李宏毅机器学习课程笔记

李宏毅机器学习笔记——元学习Meta Learning

元学习MetaLearning：学习如何去学习。learntolearn.机器学习步骤总结第一步：第二步：第三步：元学习是什么输入训练资料，通过方法，进行训练。学习这个方法。利用以往的知识经验来指导新任务的学习，具有学会学习的能力。hand_crafted是人设定的意思。元学习步骤第一步：寻找方法要学的参数是Φ。之前这些component都是人定的，元学习里是求这些component.第二步：计算
vincewm·2022-12-11 04:51

李宏毅机器学习笔记——深度学习介绍及反向传播

深度学习介绍及反向传播深度学习的三个步骤第一步——定义模型（NN）第二步——定义模型的好坏第三步——找到较优模型反向传播链式法则具体细节深度学习的三个步骤与之前的回归内容一样，可以概括为三个步骤。第一步——定义模型（NN）像神经元一样，设置输入层、隐藏层和输出层。层与层之间的权重我们用θ\thetaθ表示。“简单来说，深度学习就是有很多个隐藏层的神经网络。”全连接是连接不同的神经元一种方式。当前层
Brandon1017·2022-12-11 04:20

狂神redis课程笔记

Redis文章目录RedisNosql单机SQL时代，更多使用静态网页Memcached缓存+MySQL+垂直拆分（读写分离）分库分表+水平拆分+M有SQL集群最近的年代最后总结为什么要用NoSQL大数据时代的3V和3高阿里巴巴框架演进第五代架构改进NoSQL的四大分类KV键值对文档型数据库（Bson格式和Json格式）列存储数据库图形关系数据库Redis入门Redis能干嘛特性常用网站启动Red
好运haoyun·2022-12-10 21:26

UCAS - AI学院 - 知识图谱专项课 - 第6讲 - 课程笔记

UCAS-AI学院-知识图谱专项课-第6讲-课程笔记实体识别信息抽取概述信息抽取的基础：分词和词性标注命名实体识别细粒度实体分类开放领域实体识别实体识别信息抽取概述知识获取输入：领域知识本体/海量数据输出
支锦铭·2022-12-10 14:14

吴恩达机器学习系列课程笔记——第十八章：应用实例：图片文字识别(Application Example: Photo OCR)

18.1问题描述和流程图https://www.bilibili.com/video/BV164411b7dx?p=108图像文字识别应用所作的事是，从一张给定的图片中识别文字。这比从一份扫描文档中识别文字要复杂的多。为了完成这样的工作，需要采取如下步骤：文字侦测（Textdetection）——将图片上的文字与其他环境对象分离开来字符切分（Charactersegmentation）——将文字分
Lishier99·2022-12-10 13:38

李宏毅机器学习笔记5：CNN卷积神经网络

李宏毅老师的机器学习课程和吴恩达老师的机器学习课程都是都是ML和DL非常好的入门资料，在YouTube、网易云课堂、B站都能观看到相应的课程视频，接下来这一系列的博客我都将记录老师上课的笔记以及自己对这些知识内容的理解与补充。(本笔记配合李宏毅老师的视频一起使用效果更佳！）Lecture7:CNN目录一、CNN的引入二、CNN的层次结构三、CNN的小Demo加深对CNN的理解四、CNN的特点在学习
weixin_34066347·2022-12-10 06:26

2019年CS224N课程笔记-Lecture 11: ConvNets for NLP

资源链接：https://www.bilibili.com/video/BV1r4411想看书吗推荐了一本书～可以自己去了解了解正课内容本周主要是CNN专题从RNNs到卷积神经网络递归神经网络不能捕获没有前缀上下文的短语经常在最终向量中捕获太多的最后单词，如下图例如，如上图，softmax通常只在最后一步计算卷积网络的主要想法：如果我们为每个可能的子序列计算一定长度的向量呢？例如：“tentati
任菜菜学编程·2022-12-10 06:50

[Machinie Learning] 吴恩达机器学习课程笔记——Week1

MachineLearningbyAndrewNg吴恩达机器学习课程学习笔记——Week1学习提纲IntroductionModelandCostFunctionParameterLearningLinearAlgebraReviewIntroductionMachineLearningDefinition机器学习定义MLDefinitionAcomputerprogramissaidtolear
Carsick Car·2022-12-10 01:27

[Machinie Learning] 机器学习课程笔记合订本（更新中）

MachineLearning吴恩达机器学习课程笔记吴恩达机器学习系列吴恩达ML课程笔记——Week1未完待续，持续更新ing…
Carsick Car·2022-12-10 01:57

Gilbert Strang的线性代数课程笔记-第七课

第七课的主题为：矩阵A的零空间（NullSpace）的求解方法第一部分解释矩阵中列与列的独立性、矩阵的秩、支点列与支点变量、自由列与自由变量、矩阵零空间的普通求解假设有矩阵A：通过对A中列的观察可得：1.col2是col1的两倍，因此col2与col1不独立2.col4可由2*（col3-col1）得到，因此col4与col1、col3不独立以上事实中，事实1相较事实2来说更显而易见。那么这些明显
JunyiChen_robot·2022-12-10 00:05

Gilbert Strang的线性代数课程笔记-第一课

目标是把笔记写得谁都能看懂:)首先我们需要了解，线性代数学科的基本目标是：解决线性系统的问题第一课主要从两种角度来解释线性系统（横向与纵向：行图像RowPicture与列图像ColumnPicture）首先我们将方程组用矩阵的形式表达：假设现在有方程组将之写成矩阵形式为【为什么可以这样表达？若看不懂上式的话回顾矩阵的点乘：矩阵点乘运算规则为：设A为mxn的矩阵，B为nxp的矩阵，则A与B的乘积为矩
JunyiChen_robot·2022-12-10 00:35

python线性回归预测pm2.5_线性回归--PM2.5预测--李宏毅机器学习

一、说明给定训练集train.csv，要求根据前9个小时的空气监测情况预测第10个小时的PM2.5含量。训练集介绍：(1)、CSV文件，包含台湾丰原地区240天的气象观测资料(取每个月前20天的数据做训练集，12月X20天=240天，每月后10天数据用于测试，对学生不可见);(2)、每天的监测时间点为0时，1时......到23时，共24个时间节点;(3)、每天的检测指标包括CO、NO、PM2.5
weixin_39634132·2022-12-09 22:55

CS285课程笔记（5.(1)）——从概率图角度理解强化学习（变分推断原理+VAE）

Lecture18,19(2020版)这两节课的核心内容就是如何把强化学习问题（又可以称为最优控制问题）转化为一个基于概率图模型的推断问题，这里的推断又可以进一步细分为精确推断（ExactInference）和近似推断(ApproximateInference)。本文先总结lectrue18，即变分推断与变分推断自编码器的基础知识。一、变分推断与变分自编码器（VariationalInferenc
RavenRaaven·2022-12-09 17:51

人工智能 - 扩展阅读

illustrated-transformer2.AttentionIsAllYouNeed：https://arxiv.org/abs/1706.03762神经网络入门1.CS231n系列CS231n课程笔记翻译
JYCJ_·2022-12-09 17:43

李宏毅机器学习L6 GAN

GAN网络by熠熠发光的白distribution当进行视频预测的时候，有时会出现分裂预测的情况，这是因为在训练过程中，有向左与向右的训练集，所以可能在预测的情况下有残影预测的出现。这种时候就需要提供一个simpledistribution来给出一个概率分布，也就是此时的输出包含了向左和向右的可能。unconditionalgeneration不带x，仅输入simpledistribution给出
熠熠发光的白·2022-12-09 09:44

西湖大学张岳老师NLP课程笔记1 Introduction

西湖大学张岳老师NLP课程笔记1Introduction参考资料B站链接课程主页《NaturalLanguageProcessing:AMachineLearningPerspective》csdn大佬笔记
临风而眠·2022-12-09 08:22

吴恩达机器学习课程笔记

吴恩达机器学习几乎每一个和我讨论过的人都同意，人生的最糟糕时期是在11岁到14岁。——《黑客与画家》学习资料课程b站[中英字幕]吴恩达机器学习系列课程Coursera机器学习Coursera深度学习主成分数据选择那里有一节课没有字幕，建议移步Coursera黄海广笔记Coursera深度学习教程中文笔记斯坦福大学2014（吴恩达）机器学习教程中文笔记第0天搜集信息，注册Coursera，申请奖学金
大圣齐天Henry-Speed always wins·2022-12-08 19:34

贺利坚汇编课程笔记2 访问寄存器和内存

贺利坚汇编课程笔记2访问寄存器和内存文章目录贺利坚汇编课程笔记2访问寄存器和内存0201寄存器及数据存储CPU的组成寄存器是CPU内部的信息存储单元通用寄存器--以AX为例“字”在寄存器中的存储0202mov
临风而眠·2022-12-08 12:49

【CV】吴恩达机器学习课程笔记 | 第1-15章

目录1介绍1-3监督学习1-4无监督学习2单变量线性回归2-2代价函数2-5Batch梯度下降算法4多变量线性回归4-1多特征4-2多元梯度下降法4-3多元梯度下降法I——特征缩放缩放归一化4-4多元梯度下降法演练I——学习率α4-5特征和多项式回归4-6正规方程（NormalEquation）（区别于迭代方法的直接解法）6逻辑回归6-1逻辑分类算法6-2假设表示6-3决策边界6-4代价函数6-4
Fannnnf·2022-12-08 12:21

【李宏毅HW3】

李宏毅机器学习HW3二、torch的基本功能三、PIL四、torch.backends.cudnn.benchmark五、transforms六、nn.Conv2d七、MaxPool2d八、BatchNorm2d
Raphael9900·2022-12-08 12:14

CS231n_Lecture3_图像分类（损失、优化函数）

感谢：https://marvae.github.io/archives/CS231n课程笔记翻译：线性分类笔记（中）CS231n课程笔记翻译：线性分类笔记（下）在本节课中：将损失函数比作了一个高维度的最优化地形
快乐成长吧·2022-12-08 11:24

数据挖掘课程笔记--分类（5）人工神经网络

一、神经元模型“神经网络是由具有适应性的简单单元组成的广泛并行互连的网络,它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应”[Kohonen,1988]神经网络中最基本的成分是神经元模型。在生物神经网络中，每个神经元与其他神经元相连,当它“兴奋”时，就会向相连的神经元发送化学物质,从而改变这些神经元内的电位;如果某神经元的电位超过了一个“阈值”(threshold),那么它就会被激活,即
嘤桃小团子·2022-12-07 20:24

数据挖掘-基础知识-笔记汇总12：神经网络-并行计算

课程笔记第十一篇本课程笔记的课程来源于清华大学深圳研究生院-袁博老师的《数据挖掘：理论与算法》。视频在学堂在线或者b站都有。第四章第一节-神经网络：神经网络模拟的是人的大脑，进行并行计算。
bensonrachel·2022-12-07 20:11

李宏毅机器学习|图神经网络Graph Nerual Networks(GNN)|学习笔记-part2

频域上的图神经网络之前时域上之所以不对数据和卷积一样做卷积处理，是因为在图神经网络中，各个节点都不规范，没办法引用规范的卷积核进行卷积操作。这里我们可以把这一理念在频域中运用。我们知道，在时域中卷积就等于在频域中相乘，这个奠定了在神经网络可以定义在频域的基础。因此在频域上图神经网路就是把数据先transform到频域上，用filter处理，然后再转回到空域的过程。首先是一些必备知识1、2、定义ad
xiaopihaierletian·2022-12-07 07:55

李宏毅机器学习|图神经网络Graph Nerual Networks(GNN)|学习笔记-part1

文章目录前言1Introduction2Roadmap3Spatial-basedGNNNN4G(NeuralNetworksforGraph)论文地址DCNN(Diffusion-ConvolutionNeuralNetwork)MoNET(MixtureModelNetworks)GraphSageGAT(GraphAttentionNetworks)GIN(GraphIsomorphismN
xiaopihaierletian·2022-12-07 07:19

吴恩达机器学习系列课程笔记——第一章：什么是机器学习(Machine Learning)

1.1欢迎https://www.bilibili.com/video/BV164411b7dx?p=1第一节主要讲了什么是机器学习，机器学习能做些什么事情。机器学习是目前信息技术中最激动人心的方向之一。在这门课中，你将学习到这门技术的前沿，并可以自己实现学习机器学习的算法。你或许每天都在不知不觉中使用了机器学习的算法。每次，你打开谷歌、必应，搜索到你需要的内容，正是因为他们有良好的学习算法。谷歌
Lishier99·2022-12-07 07:48

李宏毅机器学习课程梳理【十】：GNN&Spectral-based GNN

文章目录摘要1FourierTransform2Spectral-basedGNN2.1整体思想2.2SpectralGraphTheory2.3方法的弊端3应用算法3.1ChebNet3.2GCN4结论与展望摘要Spectral-basedGNN方法借助了信号与系统中的傅里叶变换，定义了一套SpectralGraphTheory，用DiscretetimeFourierbasis体现频率与信号能
-Emmie·2022-12-07 05:12

[中英字幕]吴恩达机器学习系列课程 笔记

[中英字幕]吴恩达机器学习系列课程笔记教程与代码地址P11-1.欢迎参加《机器学习》课程P21-2.什么是机器学习？
电信保温杯·2022-12-06 12:25

吴恩达机器学习课程笔记.pdf

个人认为：吴恩达老师的机器学习课程，是初学者入门机器学习的最好的课程！我们整理了笔记（336页），复现的Python代码等资源，文末提供下载。课程简介课程地址：https://www.coursera.org/course/mlMachineLearning(机器学习)是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，
风度78·2022-12-06 12:49

吴恩达机器学习课程笔记.docx

个人认为：吴恩达老师的机器学习课程，是初学者入门机器学习的最好的课程！我们整理了笔记（336页），复现的Python代码等资源，包括原版的docx文件，文末提供下载。课程简介课程地址：https://www.coursera.org/course/mlMachineLearning(机器学习)是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性
风度78·2022-12-06 12:49

李宏毅机器学习课程笔记

课程资源B站视频课程网址课程笔记问答整理下面仅记录自己的所得所感第一节Regression从单变量回归引入，再sigmoid/RELU拟合函数从而一步步到深度学习的框架，介绍的非常巧妙。
三つ叶·2022-12-06 11:43

李宏毅机器学习 batch normalization

featurescalingw1和w2发生同等的变化，因为x2很大，x1很小，所以w2对结果影响较大，loss在w2方向上斜率较大，w1对结果影响较小，loss在w1方向上斜率较小如果进行featurescaling，使得x1和x2有相同的变化范围loss就是正圆形的好处：featurescaling之前，learningrate在不同方向上不同，要在w1方向上有较大的learningrate，在
lxmm1999·2022-12-06 11:10

李宏毅机器学习笔记Day7——批次标准化

批次标准化（BatchNormalization）也是训练神经网络的一个tip。复杂的errorsurface：不同的dimension的数值范围相差很大，要将这些数值范围变得相同，将errorsurface变得比较简单。featurenormalization在深度学习中，对z也要做featurenormalization，当network很大时，可以考虑为一个batch，只在一个batch做f
RosieDragon·2022-12-06 11:39

DW李宏毅机器学习笔记—Task05（五）—批次标准化（Batch Normalization）简介

总结前言这是我在Datawhale组队学习李宏毅机器学习的记录，既作为我学习过程中的一些记录，也供同好们一起交流研究，之后还会继续更新相关内容的博客。Cha
湘玄书生·2022-12-06 11:05

李宏毅机器学习笔记—第二节—When gradient is small

1.局部最小值和鞍点（LocalMinimumAndSaddlePoint）这一小节的部分属于Optimization，因此只讨论对于gradientdescent的情况。我们在Optimization的时候，总会发现一个问题，就是说随着你的数据的updata，loss并没有达到你的预期。通俗的来说就是loss的降不下去。过去常见的一个猜想,是因为我们现在走到了一个地方，这个地方参数对loss的微
菅田将暉_·2022-12-06 11:04

李宏毅机器学习笔记—第二节—General Guidance

本节一开始是讲解了关于以后作业的内容，再次不做过多的说明。目录Lossontrainingdata——large1.modelbias2.optimization3.Solution1.Gainingtheinsightsfromcomparison2.Startfromshallowernetworks(orothermodels),whichareeasiertotrain.3.Ifdeepe
菅田将暉_·2022-12-06 11:34

Batch Normalization——李宏毅机器学习笔记

BatchNormalization详细可见paper《BatchNormalization:AcceleratingDeepNetworkTrainingbyReducingInternetCovariateShift》，2015FeatureScaling（特征缩放）/FeatureNormalization（引言）Makedifferentfeatureshavethesamescaling
我是小蔡呀～～～·2022-12-06 11:01

《黑马程序员C++》课程笔记总结

我的小站——半生瓜のblog黑马程序员C++视频——黑马程序员匠心之作|C++教程从0到1入门编程,学习编程不再难笔记列表&对应视频基础部分(1-83)——如果你准备学习C++,并且有C语言的基础，我希望你能简单的过一遍知识点。核心部分(84-146)——C++核心编程部分-内存分区模型-引用-函数提高-类与对象-文件操作案例1(147-166)——职工管理系统——C++实现职工管理系统进阶部分(
半生瓜のblog·2022-12-06 09:48

李宏毅机器学习34——Transfer learning

摘要：这节课学习了迁移学习，简单来说，就是用一些与目标数据没有直接联系的数据，进行神经网络的训练，这种方法弥补了一般情况下训练神经网络，目标数据缺乏的缺陷。这节课中，与目标数据没有直接联系的数据叫做sourcedata根据sourcedata和targetdata有无label，将迁移学习分为四个大类，这节课主要学习了其中两个大类。对于targetdata和sourcedata都是labeled的
zeng-233·2022-12-05 19:04

李宏毅机器学习笔记（）Transfer Learning

一、transferlearningtargetdata：现在要考虑的task直接相关。sourcedata：和现在要考虑的task没有直接关系。四种可能：有label和无label。二、fine-tuningtargetdata和sourcedata同时都有label。targetdata量非常少（叫做one-shotlearning），sourcedata很多。某个人的语音很少。用source
处女座程序员的朋友·2022-12-05 19:04

李宏毅机器学习——领域适应Domain Adaptation

代码：李宏毅机器学习作业11——TransferLearning，DomainAdversarialTraining_iwill323的博客-CSDN博客目录domainshift（域的转变）问题出现的原因类型
iwill323·2022-12-05 19:34

李宏毅机器学习——学习笔记（17） Transfer Learning

TransferLearning1.transferlearning可以分为四大类（不同的文件上有不同的称呼）：ModelFine-tuning、MultitaskLearning（sourcelabeledandtargetlabeled），Domain-adversarialtraining、Zero-shotlearning（sourcelabeledandtargetunlabeled），
青芒·1·2022-12-05 19:34

【李宏毅机器学习特训营】作业5-迁移学习

Desc作业内容：迁移学习-对抗性训练(DomainAdversarialTraining)。datasetsourcedata:真实照片，targetdata:手画涂鸦。location:‘data/data58171/real_or_drawing.zip’Training:5000张真实图片+label,32x32RGBTesting:100000张手绘图片，28x28GrayScaleLa
成甜汁er·2022-12-05 19:03

李宏毅机器学习作业11——Transfer Learning，Domain Adversarial Training

DomainAdversarialTraining见：李宏毅机器学习——领域适应DomainAdaptation_iwill323的博客-CSDN博客_领域适应迁移学习参见2022CS231nPPT笔记
iwill323·2022-12-05 19:03

java基础课程笔记整理——Chapter7，常用类

常用类String类构造字符串对象String类的常用方法字符串与基本数据的相互转化对象的字符串表示字符串与字符、字节数组字符串与字符数组字符串与字符数组字符串的加密算法正则表达式字符串的分解StringBuffer类构造方法常用方法Date类Calendar类System类String类构造字符串对象1.字符串常量对象：字符串常量对象是用双引号括起来的字符串序列2.字符串对象（声明字符串变量，n
yun_gao_·2022-12-05 17:17

java基础课程笔记整理——Chapter1

初识JAVA先导知识：JAVA的跨平台性JDK，JRE，JVMJAVA程序的开发步骤一个简单的Java应用程序JAVA语言的特点先导知识：1.计算机如何存储和计算1）内存的最小存储单元是bit（位），内存的基本存取单元是byte（字节）2）计算机语言中的变量和数学中的变量意义完全不同，根本不是一个概念。计算机语言中的变量指代了内存中的一个存储区（一个字节或多个字节），是实际存在的，而数学中的变量只
yun_gao_·2022-12-05 17:46

java基础课程笔记整理——Chapter2

JAVA基础知识标识符与关键字命名规则编译风格数据类型引用数据类型基本数据类型基本数据类型的数据类型转换输入输出运算符和表达式语句的概述标识符与关键字标识符：用来标识类名、变量名、方法名、类型名、数组名、文件名的有效字符序列称为标识符（即一个名字）语法规则：由字母，下划线，数字，美元符号$组成，且第一个字符不能是数字标识符不能有关键字标识符不能是true,false,null（它们不是Java关键
yun_gao_·2022-12-05 17:46

CS231n作业笔记2.3：优化算法Momentum, RMSProp, Adam

CS231n简介详见CS231n课程笔记1：Introduction。本文都是作者自己的思考，正确性未经过验证，欢迎指教。
silent56_th·2022-12-05 11:48

计算机网络——数据链路层（课程笔记）

说明博客作为笔记备份，不定时更新参考内容为《计算机网络（第7版）》谢希仁电子工业出版社；王道考研《计算机网络考研复习指导2023》文中的例题摘自王道考研《计算机网络考研复习指导2023》，大多是我个人认为较为典型的题目以及错题的部分整理文章目录数据链路层的功能1.为网络层提供的服务2.链路管理3.帧定界、帧同步、MTU、透明传输3.1帧定界3.2帧同步3.3MTU3.4透明传输4.流量控制5.差错
10000hours·2022-12-05 11:41

2020李宏毅机器学习笔记- Meta Learning

目录摘要IntroductionMetaLearning的建模思路第一步第二步第三步TechniquesTodayMAMLMAMLvsModelPre-trainingReptileMAMLvsModelPre-trainingvsReptile结论与展望摘要元学习的训练样本和测试样本都是基于任务的。通过不同类型的任务训练模型，更新模型参数，掌握学习技巧，然后举一反三，更好地学习其他的任务。传统的
ZN_daydayup·2022-12-05 10:40
上一页 30 31 32 33 34 35 36 37 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他