学习入门

深度学习（十四）：数据增强Data Augmentation

编程语言：Python参考资料：吴恩达老师的深度学习系列视频吴恩达老师深度学习笔记整理深度学习500问唐宇迪深度学习入门视频课程笔记下载：深度学习个人笔记完整版为什么要使用数据增强数据增强，也称数据扩充
打不死的小黑·2023-01-18 10:10

强化学习EasyRL学习笔记（五）、近端策略优化算法PPO

介绍  EasyRL是由清华大学、北京大学以及中国科学院大学的三名硕士生编写的一门强化学习入门书籍，又称为“蘑菇书”EasyRLgithub地址。笔者主要从事博弈论、多智能体强化学习等方面的研究。
木子泽月生·2023-01-18 08:57

强化学习: Easy-RL学习笔记（二）、MDP过程

介绍  EasyRL是由清华大学、北京大学以及中国科学院大学的三名硕士生编写的一门强化学习入门书籍，又称为“蘑菇书”EasyRLgithub地址。笔者主要从事博弈论、多智能体强化学习等方面的研究。
木子泽月生·2023-01-18 08:27

强化学习：Easy-RL学习笔记（三）、表格型方法

介绍  EasyRL是由清华大学、北京大学以及中国科学院大学的三名硕士生编写的一门强化学习入门书籍，又称为“蘑菇书”EasyRLgithub地址。笔者主要从事博弈论、多智能体强化学习等方面的研究。
木子泽月生·2023-01-18 08:27

强化学习：Easy RL学习笔记

EasyRL学习笔记介绍  EasyRL是由清华大学、北京大学以及中国科学院大学的三名硕士生编写的一门强化学习入门书籍，又称为“蘑菇书”EasyRLgithub地址。
木子泽月生·2023-01-18 08:57

强化学习EasyRL学习笔记（四）、策略梯度方法

介绍  EasyRL是由清华大学、北京大学以及中国科学院大学的三名硕士生编写的一门强化学习入门书籍，又称为“蘑菇书”EasyRLgithub地址。笔者主要从事博弈论、多智能体强化学习等方面的研究。
木子泽月生·2023-01-18 08:26

java初学（仅供自己复习）

系列文章目录提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章Python机器学习入门之pandas的使用提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一
grin : (0~.~0)·2023-01-18 07:51

深度学习入门之数组转换图片不同方法比较

一、如何查看npz文件中的文件从网上下载的数据集是npz格式的，无法直接用解压程序打开，需要借助python查看。利用python查看其中的文件的程序如下：importnumpyasnpface_data=np.load('C:/Users/Lenovo/Desktop/eye_tracker_train_and_val.npz')print(face_data.files)运行该段程序，可以看到
NUAA_CJX·2023-01-18 01:44

机器学习入门实战100例

教程地址：https://blog.csdn.net/qq_38735017/category_12108178.html?spm=1001.2014.3001.5482
闫倩倩爱编程·2023-01-17 15:28

机器学习入门-西瓜书总结笔记第十二章

西瓜书第十二章-计算学习理论一、基础知识二、PAC学习三、有限假设空间1.可分情形2.不可分情形四、VC维五、Rademacher复杂度六、稳定性一、基础知识计算学习理论（computationallearningtheory）研究的是关于通过“计算”来进行“学习”的理论，即关于机器学习的理论基础，其目的是分析学习任务的困难本质，为学习算法提供理论保证，并根据分析结果指导算法设计。给定样例集D={
一入材料深似海·2023-01-17 08:02

深度学习_加法&乘法层的实现

参考书：深度学习入门：基于Python的理论与实现在深度学习中有一种高效计算权重参数梯度的方法----误差反向传播法。可以通过画计算图，来帮助理解误差反向传播法。
AI 黎明·2023-01-17 07:52

web安全之机器学习入门——2.机器学习概述

目录0前置知识什么是机器学习机器学习的算法机器学习首先要解决的两个问题一些基本概念数据集介绍1正文数据提取数字型文本型数据读取0前置知识什么是机器学习通过简单示例来理解什么是机器学习机器学习的算法属于监督式学习的算法有:回归模型,决策树,随机森林,K近邻算法,逻辑回归等算法属于无监督式学习的算法有:关联规则,K-means聚类算法等属于强化学习的算法有:马尔可夫决策过程机器学习的算法——用最通俗的
R芮R·2023-01-16 22:13

《Web安全之机器学习入门》笔记：第十六章 16.6 生成常用密码

人们在设置密码时候，总是倾向于好记的密码，于是常见的密码有一定的关联性。我们可以尝试让RNN学习常见的密码，摸索其中的规律，然后自动生成密码。本小节示例RNN生成常用密码。1、数据集使用WVS自带的密码字典作为训练集。约定密码长度不超过10，逐行读取密码文件中的每行密码，并将其序列化。path="../data/wvs-pass.txt"maxlen=10file_lines=open(path,
mooyuan天天·2023-01-16 22:12

《Web安全之机器学习入门》笔记：第十三章 13.4 有向图识别僵尸网络

本小节通过有向图识别僵尸网络来示例网络安全领域的应用。一、僵尸网络上图为黑产控制僵尸网络发起攻击的示意图，通常来说黑产会对整个僵尸网络的僵尸主机发布相同的控制指令，所以通过统计一段时间内攻击源的ip地址以及被攻击者域名之间的关联关系，可以初步判断出哪些IP地址可能被同一黑产团体控制。本小节中，僵尸网络的有向图处理如下所示：二、数据集文件位置：filename="../data/etl-ip-dom
mooyuan天天·2023-01-16 22:12

《Web安全之机器学习入门》笔记：第十一章 11.3 Apriori算法挖掘XSS相关参数

通常情况下Apriori算法主要用于推荐系统，在网络安全中如何使用呢？本小节通过挖掘XSS相关参数，来我家潜在的关联关系。1.数据集本小节通过xssed网站的样例以及WAF拦截日志提取的XSS攻击日志作为样本，位于data/xss-2000.txt中，具体如下机器是没有办法将其识别为日志的，需要逐行读取数据，并将其向量化。比较简单的做法就是按照一定的分隔符切割为单词向量，代码如下所示myDat=[
mooyuan天天·2023-01-16 22:12

《Web安全之机器学习入门》笔记：第十二章 12.3 隐式马尔可夫算法识别XSS攻击（一）

本小节通过使用隐式马尔可夫来识别XSS攻击，通过xss白名训练马尔可夫模型，然后用马尔可夫模型测试xss攻击黑名单，这样。单示例隐式马尔可夫在网络安全中的使用。1、参数建模对于XSS攻击，首先我们需要对数据进行泛化,比如：[a-zA-Z]泛化为A[0-9]泛化为N[-_]泛化为C其他字符泛化为T根据如上原则admin123泛化为AAAAANNN，root泛化为AAAA。如下图所示，url参数wjq
mooyuan天天·2023-01-16 22:12

《Web安全之机器学习入门》笔记：第九章 9.3 支持向量机算法SVM 检测XSS攻击

本小节是通过网上搜集的数据使用svm算法识别XSS攻击。一、支持向量机支持向量机SVM（supportvectormachines）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，最终转化为一个凸二次规划问题来求解。二、数据集构造黑白样本，黑样本20w，白样本20wetl('../data/xss-200000.txt',x,1)etl('../data/goo
mooyuan天天·2023-01-16 22:12

《Web安全之机器学习入门》笔记：第十二章 12.4 隐式马尔可夫算法识别XSS攻击（二）

本小节示例另一种马尔可夫识别XSS攻击的方法。一、原理本小节通过将机器当做小白，训练它学会XSS攻击语法，然后再让机器从访问日志中寻找符合攻击语法的疑似攻击日志。整个系统运行流程如下所示：二、词袋/词集模型词集模型：单词构成的集合，集合中自然每个元素都只有一个，即词集中每个单词都只有一个词袋模型：如果一个单词在文档中出现不止一次，统计出现的次数通常是先生存词汇表，再生成词集。训练样本是1000条典
mooyuan天天·2023-01-16 22:11

《Web安全之机器学习入门》笔记：第五章 5.2 决策树K近邻

这是一个系列《Web安全之机器学习入门》的笔记集合，包含书中第五章-第十七章的内容。
mooyuan天天·2023-01-16 22:11

如何在B站读一个深度学习的研究生？

随着深度学习的爆炸性发展，越来越多人涌入这个领域，同时市面上的资料也是百花齐放，但是真正有价值的资料其实并不多，并且出品于大佬们的手这篇blog将会带领你在b站读一个深度学习的研究生保姆级清单，喜欢的话请点个赞~机器学习入门
爱睡觉的Raki·2023-01-16 21:59

强化学习（学习归纳整理）

前注：本文是强化学习的梳理归纳，之前有一定的强化学习入门基础，非纯小白。
Promise._·2023-01-16 12:27

深度学习之CSPNet分析

深度学习入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。
tt丫·2023-01-16 09:04

深度学习入门---从配置环境开始--序言python配置

在windows下配置：win10，cpu开始默认安装了python3.7，但么有找到tensorflow，所以版本换3.6，pipinstalltensorflow但仍提示nomodule，进入python后，查看sys.path：输入命令>>importsys>>sys.path>>sys.path.append("安装路径\\Anaconda3\\Lib\\site-packages\\")
shxmx·2023-01-16 08:37

深度学习入门项目（Pytorch）

可以自己手动更改EPOCH和LR来使预测更佳准确importtorchimporttorch.nnasnnimporttorch.utils.dataasDataimporttorchvisionimportmatplotlib.pyplotaspltimportosimportcv2importtime#fromgoogle.colab.patchesimportcv2_imshowtis1=t
程序大牢·2023-01-16 08:36

深度学习之图像分类（七）--ResNet网络结构

深度学习之图像分类（七）ResNet网络结构目录深度学习之图像分类（七）ResNet网络结构1.前言2.Residual3.网络配置4.代码本节学习ResNet网络结构，以及迁移学习入门，学习视频源于Bilibili
木卯_THU·2023-01-16 08:05

深度学习入门：适合初学者的5个计算机视觉免费开源项目

用于图像字幕的开源计算机视觉项目你是否曾经希望过一些可以为你的社交媒体图像加字幕的技术，因为你和你的朋友都无法提出很酷的字幕。用于图像字幕的深度学习助你一臂之力。图像字幕是为图像生成文本描述的过程。它是计算机视觉和自然语言处理（NLP）的组合任务。计算机视觉方法有助于理解并从输入图像中提取特征。此外，NLP以正确的单词顺序将图像转换为文本描述。以下是一些有用的数据集，可帮助你使用图像字幕：1.CO
TSINGSEE·2023-01-16 08:04

gitchat训练营15天共度深度学习入门课程笔记(十三)

第7章卷积神经网络7.5CNN的实现7.6CNN的可视化7.6.1第1层权重的可视化7.6.2基于分层结构的信息提取7.7具有代表性的CNN7.7.1LeNet7.7.2AlexNet7.5CNN的实现CNN各层示意图：隐藏层：Convolution-ReLU-Pooling输出层的前一层：Affine-ReLU输出层：Affine-SoftmaxSimpleConvNet初始化：参数和函数：in
weixin_43114885·2023-01-16 08:21

gitchat训练营15天共度深度学习入门课程笔记(九)

第6章与学习相关的技巧6.1学习过程中参数更新最优化方法6.1.2SGD1.SGD的实现2.SGD的缺点6.1.4Momentum1.Momentum公式2.Momentum的实现6.1.5AdaGrad1.AdaGrad的公式2.AdaGrad的实现6.1.6Adam1.Adam的特点2.Adam的实现6.1.8基于MNIST数据集的更新方法的比较6.2权重初始值的设置方法6.2.2隐藏层的激活
weixin_43114885·2023-01-16 08:50

gitchat训练营15天共度深度学习入门课程笔记(十)

第6章与学习相关的技巧6.4正则化抑制过拟合的方法6.4.2权值衰减6.4.3Dropout6.5超参数的验证6.5.1验证数据6.5.2超参数的最优化6.5.3超参数最优化的实现6.4正则化神经网络发生过拟合的原因：模型拥有大量参数、表现力强训练数据少为了制造过拟合的神经网络来表现实验情况，选择了以下条件：训练数据：Minist数据集里的300（60000:300）个训练数据神经网络层数：7层隐
weixin_43114885·2023-01-16 08:50

gitchat训练营15天共度深度学习入门课程笔记(八)

第5章误差反向传播法5.4简单层的实现5.4.1乘法层的实现5.4.2加法层的实现5.5激活函数层的实现5.5.1ReLU层5.5.2Sigmoid层5.6Affine/Softmax层的实现5.6.1Affine层5.6.2批版本的Affine层5.6.3Softmax-with-Loss层5.7误差反向传播法的实现5.7.1神经网络学习的全貌图5.7.2对应误差反向传播法的神经网络的实现5.7
weixin_43114885·2023-01-16 08:50

斋藤康毅-深度学习入门 学习笔记五

ch误差反向传播法乘法和加法层的反向传播classAddLayer:def__init__(self):passdefforward(self,x,y):out=x+yreturnoutdefbackword(self,dout):dx=dout*1dy=dout*1returndx,dyclassMulLayer:def__init__(self):self.x=Noneself.y=Noned
Raymond_YP·2023-01-16 08:11

【MATLAB教程案例85】通过matlab实现有限差分法求解微分方程

欢迎订阅《FPGA学习入门100例教程》、《MATLAB学习入门100例教程》目录1.软件版本2.有限差分法的相关理论
fpga和matlab·2023-01-15 16:18

【MATLAB教程案例83】通过matlab实现数据的插值拟合

欢迎订阅《FPGA学习入门100例教程》、《MATLAB学习入门100例教程》目录1.软件版本2.插值拟合的相关理论3.插值拟合的MA
fpga和matlab·2023-01-15 16:18

【MATLAB教程案例84】通过matlab实现数据的线性回归

欢迎订阅《FPGA学习入门100例教程》、《MATLAB学习入门100例教程》目录1.软件版本2.线性回归的相关理论3.线性回归的ma
fpga和matlab·2023-01-15 16:18

语言模型——深度学习入门动手

语言模型一段自然语言文本可以看作是一个离散时间序列，给定一个长度为T的词的序列w1,w2,…,wT，语言模型的目标就是评估该序列是否合理，即计算该序列的概率：P(w1,w2,…,wT).本节我们介绍基于统计的语言模型，主要是n元语法（n-gram）。在后续内容中，我们将会介绍基于神经网络的语言模型。语言模型假设序列w1,w2,…,wT中的每个词是依次生成的，我们有P(w1,w2,…,wT)=∏t=
cwz2021·2023-01-15 10:48

PyTorch深度学习入门笔记（十一）神经网络池化层

我是雪天鱼，一名FPGA爱好者，研究方向是FPGA架构探索和数字IC设计。关注公众号【集成电路设计教程】，获取更多学习资料，并拉你进“IC设计交流群”。QQIC设计&FPGA&DL交流群群号：866169462。课程学习笔记，课程链接文章目录一、MaxPool2d简介二、代码演示一、MaxPool2d简介这一节讲解池化层。还是通过Pytorch官方文档来进行学习：打开torch.nn的poolin
雪天鱼·2023-01-15 07:58

深度学习入门(基于python实现)--第三章 神经网络 01

所看书籍为人民邮电出版社的深度学习入门，原作者[日]斋藤康毅#_*_coding:UTF-8_*_#文件名：neural_network_01.py#开发工具：PyCharmimportnumpyasnpimportmatplotlib.pylabasplt
zyhsna·2023-01-14 20:45

深度学习入门—基于Python的理论与实现（一）

本文参考书籍《深度学习入门—基于Python的理论与实现》Python入门Python内容均已书本内容来赘述，涵盖量小且不完全，建议初学者参考其他相关书籍或博客python教程进行学习。
kiukiu3·2023-01-14 20:14

【啃书】《深度学习入门 基于Python的理论与实现》第3章 神经网络

文章目录3.1从感知机到神经网络3.2激活函数3.43层神经网络的实现3.5输出层的设计神经网络的一个重要性质是它可以自动地从数据中学习到合适的权重参数。3.1从感知机到神经网络激活函数（activationfunction）的作用在于决定如何来激活输入信号的总和。3.2激活函数神经网络中经常使用的一个激活函数就是式（3.6）表示的sigmoid函数（sigmoidfunction）importn
凯旋16668·2023-01-14 20:13

000102感知机到神经网络

从感知机到神经网络学习深度学习入门的学习记录。总忘，记录。只记录各部分源码和少部分原理。
tryiiii·2023-01-14 20:11

深度学习入门（三）------- 阶跃函数和Sigmoid函数

引入了一个新概念叫阶跃函数，阶跃函数以0为界，输出从0切换为1（或者从1切换为0），它的值呈阶梯式变化，所以称为阶跃函数。它的图形代码就是：importnumpyasnpimportmatplotlib.pylabaspltdefstep_function(x):returnnp.array(x>0,dtype=np.int)x=np.arange(-5.0,5.0,0.1)y=step_func
程序员到程序猴·2023-01-14 20:39

深度学习入门（斋藤康毅）

第二章：感知机1、什么是感知机感知机就是一个算法,它可以接收多个输入信号,只输出一个信号.在神经元中,多个信号经过不同的权重输入到一个神经元中,输出的信号只有一个.当不同输入信号经过加权求和之后,得到的总和超过阈值时,这个神经元才会输出信号.具体的说,w是控制输入信号重要性的参数,而b是调整神经元倍激活的容易程度的参数。2、感知机可以实现基本的与,或,与非门，但是感知机不能实现异或门。3、单层感知
lp_oreo·2023-01-14 20:39

深度学习入门——用python从轮子开始造神经网络(1)

深度学习入门——用python从轮子开始造神经网络(1)作者：时棋前言由于作者水平问题，对深度学习的原理也给不出什么独到精妙的理解，本文单从实践角度试图让深度学习看起来简单一点。
Coder(小蓝).exploited·2023-01-14 20:39

机器学习入门2022.7.5

1.Tf-idf文本特征提取：接上篇的2022.7.3的文章2.特征预处理通过一些转换函数将特征数据转换成更加适合算法模型的特征数据的过程，将不同规格的数据转换到同一规格去进行处理，如下图所示：2.归一化的举例学习到其他相同重要的特征，不会因为数值的差异的大小来影响特征之间的重要程度3.归一化的计算公式
周杰伦的粉丝·2023-01-14 11:45

攻克强化学习技术难题记录

第1次迭代的设计思路：强化学习demo游戏“cartpole”重述游戏目标：向左/右移动小车cart，保证杆pole始终在小车上方，是大多数强化学习入门教材都会介绍的一个经典案例。
刘元职业车队·2023-01-14 11:30

深度学习入门——数值微分，求导数

#coding:utf-8importnumpyasnpimportmatplotlib.pylabasplt#------------------定义微分函数-------------------------------------------------------------defnumerical_diff(f,x):h=1e-04#0.0001利用极小值，但不能产生舍入误差return(
我是小杨我就这样·2023-01-14 10:15

python机器学习入门笔记分享

机器学习(入门)学习笔记1-1了解人工智能人工智能必备三大素：算法、算力(计算力)、数据人工智能主要分支：计算机视觉：eg:人脸识别自然语言处理：语音识别语义识别1-2机器学习工作流程定义[***]数据自动分析获得模型预测从数据中自动分析获得模型，并利用模型对未知数据进行预测2.工作流程[****]1.获取数据2.数据基本处理3.特征工程4.机器学习(模型训练)5.模型评估3.获取到的数据集介绍1
m0_64892604·2023-01-14 07:24

1、机器学习入门

1、机器学习入门1.1什么是机器学习旧的定义：在没有明确设置的情况下，使计算机具有学习能力的领域新的定义：经验E，任务T，性能度量P（完成T成功概率）计算机不断积累经验E，完成任务T的性能度量P随之提高学习算法中两个主要算法
脑袋空空的Coduck君·2023-01-14 03:24

Python机器学习引言与基础知识储备

第一部分机器学习入门机器学习入门第一部分机器学习入门1.1为什么选择机器学习1.1.1机器学习能够解决的问题1.1.2熟悉任务和数据1.2为什么选择Python1.3scikit-learn1.4必要的库和工具
ErrorError！·2023-01-14 00:35

机器学习入门（2、特征预处理、降维）

③特征预处理3.1归一化3.2标准化④特征降维4.1特征选择4.2主成分分析③特征预处理原理是通过转换函数，将特征数据转换成更适合算法模型的特征数据的过程。数据抽取步骤，已将原始数据处理为数值型数据，还需将不同规格的数据转换为同一规格，此处特征预处理的过程也称为数值型数据的无量纲化，主要通过归一化、标准化两种方式来实现。3.1归一化通过对原始数据进行变换，把数据映射到默认为[0,1]之间。在skl
奈々生様·2023-01-13 22:53
上一页 17 18 19 20 21 22 23 24 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他