多层神经网络

01 机器学习与深度学习

常见算法有逻辑回归和反向传播神经网络。2.无监督式学习训练数据仅包含输入，没有正确输出。通过研究数据的特征和进行数据的处理、分析，获得一个结果。常见算法包括Apriori算法、k-Means
幽径微澜·2024-01-24 11:47

python Seq2Seq模型源码实战，超详细Encoder-Decoder模型解析实战；早期机器翻译模型源码demo

常用的编码器模型有循环神经网络（RNN）和Tra
医学小达人·2024-01-24 11:55

大型语言模型 (LLM)全解读

大型语言模型底层使用多个转换器模型，底层转换器是一组神经网络。大型语言模型是使用海量数据集进行训练的超大型深度学习模型。这也是它们能够识别、翻译、预测或生成文本或其他内容的强大基础所在。
FeelTouch Labs·2024-01-24 11:24

【数学建模】智能算法

文章目录模拟退火算法简介算法流程及应用算法流程算法应用遗传算法遗传算法的原理遗传算法应用模型及算法模型求解人工神经网络概述人工神经元激活函数基本模型感知器BP神经网络RBF神经网络应用智能算法，也称现代优化算法模拟退火算法简介材料统计力学观点
自律版光追·2024-01-24 11:06

开启 AI 未来：零基础小白如何玩转深度学习

简单来说，深度学习就是构建一个像人脑一样的神经网络，让计算机自动提取特征，并
灸哥漫谈·2024-01-24 10:56

Pytorch学习笔记(2) Autograd(自动求导) —— PyTorch的核心

本文是Pytorch快速入门第二部分，主要学习记录，主要翻译PytorchAutograd部分教程原文autograd包是PyTorch中神经网络的核心部分。
银色尘埃010·2024-01-24 10:53

【论文阅读】LLM4GCL: CAN LARGE LANGUAGE MODEL EM-POWER GRAPH CONTRASTIVE LEARNING?

文章目录0、基本信息1、研究动机2、创新点2.1、LLM-as-GraphAugmentor2.2、LLM-as-TextEncoder3、准备3.1、文本属性图3.2、图神经网络3.3、文本属性图上的对比学习
鲸可落·2024-01-24 10:37

什么是神经网络？

深度学习指训练神经网络，有时候规模很大。什么是神经网络呢？房价预测的例子：假如有一个六间房屋的数据集，已知房屋的面积、已知房屋价格，想要找到一个函数：根据房屋面积预测房价的函数。
小小白的波妞妞·2024-01-24 10:07

【Pytorch】循环神经网络实现手写体识别

【Pytorch】循环神经网络实现手写体识别1数据集加载2搭建RNN模型3训练模型4模型保存和加载模型测试1数据集加载importseabornassnssns.set(font_scale=1.5,style
Teacher.Hu·2024-01-24 10:18

【Pytorch】神经网络分类手写数字识别

【Pytorch】神经网络分类手写数字识别Mnist数据集介绍一、下载数据集二、数据集预处理四、模型训练五、模型保存和加载六、测试模型效果Mnist数据集介绍该数据集由50000张训练图片和10000张测试图片组成
Teacher.Hu·2024-01-24 10:17

他送给我的一片星辰大海

他的特别却引起了我的注意那幅画只有黑白灰，是层层叠叠的树木，无色却多层次，好像是独立在这些画里的一股清流，形成他自己的风
冷玉子·2024-01-24 09:38

粒子群优化极限学习机时间序列预测，pso-elm时间序列回归分析

粒子群优化极限学习机时间序列预测，pso-elm时间序列回归分析资源-CSDN文库https://download.csdn.net/download/abc991835105/88770057背影极限学习机是在BP神经网络上改进的一种网络
神经网络机器学习智能算法画图绘图·2024-01-24 08:05

基于核极限学习机的回归分析，基于极限学习机的预测

代码效果图结果分析展望完整代码下载链接：（代码完整，数据齐全）资源-CSDN文库https://download.csdn.net/download/abc991835105/88768798背影极限学习机是在BP神经网络上改进的一种网络
神经网络机器学习智能算法画图绘图·2024-01-24 08:35

[Machine Learning] 6 神经网络：表述(Neural Networks: Representation)

点Ta6NeuralNetworks:Representation(神经网络：表述)6.1Non-linearhypotheses(非线性假设)6.2ModelRepresentation(模型表示)6.3Multi-classClassification
今天你DEBUG了吗·2024-01-24 08:34

神经网络（Neural Networks：Representation）

目录非线性假设神经元与大脑模型展示例子与直觉理解多元分类非线性假设假如有一个监督学习分类问题它的训练集如图所示：如果使用logistc分类方法（逻辑回归），我们可以构造一个包含很多非线性项的logistc回归函数，当多项式（例如图中特征x1，x2任意组合）足够多时，那么就可能分类成功。当我们需要输入的特征量n很大时：如果多项式只包含二次项，那么会产生大量的二次项；如果只包含其中的平方项，那么会因为
TQ2·2024-01-24 08:03

【Machine Learning】8 神经网络：表述（Neural Networks:Representation）

8.2神经元和大脑（Neuronsandthebrain）大脑学习的方法与计算机的算法8.3模型表示I（ModelrepresentationI）神经网络示意如上图。神经网络基本结构及其详解。
xzen·2024-01-24 08:32

【单层感知器】花语神经网络的原理解析

神经网络感知器（Perceptron）是神经网络中最基础的单元，它的工作原理可以用一个通俗的比喻来解释。假设有一个花园，花园里有各种各样的花，我们要通过花的特征来识别不同的花种。
德天老师·2024-01-24 08:32

测验：Neural Networks: Representation（week4）

A：XOR两层是不行的B：sigmoid函数的输出值范围是0~1C：二分类问题可用神经网络来表示D：也有可能是0分析权重，发现只有在x1,x2同时为1的情况下输出才是1，可知是AND函数4.5.第一个矩阵中第一第二行换了位置
僵尸吃了Dave的脑子·2024-01-24 08:32

机器学习教程之5-神经网络：表述(Neural Networks:Representation)

1.非线性假设假设我们希望训练一个模型来识别视觉对象（例如识别一张图片上是否是一辆汽车），我们怎样才能这么做呢？一种方法是我们利用很多汽车的图片和很多非汽车的图片，然后利用这些图片上一个个像素的值（饱和度或亮度）来作为特征。显然用线性回归或逻辑回归都是不可取的，因为将一幅图上的所有点作为特征，特征数太多，计算量太大。无论是线性回归还是逻辑回归都有这样一个缺点，即：当特征太多时，计算的负荷会非常大。
豆-Metcalf·2024-01-24 08:01

LSTM的多变量时间序列预测（北京PM2.5预测）

参考博客文章目录LSTM简介数据集简介数据预处理多元LSTM预测模型数据准备：定义和拟合模型评估模型训练多个滞后时间步LSTM简介LSTM（LongShort-TermMemory）是一种特殊类型的循环神经网络
heibut不相信眼泪·2024-01-24 08:31

第十一章 文本生成

把文本生成问题看成一个预测问题，例如我们有很多图片，我们训练了一个神经网络来对图片进行分类，本质上来说，它就是对图片像素所表示的内容进行预测。
清☆茶·2024-01-24 08:00

第十三章RNN网络样本的生成方法

RNN网络样本的生成：神经网络的输入采用的是向量，循环神经网络、LSTM网络也是一个时间序列，这个时间序列怎么进行编码？1.生成窗口数据，并转化为列表在本章节中，我们将模拟循环神经网络的样本生成方法。
清☆茶·2024-01-24 08:00

深度学习如何入门，如何快速理解深度学习

深度学习是机器学习的一个分支，它使用深度神经网络来模拟人脑的工作方式，通过学习样本数据的内在规律和表示层次，让机器能够具有类似于人类的分析学习能力。
打工人何苦为难打工人·2024-01-24 08:28

吴恩达【深度学习】笔记03——深层神经网络（Deep Neural Networks）

文章目录一、深层神经网络（DeepL-layerneuralnetwork）二、前向传播和反向传播（Forwardandbackwardpropagation）1.Forwardpropagation2
无糖馥芮白·2024-01-24 08:57

神经网络的学习(Neural Networks: Learning)

1.代价函数案例：假设神经网络的训练样本有个，每个包含一组输入和一组输出信号，表示神经网络层数，表示每层的neuron个数(表示输出层神经元个数)，代表最后一层中处理单元的个数。
清☆茶·2024-01-24 08:56

深度学习技巧应用33-零门槛实现模型在多个GPU的分布式流水线训练的应用技巧

一、神经网络模型并行的介绍神经网络模型并
微学AI·2024-01-24 08:56

神经网络：表述(Neural Networks: Representation)

1.非线性假设无论是线性回归还是逻辑回归，当特征太多时，计算的负荷会非常大。案例：假设我们有非常多的特征，例如大于100个变量，我们希望用这100个特征来构建一个非线性的多项式模型，结果将是数量非常惊人的特征组合，即便我们只采用两两特征的组合(12+13+14+...+23+24+...+99100)，我们也会有接近5000个组合而成的特征。这对于一般的逻辑回归来说需要计算的特征太多了。假使我们采
清☆茶·2024-01-24 08:55

PyTorch

它提供了灵活的张量计算和自动微分（autograd）机制，以及用于构建和训练神经网络的高级工具。
JNU freshman·2024-01-24 08:52

【PyTorch】记一次卷积神经网络优化过程

记一次卷积神经网络优化过程前言在深度学习的世界中，图像分类任务是一个经典的问题，它涉及到识别给定图像中的对象类别。
精英的英·2024-01-24 07:51

【PyTorch】使用PyTorch创建卷积神经网络并在CIFAR-10数据集上进行分类

在本博客中，我们将探讨如何使用PyTorch框架创建一个简单的卷积神经网络（CNN）来对CIFAR-10数据集中的图像进行分类。
精英的英·2024-01-24 07:12

【AIGC】CLIP

这两个编码器都被设计为强大的神经网络，能够将输入数据映射到高维空间的表示。共享嵌入空间：
资料加载中·2024-01-24 07:36

最近的一些总结——时间管理

简单来说，就是获得客户-筛选客户-客户沟通-推进-获得结果，事情再多一点，会再加上客户内部多层级多部门沟通；再到公司内部合作项目推动。现在的事情不一样了。
郭美兰lynn·2024-01-24 07:14

强化学习11——DQN算法

DQN算法的全称为，DeepQ-Network，即在Q-learning算法的基础上引用深度神经网络来近似动作函数Q(s,a)Q(s,a)Q(s,a)。
beiketaoerge·2024-01-24 06:46

CNN-BIGRU-Attention卷积神经网络-双向门控循环单元多输入多输出预测，CNN-BIGRU-Attention回归预测。评价指标包括:R2、MAE、MSE、RMSE等，代码质量极高，

%%清空环境变量warningoff%关闭报警信息closeall%关闭开启的图窗clear%清空变量clc%清空命令行%%导入数据res=xlsread('数据.xlsx');%%数据分析num_size=0.8;%训练集占数据集比例outdim=3;%最后3列为输出num_samples=size(res,1);%样本个数res=res(randperm(num_samples),:);%打乱
机器学习-深度学习·2024-01-24 06:28

卷积神经网络CNN的数据回归预测,多输入单输出模型。（主要应用于风速，负荷，功率）

%%清空环境变量warningoff%关闭报警信息closeall%关闭开启的图窗clear%清空变量clc%清空命令行tic%restoredefaultpath%%导入数据P_train=xlsread('data','trainingset','B2：G191')';T_train=xlsread('data','trainingset','H2：H191')';%测试集——44个样本P_t
机器学习-深度学习·2024-01-24 06:58

CNN-LSTM-Attention卷积神经网络-长短期记忆网络多输入多输出预测，CNN-BILSTM-Attention回归预测。评价指标包括:R2、MAE、MSE、RMSE等，代码质量极高，方

%%清空环境变量warningoff%关闭报警信息closeall%关闭开启的图窗clear%清空变量clc%清空命令行%%导入数据res=xlsread('数据.xlsx');%%数据分析num_size=0.8;%训练集占数据集比例outdim=3;%最后3列为输出num_samples=size(res,1);%样本个数res=res(randperm(num_samples),:);%打乱
机器学习-深度学习·2024-01-24 06:58

CNN-GRU-Attention卷积神经网络-门控循环单元多输入多输出预测，CNN-GRU-Attention回归预测。评价指标包括:R2、MAE、MSE、RMSE等，代码质量极高，方便学习和替

%%清空环境变量warningoff%关闭报警信息closeall%关闭开启的图窗clear%清空变量clc%清空命令行%%导入数据res=xlsread('数据.xlsx');%%数据分析num_size=0.8;%训练集占数据集比例outdim=3;%最后3列为输出num_samples=size(res,1);%样本个数res=res(randperm(num_samples),:);%打乱
机器学习-深度学习·2024-01-24 06:58

工程师每日刷题 -4

CNN本质上是一个多层感知机(MLP)，其成功的原因关键在于它所采用的【稀疏连接】（局部感受）和【权值共享】的方式，一方面减少了的权值的数量使得网络易于优化，另一方面降低了过拟合的风险。
Nice_cool.·2024-01-24 06:43

高清图解：神经网络、机器学习、数据科学一网打尽

今天，新智元要为大家推荐一个超实用、颜值超高的神经网络+机器学习+数据科学和Python的完全图解，文末附有高清PDF版链接，支持下载、打印
城市中迷途小书童·2024-01-24 05:32

李宏毅机器学习——深度学习训练的技巧

神经网络训练的技巧优化失败的原因:局部最小值或鞍点，可以通过对H矩阵特征值正负性进行判断batch：加快梯度的计算，更新参数的速度比较快momentum:越过局部最小值或鞍点learningrate:自动调整学习率如
migugu·2024-01-24 04:17

人工智能项目开发实战（下）

五、机器学习开发框架机器学习是实现人工智能的最大技术工具集，深度学习是机器学习的最重要分支，其核心是神经网络算法技术。
庞玖·2024-01-24 03:54

购房者记住这几点，教你买到最好的户型，一年省下几万块

一、看楼层1、要想买一楼，除非有花园、车库等附加值，否则不推荐；多层无电梯住宅，首选三、四层，高层电梯房除了顶楼，买越高越好。
办公技巧达人·2024-01-24 02:12

Resnet结构的有效性解释

=\mathbf{x}^{(l-1)}+\mathcal{F}(\mathbf{x})^{(l-1)}\tag{1}z(l)=x(l−1)+F(x)(l−1)(1)考虑由式(1)(1)(1)组成的前馈神经网络
Midsummer啦啦啦·2024-01-24 02:25

NIPS 2018 | Quoc Le提出卷积网络专属正则化方法DropBlock

【嵌牛鼻子】：谷歌大脑，卷积神经网络，正则化，DropBlock【嵌牛提问】：你了解神经网络的正则化吗？【嵌牛正文】：深度神经网络在具备大
薰风初入弦Isono_5c51·2024-01-24 01:48

Java项目：125SpringBoot教室预约管理系统

系统源码及教程文末获取源码一、项目介绍教室预约管理系统使用SpringBoot+Mybatis进行开发，系统整体分为前台和后台，后台主要对教室，用户等信息进行管理，前台总共分为学生、教室、辅导员、楼长四种角色，通过预约教室，多层审批完成教室预约功能
Java旅途·2024-01-24 01:03

机器学习实验4——CNN卷积神经网络分类Minst数据集

文章目录实验内容原理CNN实现分类Minst代码数据预处理：设置基本参数：实验内容基于手写minst数据集，完成关于卷积网络CNN的模型训练、测试与评估。原理卷积层通过使用一组可学习的滤波器（也称为卷积核）对输入图像进行滑动窗口卷积操作，这样可以提取出不同位置的局部特征，从而捕捉到图像的空间结构信息。激活函数在卷积层之后，通常会应用一个非线性激活函数，如ReLU激活函数的作用是引入非线性，使得CN
在半岛铁盒里·2024-01-24 01:01

U-Net的原理

U-Net是一种专为医学图像分割而设计的卷积神经网络（CNN）架构。
来自宇宙的曹先生·2024-01-24 00:43

基于神经网络的电力系统的负荷预测

一、背景介绍：电力系统负荷预测是生产部门的重要工作之一，通过准确的负荷预测，可以经济合理地安排机组的启停、减少旋转备用容量、合理安排检修计划、降低发电成本和提高经济效益。负荷预测按预测的时间可以分为长期、中期和短期负荷预测。其中，短期负荷预测中，周负荷预测(未来1周)、日负荷预测(未来24小时)及提前小时预测对于电力系统的实时运行调度至关重要。负荷预测对电力系统控制、运行和计划都有着重要意义。因为
Metaphysicist.·2024-01-23 23:57

深度学习笔记：灾难性遗忘

1灾难性遗忘介绍当神经网络被训练去学习新的任务时，它可能会完全忘记如何执行它以前学过的任务。
UQI-LIUWJ·2024-01-23 22:08

【2020.04.06】这个时间有班可上，那是一种幸福

十多层楼全被黑暗笼罩着，仅仅大厅的一角亮了一盏黄色发晕的灯光。
沣水寒江雪·2024-01-23 22:54
上一页 45 46 47 48 49 50 51 52 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他