-08-21 13:25

机器学习（一）模型三要素

.风险函数3.模型迭代要求4.策略阶段要点（三）优化算法：1.普通参数2.超参数二、深度学习改变了什么1、大规模数据性能提升可观2、隐式特征学习--AE本文是对李航博士《机器学习方法》，邱锡鹏博士的《神经网络与深度学习
元吉光·2023-08-14 05:43

拜读苏神-1-深度学习+文本情感分类

一、闲聊神经网络与深度学习参考链接：https://www.kexue.fm/archives/3331分类模型本质上是在做拟合——模型其实就是一个函数（或者一簇函数），里边有一些待定的参数，根据已有的数据
甄小胖·2023-08-10 04:22

【深度学习笔记】深度学习框架

本专栏是网易云课堂人工智能课程《神经网络与深度学习》的学习笔记，视频由网易云课堂与deeplearning.ai联合出品，主讲人是吴恩达AndrewNg教授。
洋洋Young·2023-08-06 14:03

各类损失函数结合反向传播不调包实现前馈神经网络

其中部分知识参考了神经网络与深度学习_邱锡鹏。经过整理可得：
嘛里嘛里哄·2023-08-04 22:43

【深度学习笔记】Softmax 回归

本专栏是网易云课堂人工智能课程《神经网络与深度学习》的学习笔记，视频由网易云课堂与deeplearning.ai联合出品，主讲人是吴恩达AndrewNg教授。
洋洋Young·2023-07-29 10:15

【深度学习笔记】动量梯度下降法

本专栏是网易云课堂人工智能课程《神经网络与深度学习》的学习笔记，视频由网易云课堂与deeplearning.ai联合出品，主讲人是吴恩达AndrewNg教授。
洋洋Young·2023-07-29 10:15

【K210】【图像入门基础】颜色识别——寻找最大色块

前言为了了解神经网络与深度学习，接触到了k210这个小玩意，先是跑了几个已经训练好的模板发现真的是太神奇了！
学不会又咋了·2023-07-25 03:33

【深度学习笔记】随机梯度下降法

本专栏是网易云课堂人工智能课程《神经网络与深度学习》的学习笔记，视频由网易云课堂与deeplearning.ai联合出品，主讲人是吴恩达AndrewNg教授。
洋洋Young·2023-07-24 16:09

Deep learning resources

神经网络与深度学习(邱锡鹏)https://nndl.github.io/AlexSmolayoutubechannel:https://www.youtube.com/channel/UCYoS2VT03weLA7uzvL2VybwPlaylist
OmicsAcademy·2023-07-21 22:43

【深度学习笔记】梯度消失与梯度爆炸

本专栏是网易云课堂人工智能课程《神经网络与深度学习》的学习笔记，视频由网易云课堂与deeplearning.ai联合出品，主讲人是吴恩达AndrewNg教授。
洋洋Young·2023-07-19 10:50

【深度学习笔记】偏差与方差

本专栏是网易云课堂人工智能课程《神经网络与深度学习》的学习笔记，视频由网易云课堂与deeplearning.ai联合出品，主讲人是吴恩达AndrewNg教授。
洋洋Young·2023-07-17 08:27

【深度学习笔记】正则化与 Dropout

本专栏是网易云课堂人工智能课程《神经网络与深度学习》的学习笔记，视频由网易云课堂与deeplearning.ai联合出品，主讲人是吴恩达AndrewNg教授。
洋洋Young·2023-07-17 08:26

【深度学习笔记】浅层神经网络

本专栏是网易云课堂人工智能课程《神经网络与深度学习》的学习笔记，视频由网易云课堂与deeplearning.ai联合出品，主讲人是吴恩达AndrewNg教授。
洋洋Young·2023-07-15 02:27

【深度学习笔记】深层神经网络

本专栏是网易云课堂人工智能课程《神经网络与深度学习》的学习笔记，视频由网易云课堂与deeplearning.ai联合出品，主讲人是吴恩达AndrewNg教授。
洋洋Young·2023-07-15 02:27

【深度学习笔记】训练 / 验证 / 测试集

本专栏是网易云课堂人工智能课程《神经网络与深度学习》的学习笔记，视频由网易云课堂与deeplearning.ai联合出品，主讲人是吴恩达AndrewNg教授。
洋洋Young·2023-07-15 02:17

【期末总复习】神经网络与深度学习蒲公英书

浅层学习one-hot向量相似度的概念局部表示和分布式表示示例学习器准确率机器学习的三个基本要素：模型、学习准则、优化算法【概念】期望风险【概念】损失函数【运用】三分类问题【概念】过拟合【概念】欠拟合超参数【选择/判断】验证集概念线性回归经验风险最小化中的平方损失函数什么时候出现不可逆的情况机器学习模型的四种偏差和方差组合情况（左下过拟合，右上欠拟合）监督学习两类线性可分感知器收敛性支持向量机超平
hellenionia·2023-06-18 23:23

机器学习(Machine Learning)&深度学习(Deep Learning)资料(Chapter 1

《DeepLearninginNeuralNetworks:AnOverview》介绍:这是瑞士人工智能实验室JurgenSchmidhuber写的最新版本《神经网络与深度学习综述》本综述的特点是以
macyang·2023-06-15 18:20

邱锡鹏《神经网络与深度学习》学习笔记

1.传统的机器学习和深度学习的最根本的区别就是：传统的机器学习是人为来选择特征，而深度学习是由网络自己进行特征的选择和学习。传统的机器学习是浅层学习。2.神经网络可以看做一个通用的函数逼近器，一个两层的神经网络可以逼近任意的函数。3.机器学习中常用的损失函数4.经验风险最小化：5.结构风险最小化：6.似然函数是高斯分布函数的累乘
爱不持久·2023-06-13 05:46
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他