【机器学习与深度学习】

机器学习与深度学习基础学习笔记

深度学习在开始之前我想说一句很重要的话：“知识的无限性和生命的有限性是一对无法调和的矛盾”。这篇博客记录了DL中很多有趣的点子，但记住挑你喜欢的阅读，不要陷入知识的“深渊”中。有时候“好学”也是一种鸦片。．siamesenetwork（暹罗网络又称孪生网络）#孪生神经网络的用途是什么？简单来说，衡量两个输入的相似程度。孪生神经网络有两个输入（Input1andInput2）,将两个输入feed进入
是魏小白吗·2020-09-13 21:26

一些名词解释

文章中大多是我之前从各类文章中摘取的有关计算机的名词解释，现在想对自己之前的文档做个整理，由于当时并未标明来源，若有侵权请联系我删除相关内容分布式与集群各类名词解释机器学习与深度学习自然语言处理计算机视觉
yunxiu988622·2020-09-13 09:50

「01」机器学习与深度学习，到底在学些什么？

大家好，欢迎来到久违的机器学习系列，这是「美团」算法工程师带你入门机器学习专栏的第一篇文章，不会太长，一半聊想法，一半聊干货。熟悉我的朋友可能知道，我以前的文章比较随意，涉及的内容极广，包括但不限于Python/Java/C/C++，网络编程，Hadoop等，但主要核心还是机器学习算法和数据科学相关的主题，这一点没变过。最近认真总结和思考了之前的博客内容，决定将自己从入门到现在一路走来的学习经验和
闻人翎悬·2020-09-13 02:35

机器学习与深度学习算法：面试准备

机器学习与深度学习算法：面试准备1BaggingandBoosting1BaggingandBoosting文章链接：BaggingandBoostingBaggging和Boosting都是模型融合的方法
Zhouxk96·2020-09-12 08:13

视频教程-Tensorflow物体检测Faster-Rcnn技术教程-深度学习

参与多个国家级计算机视觉项目，多年数据领域培训经验，丰富的教学讲解经验，出品多套机器学习与深度学习系列课程，课程生动形象，风格通俗易懂。唐宇迪¥128.00立即订阅订阅后：请点击此处观
weixin_30442829·2020-09-10 18:04

为什么AI感知与人类感知无法直接比较？

随着机器学习与深度学习的不断进步，近年来越来越多卓越的产品也开始将AI算法作为自身的实现基础。那为什么为什么AI感知与人类感知无法直接比较？此篇文章会和大家娓娓道来。
阿里云开发者·2020-09-10 12:39

常见的基础机器学习与深度学习面试题

由于找工作需要，搜集了一些常见的基础机器学习与深度学习面试题，希望对你有所帮助。
My name is Lucas·2020-09-07 15:11

【机器学习与深度学习理论要点】23. 什么是学习率，作用是什么，学习率导致的问题？什么是反向传播及反向传播算法

1）什么是学习率，作用是什么？在梯度下降法中，都是给定统一的学习率，整个优化过程中都以确定的步长进行更新，在迭代优化的前期中，学习率较大，则前进的步长就会较长，这时便能以较快的速度进行梯度下降，而在迭代优化后期，逐步减小学习率的值，减小步长，这样有助于算法的收敛，更容易接近最优解2）学习率过大或过小会导致什么问题学习率过大可能导致模型无法收敛，过小导致收敛速度过慢3）什么是反向传播算法，为什么要使
yegeli·2020-08-26 16:08

【机器学习与深度学习理论要点】24. 什么是卷积、池化，及卷积、池化的作用？

1）什么是卷积函数？卷积函数是指一个函数和另一个函数在某一个纬度上的加权“叠加”作用，其表达式为：s(t)=∫−∞+∞f(a)∗g(t−a)das(t)=\int^{+\infty}_{-\infty}f(a)*g(t-a)das(t)=∫−∞+∞f(a)∗g(t−a)da离散化卷积函数表示为：s(t)=f(t)∗g(t)=∑n=−∞∞f(a)g(t−a)s(t)=f(t)*g(t)=\sum_{
yegeli·2020-08-26 16:08

【机器学习与深度学习理论要点】26.请列举AlexNet的特点

请列举AlexNet的特点使用ReLU作为激活函数，并验证其效果在较深的网络超过了Sigmoid，成功解决了sigmoid在网络较深时梯度消失问题使用dropout（丢弃学习）随机忽略一部分神经元防止过拟合在CNN中使用重叠的最大池化，此前CNN中普遍使用平均池化，AlexNet全部使用最大池化，避免平均池化的模糊化效果提出了LRN（局部正规化）层，对局部神经元的活动创建竞争机制，使得其中响应比较
yegeli·2020-08-26 16:08

【机器学习与深度学习理论要点】25.什么是归一化，为什么要进行归一化？

1）归一化是指归纳同意样本的统计分布性，归一化在0-1之间是统计概率分布，归一化在-1----+1之间是统计的坐标分布。2）归一化处理的目的为了后面数据处理方便，归一化可以避免一些不必要的数值问题。为了程序运行时收敛加快。统一量纲。样本数据的评价标准不一样，需要对其量纲化，统一评价标准。3）什么是批量归一化，其优点是什么？批量归一化是指在神经网络中间层也进行归一化处理，使训练效果更好的得到更好优点
yegeli·2020-08-26 16:08

视频教程-5小时破冰Python教程-快速入门必备-Python

参与多个国家级计算机视觉项目，多年数据领域培训经验，丰富的教学讲解经验，出品多套机器学习与深度学习系列课程，课程生动形象，风格通俗易懂。
weixin_31554811·2020-08-25 06:40

人脸检测与美颜技术介绍（OpenCV）

人脸检测与美颜技术介绍目录人脸检测与美颜技术介绍人工智能(AI)人工智能、机器学习与深度学习的关系机器学习与深度学习的区别深度学习简介深度学习模型深度学习的历史深度学习的工具神经网络的几个概念OpenCVOpenCV
黄权浩·2020-08-22 15:58

视频教程-人工智能框架实战精讲：Keras项目-机器学习

参与多个国家级计算机视觉项目，多年数据领域培训经验，丰富的教学讲解经验，出品多套机器学习与深度学习系列课程，课程生动形象，风格通俗易懂。
weixin_31816599·2020-08-22 14:42

视频教程-Opencv计算机视觉实战(Python版)-计算机视觉

参与多个国家级计算机视觉项目，多年数据领域培训经验，丰富的教学讲解经验，出品多套机器学习与深度学习系列课程，课程生动形象，风格通俗易懂。唐宇迪¥398.00立即订阅订阅后：请点击此处观看视频课程视频
weixin_32050877·2020-08-19 21:11

07_加载手写数字

文章目录加载远程或者本地图片集显示第10张样本图片博文配套视频课程：24小时实现从零到AI人工智能加载远程或者本地图片集影响机器学习与深度学习正确率除了前面所说的特征工程之外，最重要的就是高质量的训练数据了
lsqzedu·2020-08-19 10:18

小白初识神经网路

1.人工智能、机器学习与深度学习1.1人工智能：努力将通常由人类完成的智力任务自动化。因此，人工智能是一个综合性的领域，不仅包括机器学习与深度学习，还包括更多不涉及学习的方法。
小白不白nie·2020-08-19 00:29

深度学习（1）：概论 深度学习简介

机器学习与深度学习机器学习主要是利用各种模型实现一个复杂的多元函数。这个函数的自变量是我们已知的各种信息，函数的值是我们要预测的信息。例如：我们利用
awake020·2020-08-17 17:31

【深度学习】【PaddlePaddle】DAY 2 - 零基础入门深度学习（一）

深度学习课程DAY2-零基础入门深度学习Chapter1零基础入门深度学习1前言（1）学习路径（2）课程准备（3）课程特色2机器学习与深度学习2.1三个概念的定义和关系（1）人工智能、机器学习、深度学习的关系
Venistar·2020-08-17 10:30

视频教程-深度学习经典论文与开源项目实战-深度学习

参与多个国家级计算机视觉项目，多年数据领域培训经验，丰富的教学讲解经验，出品多套机器学习与深度学习系列课程，课程生动形象，风格通俗易懂。
weixin_34566773·2020-08-17 03:34

视频教程-Ai工程师-自然语言处理实战课程-机器学习

参与多个国家级计算机视觉项目，多年数据领域培训经验，丰富的教学讲解经验，出品多套机器学习与深度学习系列课程，课程生动形象，风格通俗易懂。
weixin_32391965·2020-08-16 09:44

深度学习 - 概述 | 神经网络

文章目录深度学习概述引言机器学习与深度学习对比神经网络简介神经元突触人工神经网络神经网络基本结构神经网络训练过程正向传播（FP-ForwardPropagation）反向传播（BP-BackwardPropagation
Rakish Leilie·2020-08-15 03:03

视频教程-深度学习框架-PyTorch实战-深度学习

参与多个国家级计算机视觉项目，多年数据领域培训经验，丰富的教学讲解经验，出品多套机器学习与深度学习系列课程，课程生动形象，风格通俗易懂。
weixin_33862564·2020-08-13 21:53

机器学习与深度学习（二） k近邻分类算法 (K-Nearest Neighbor) KNN

____tz_zs学习笔记k近邻分类算法(K-NearestNeighbor)KNN为了判断未知实例的类别，以所有已知类别的实例作为参照选择参数K计算未知实例与所有已知实例的距离选择最近K个已知实例根据少数服从多数的投票法则(majority-voting)，让未知实例归类为K个最邻近样本中最多数的类别优化：考虑距离，根据距离加上权重EuclideanDistance欧几里得距离算法优点简单易于理
tz_zs·2020-08-13 19:06

深度学习入门之PyTorch学习笔记

本文从机器学习与深度学习的基础理论入手，从零开始学习PyTorch以及如何使用PyTorch搭建模型。学习机器学习中的线性回归、Logistic回归、深度学习的优化方法、多层全连接神经网络、
紫芝·2020-08-13 10:33

机器学习与深度学习核心知识点总结(一)

作者|小小挖掘机来源|SIGAI数学1.列举常用的最优化方法梯度下降法牛顿法，拟牛顿法坐标下降法梯度下降法的改进型如AdaDelta，AdaGrad，Adam，NAG等。2.梯度下降法的关键点梯度下降法沿着梯度的反方向进行搜索，利用了函数的一阶导数信息。梯度下降法的迭代公式为：根据函数的一阶泰勒展开，在负梯度方向，函数值是下降的。只要学习率设置的足够小，并且没有到达梯度为0的点处，每次迭代时函数值
CDA·数据分析师·2020-08-12 14:29

【机器学习与深度学习理论要点】17. 决策树分类，支持向量机

决策树分类决策树分类和决策树回归思想基本相同，不同的是，决策树分类器输出为离散值。通过决策树进行分支处理，最后落到叶子节点上，使用投票的方式来决定预测结果属于哪个类别。支持向量机1）什么是支持向量机？支持向量机是一种二分类模型，它的目的是寻找一个超平面来对样本进行分割，分割的原则是间隔最大化。所谓“支持向量机”，就是下图中虚线穿过的边缘点。支持向量机就对应着能将数据正确划分并且间隔最大的直线。2）
yegeli·2020-08-12 14:46

【机器学习与深度学习理论要点】15. 什么是决策树？决策树的特点及使用情况

1）什么是决策树？决策树的核心思想是：相似的输入必然产生相似的输出。决策树通过把数据样本分配到树状结构的某个叶子节点来确定数据集中样本所属的分类。决策树可用于回归和分类。当用于回归时，预测结果为叶子节点所有样本的均值。2）决策树的特点①优点简单易懂，容易解释，可视化，适用性广。可用于分类、回归问题。②缺点容易过拟合。数据中的小变化会影响结果，不稳定。每一个节点的选择都是贪婪算法，不能保证全局最优解
yegeli·2020-08-12 14:46

【机器学习与深度学习理论要点】13. 什么是线性回归，线性回归特点及使用情况

1）什么是线性回归线性回归是指：通过数据样本，找到一个最佳拟合数据样本的线性模型，并用于预测。线性方程的一般表达形式为：y=w0+w1xy=w_0+w_1xy=w0+w1x其中，x和y为已知，w0,w1w_0,w_1w0,w1是要经过学习获得的参数。2）什么情况下使用线性回归数据样本呈线性分布。在二维平面中，线性分布的特征是，数据呈一个狭长的条状分布，并且没有明显弯曲。已知模型为线性模型。3）线性
yegeli·2020-08-12 14:15

【机器学习与深度学习理论要点】14. 什么是多项式回归？多项式回归特点及使用情况

1）什么是多项式回归？多项式回归是指：根据样本数据，用高次多项式模型来最佳程度拟合样本的回归方法。多项式回归中，加入了特征的更高次方（例如平方项或立方项），也相当于增加了模型的自由度，用来捕获数据中非线性的变化。多项式回归模型一般表达式为：y=w0+w1x+w2x2+w3x3+...+wnxny=w_0+w_1x+w_2x^2+w_3x^3+...+w_nx^ny=w0+w1x+w2x2+w3x3
yegeli·2020-08-12 14:15

【机器学习与深度学习理论要点】16. 什么是二元分类，朴素贝叶斯分类？

二元分类1）什么是二元分类？二元分类又称逻辑回归，是将一组样本划分到两个不同类别的分类方式。2）如何实现二元分类逻辑回归属于广义线性回归模型，使用线性模型计算函数值，在通过逻辑函数将联系值进行离散化处理。逻辑函数又称sigmoid函数，表达式为：y=11+e−ty=\frac{1}{1+e^{-t}}y=1+e−t1该函数能将(−∞,+∞)(-\infty,+\infty)(−∞,+∞)的值压缩到
yegeli·2020-08-12 14:15

机器学习与深度学习

1.机器学习MachingLearning卡内基梅隆大学的TomMichaelMitchell教授在1997年出版的书籍MachineLearning中对机器学习进行过非常专业的定义，这个定义在学术界内被多次引用。具体定义为：“如果一个程序可以在任务T上，随着经验E的增加，效果P也可以随之增加，则称这个程序可以从经验中学习”机器学习是实现人工智能的一种有效手段，目前业界的主要突出应用领域有：计算机
yoohsummer·2020-08-12 12:23

【深度之眼花书训练营第五期】+ 机器学习与深度学习的区别

机器学习是什么首先我们来看一些经典的机器学习案例机器学习其实就是一个“黑箱子”，有一个输入，有一个输出，比如说上面的语音识别，输入就是一段语音，输出就是语音的识别结果。图片中的f代表的就是黑箱子，其实就是函数关系的映射，比如它接受的是一段语音，输出的是一段文字，机器学习的本质其实就是一个映射。具体关系见下图对于图像来说，输入的是一张手写体图片“2”，输出结果是数字2。对于天气来说，输入是前几天的数
qq_35749407·2020-08-12 12:16

视频教程-机器学习导论(理论课程全面录制)-机器学习

机器学习导论(理论课程全面录制)乐川科技有限公司CEO，人工智能培训讲师，专业从事机器学习与深度学习培训。
weixin_32153439·2020-08-10 02:12

视频教程-机器学习概论--入门精讲视频-机器学习

机器学习概论--入门精讲视频乐川科技有限公司CEO，人工智能培训讲师，专业从事机器学习与深度学习培训。
weixin_30385511·2020-08-08 23:43

（十六）通俗易懂理解——PCA主成分分析算法原理

以下是实例讲解主成分分析是如何做的，至于数学原理，有待以后补充（好像给自己挖了很多细节上的坑，内容太多了，现在就是想不断知道常用机器学习与深度学习的主流算法运用，至于细节原理还是需要后面慢慢啃）。
Dreamdreams8·2020-08-08 11:23

【布道师系列】周晓凌——乘风而来，利用数据科学平台解决运筹学问题

不仅仅是机器学习近年来机器学习与深度学习快速发展，极大地吸引了人们的眼球，甚至有将人工智能（AI）等价于深度学习的趋势。
DataCanvas数据科学平台·2020-08-05 08:23

深度学习入门笔记之PyTorch

ArtificialNarrowIntelligence,ANI)(2)强人工智能(ArtificialGeneralIntelligence,AGI)(3)超人工智能(ArtificialSuperintelligence,ASI)1.2数据挖掘、机器学习与深度学习
忆_恒心·2020-08-04 17:46

2020李宏毅机器学习与深度学习——Logistic Regression

Step1.FunctionSetStep2.GoodnessofaFunctionStep3.FindthebestfunctionStep1：我们这里有一个LogisticRegression作为Function。Step2：衡量我们程式的好坏。假设我们有一组训练集(Xn,Ci)，这组训练集是根据我们这个几率函数产生的，那给我们一组w和b，我们就可以得到它们产生训练集的几率，最好的参数w和b就
gohna·2020-08-04 09:48

浅谈人工智能之机器学习，机器学习之监督学习

浅谈机器学习与深度学习的区别在人类历史发展的这个阶段，我们所谈的AI（artificialintelligence）主要指的是弱人工智能（narrowAI），也就是机器可以实现帮助人类实现一些任务，比如小区入口的业主人脸识别
lupo_guo·2020-08-01 09:15

视频教程-Python数据科学常用工具包视频教程-机器学习

参与多个国家级计算机视觉项目，多年数据领域培训经验，丰富的教学讲解经验，出品多套机器学习与深度学习系列课程，课程生动形象，风格通俗易懂。
weixin_30354057·2020-08-01 03:49

视频教程-Python机器学习--四大基础库-机器学习

参与多个国家级计算机视觉项目，多年数据领域培训经验，丰富的教学讲解经验，出品多套机器学习与深度学习系列课程，课程生动形象，风格通俗易懂。
weixin_30072533·2020-08-01 03:55

机器学习与深度学习开发环境Python3.6（win10-64）全新自主安装过程

Python工作环境有多种安装方法，比如Anaconda，但是本文是以自主方式安装、搭建机器学习与深度学习Python开发环境，以此方式方便深入了解、掌握各种工具包、第三方应用的使用管理，为了避免“重复造轮子
肖永威·2020-07-29 00:16

字符识别模型训练与验证

构建验证集在机器学习与深度学习模型的训练过程中，模型非常容易出现过拟合的现象。
happy1yao·2020-07-28 21:02

资料 | 白话深度学习与TensorFlow

基础篇（第1～3章），讲解了机器学习、深度学习与实践的上下文知识，如基本的机器学习与深度学习算法，TensorFlow框架的安全与配置，简单的深度学习实践。该篇是阅读和实践的基石。
AI 研习社·2020-07-28 09:38

参数优化

**优化器的使用：**在机器学习与深度学习中，主要应用于梯度下降。
白玉杰·2020-07-28 08:21

介绍一下深度学习网络，如何工作的，有哪些参数，结果如何优化（实际上想问哪些优化器），参数如何初始化，平时如何调参，调哪些参数

优化器的使用：在机器学习与深度学习中，主要应用于梯度下降。
白玉杰·2020-07-28 08:21

深度学习笔记一

1.深度学习笔记一1.1绪论（1）关于人工智能、机器学习与深度学习之间的关系：人工智能是一种科技领域，分为机器学习，数据挖掘（大概是大数据方向）以及其他方面如作为AL分支的NLP等。
脂环·2020-07-25 21:00

第一周作业：深度学习

人工智能与机器学习与深度学习的关系人工智能（目标）>机器学习（一类方法）>深度学习（一个方法）专家系统与机器学习专家系统主要由专家制定规则，应用于规则简单但是规模较大的问题；机器学习是通过训练模型（决策树
杨凯YK·2020-07-25 17:00

学习笔记——神经网络与深度学习

今天开始学习邱锡鹏老师的《机器学习与深度学习》材料：电子版PDF+课件+课后练习主要当做学习笔记记录一下。
黄小米吖·2020-07-16 06:56
上一页 3 4 5 6 7 8 9 10 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他