李宏毅机器学习课程笔记

2020李宏毅机器学习笔记-Generative Adversarial Network - Unsupervised Conditional Generation

目录摘要1.UnsupervisedConditionGAN2.UnsupervisedConditionalGeneration2.1DirectTransformation2.1.1利用判别网络2.1.2利用预训练网络2.1.3CycleGAN2.2ProjectiontoCommonSpace2.2.1共享参数2.2.2增加判别网络2.2.3ComboGAN(CycleConsistency
ZN_daydayup·2022-12-05 09:52

Chapter2-1_Voice Conversion(Feature Disentangle)

VoiceConversion2实际实现中的细节3根据数据集分类4Featuredisentangle5训练技巧本文为李弘毅老师【VoiceConversion-FeatureDisentangle】的课程笔记
zjuPeco·2022-12-05 09:21

Chapter2-2_Voice Conversion(CycleGAN and StarGAN)

文章目录1内容简述2CycleGAN3StarGAN本文为李弘毅老师【VoiceConversion-CycleGANandStarGAN】的课程笔记，课程视频youtube地址，点这里(需)。
zjuPeco·2022-12-05 09:21

李宏毅机器学习笔记

截图来自李宏毅2020机器学习深度学习。有监督学习supervisedlearning需要提供一些有目标值的数据给机器去学习。用loss来判断函数的好坏，loss越小函数越符合我们的期待。reinforcementlearning强化学习，机器自主进行学习。（AlphaGo是supervisedlearning+reinforcementlearning）unsupervisedlearning无
FF_y·2022-12-05 09:20

李宏毅机器学习笔记第6周_机器学习任务攻略

文章目录一、FrameworkofML二、GeneralGuide三、Modelbias四、OptimizationIssue五、Overfitting六、CrossValidation七、N-foldCrossValidation八、Mismatch一、FrameworkofML1）给你一堆训练的资料，这些训练资料里面中包含n个x和跟它对应的ŷ，测试集是你只有x，没有ŷ。2）这里的好几个案例其实
MoxiMoses·2022-12-04 21:36

深度学习的三个主要步骤！

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale干货作者：屈太国，湖南大学，Datawhale优秀学习者本文来自李宏毅机器学习笔记（LeeML-Notes）组队学习
Datawhale·2022-12-04 20:12

【深度学习】04-02-自注意力机制多种变形-李宏毅老师21&22深度学习课程笔记

文章目录有哪些self-attention变形？如何使得self-attention更高效？-加快AttentionMatrix计算何种情况下需要优化self-attention？-输入向量维度很大时如何加快self-attention的求解速度呢？-先验&自学习人类的知识或经验LocalAttention/TruncatedAttention-先验（局部Attention适用于当前任务）&局部A
暖焱·2022-12-04 20:51

20201010_受限玻尔兹曼机_观看覃秉丰课程笔记

一、马尔可夫性状态转移的概率只依赖于当前的这个状态，将来只依赖于现在不依赖于过去的过程，我们成为马尔可夫过程。时间和状态都是离散的马尔可夫过程称为马尔可夫链例如：这里面的状态转移矩阵P要全部大于零，P为马尔可夫转移矩阵。这两个平稳分布的图表明：无论初始状态是什么样子的，进化到一定代数之后状态就不会再改变了。二、受限玻尔兹曼机三、训练RBM四、完整python代码(有限玻尔兹曼机RBM识别数字)代码
TianShan_1995·2022-12-04 17:08

机器学习|李宏毅课程笔记（四）CNN

目录一、FullyConnectedNetwork【全连接层处理图像】【全连接层存在的问题？】【改进/解决方法】【CNN与FNN】二、CNN【CNN结构】【CNN各层概述】三、CNN层详述【卷积层Convolution】【输入与输出】【卷积核】【卷积层尺寸的计算原理】【卷积计算】【多输入通道卷积计算】【多输出通道卷积计算】【批处理卷积计算】【卷积效果实例】【池化层Pooling】【参数】【池化计算
Hygge0+·2022-12-04 16:21

张子良知识图谱课程笔记

知识图谱的典型应用语义理解智能搜索：基于人的关键词直接匹配其摘要信息返回其摘要改造搜索引擎对外展示信息的方式智能问答：准备知识库，eg:EVI,Siri,头条智能问车辅助决策：IBM沃森系统医疗助手诊断疾病人工智能：感知能力认知能力服务能力知识图谱是人工智能进步的阶梯知识图谱的体系结构：知识获取（爬虫众包）→知识存储→知识表示→知识应用知识架构语义类型设计：节点分类的研究语义关系设计：节点与节点关
小鱼^^·2022-12-04 15:34

嵩天python课程笔记第二周：python基本图形绘制

第二周：python基本图形绘制2.1深入理解python语言2.1.1计算机技术的演进1946-1981：计算机系统结构时代-----CPU，操作系统…-----解决计算能力问题1981-2008：网络和视窗时代------Windows视窗操作系统，互联网-----解决人机交互（通过Windows视窗），机机交互（通过网络）2008安卓系统诞生2008-2016：复杂信息系统时代------云
妍妍_小姐·2022-12-04 13:58

第五课 机器学习中的特征工程

本系列是七月算法机器学习课程笔记文章目录1特征工程与意义2数据与特征处理2.1数据采集2.2数据清洗2.3数据采样2.4特征处理2.4.1数值型2.4.2类别型2.4.3时间型2.4.3文本型2.4.4
约定写代码·2022-12-04 12:33

吴恩达 深度学习 编程作业（5-3）Part 2 - Trigger word detection

另外，本节课程笔记在此：《吴恩达Coursera深度学习课程DeepLearning.ai提炼笔记（5-3）–序列模型和注意力机制》，如有任何建议和问题，欢迎留言。
大树先生的博客·2022-12-04 04:12

CS231n课程笔记翻译：卷积神经网络笔记

译者注：本文翻译自斯坦福CS231n课程笔记ConvNetnotes，由课程教师AndrejKarpathy授权进行翻译。本篇教程由杜客和猴子翻译完成，堃堃和李艺颖进行校对修改。
刘二毛·2022-12-03 16:58

人工智能课程笔记(马少平著)

title:人工智能课程笔记date:2021-11-0514:11:24tags:AICourse考完AI了，把笔记保存一下吧。描述了一些关键知识的理解（因为抓紧复习所以有些地方写的并不详尽）。
一尾执念的鱼·2022-12-03 16:25

《人工智能及其应用》课程笔记（二）第2章 知识表示方法

目录本章学习内容预备知识1、什么是知识？2、知识层次3、知识的属性4、知识表示的相关概念5、知识表示的基本方法2.1状态空间表示2.1.1问题状态描述1、主要概念2、实例—8数码难题2.1.2状态图示法1、相关概念2、实例—猴子与香蕉问题2.2问题归约表示2.2.1问题归约描述1、梵塔难题2.2.2与或图表示1、相关概念2、与或图构成规则2.3谓词逻辑表示2.3.1谓词演算1、语法和语义2、连词和
爱学习的小船·2022-12-03 16:53

《人工智能及其应用》课程笔记（三）第3章 确定性推理

目录本章内容3.1图搜索策略3.2盲目搜索3.2.1搜索策略的对比3.2.2深度优先搜索-有限深度+迭代深度3.3启发式搜索3.3.1启发式搜索策略和估价函数3.3.2有序搜索1、A算法2、A*算法3.4消解原理3.4.1子句集的求取3.4.2消解推理规则3.4.3含有变量的消解式3.4.4消解反演求解过程3.5规则演绎系统3.6产生式系统3.6.1产生式系统的组成3.6.2产生式系统的推理3.7
爱学习的小船·2022-12-03 16:53

《人工智能及其应用》课程笔记（四）第4章 非经典推理

目录本章内容4.1经典推理和非经典推理4.2不确定性推理4.2.1不确定性的表示和度量4.2.2不确定性的算法4.3概率推理4.3.1概率的基本性质和计算公式4.4主观贝叶斯方法4.4.1知识不确定性的表示4.4.2证据不确定性的表示4.4.3主观贝叶斯方法的推理过程4.5可信度方法4.5.1基于可信度的不确定性表示4.5.2可信度方法的推理算法重要公式总结：本章内容熟悉经典推理和非经典推理的区别
爱学习的小船·2022-12-03 16:53

高级人工智能课程笔记

课程部分笔记，依据《人工智能一种现代化方法》第三版目录智能概述搜索searchUninformedSearchInformedSearch约束满足问题CSPMDP值迭代方法策略迭代RL朴素贝叶斯其他智能概述RationalDecisions理性决策rational理性意味着最大化期望效用maximizeyourexpectedutilityAnagentisanentitythatperceive
Echo木·2022-12-03 16:22

《人工智能及其应用》课程笔记（一）第1章 绪论

使用课本：《人工智能及其应用》第5版蔡自兴著，清华大学出版社目录第1章绪论1.1人工智能的定义与发展1.1.1人工智能的定义1.1.2人工智能的起源与发展1.2人工智能的各种认知观1.2.1人工智能各学派的认识观1.2.2人工智能的争议1.3人类智能与人工智能1.3.1智能信息处理系统的假设1.3.2人类智能的计算机模拟1.3.3人工智能对人类的影响1.4人工智能系统的分类1.4.1专家系统1.4
爱学习的小船·2022-12-03 16:19

Chapter1-3_Speech_Recognition(CTC, RNN-T and more)

1CTC2RNN-T3NeuralTransducer4MonotonicChunkwiseAttention5小结本文为李弘毅老师【SpeechRecognition-CTC,RNN-Tandmore】的课程笔记
zjuPeco·2022-12-03 06:37

Chapter1-5_Speech_Recognition(Alignment of HMM, CTC and RNN-T)

alignment2.1HMM的对齐2.2CTC的对齐2.3RNN-T的对齐3小结本文为李弘毅老师【SpeechRecognition-AlignmentofHMM,CTCandRNN-T(optional)】的课程笔记
zjuPeco·2022-12-03 06:37

5-1 Coursera吴恩达《序列模型》 第一周课程笔记-循环序列网络(RNN)

记录吴恩达AndrewNg深度学习专项课程笔记，方便之后回顾，共5门课。
双木的木·2022-12-03 03:01

李宏毅机器学习33——GAN（5）

摘要：这节课主要学习了GAN背后的理论知识，主要是原理和数学推导。由于GAN是两部分组成的，这节课学习也是分为生成器生成图片的原理与判别器的原理。对生成器而言，想要生成符合要求目标，需要在高维空间中选取出样本的分布情况。将选取的样本通过生成器，得到Pg。希望Pg与目标样本Pdata尽可能接近，这个过程其实就是求这两个分布的KL散度。对于判别器而言，虽然不知道两个分布的具体公式，但是通过分别samp
zeng-233·2022-12-03 03:54

【李宏毅机器学习】Recurrent Neural Network Part1 循环神经网络（p20） 学习笔记

李宏毅机器学习学习笔记汇总课程链接文章目录ExampleApplicationSlotFilling把词用向量来表示的方法1-of-Nencoding/one-hotBeyond1-of-Nencoding
duanyuchen·2022-12-02 21:42

【李宏毅机器学习】Recurrent Neural Network Part2 循环神经网络（p21） 学习笔记

李宏毅机器学习学习笔记汇总课程链接文章目录LearningTargetLearningUnfortunately基于RNN的的网络不总是容易去学习Theerrorsurfaceisrough.Why？
duanyuchen·2022-12-02 21:42

【课程笔记】李宏毅机器学习[12]：Recurrent Neural Network(RNN)

本系列课程笔记为李宏毅2017,秋，台湾大学课程。视频网址链接：https://www.bilibili.com/video/av15889450?
tjwyj·2022-12-02 21:38

李宏毅机器学习课程梳理【十一】：Recurrent Neural Network(RNN)

文章目录摘要1RNN2LongShort-termMemory3TrainingRNN3.1LearningTarget3.2优化技术4RNN的应用5结论与展望摘要RecurrentNeuralNetwork(RNN)在DNN的基础上加入了Memory结构以及隐状态，能够处理语义理解、语音辨识等注重序列顺序的问题，也因为Memory结构使得RNN的ErrorSurface变化非常剧烈，所以RNN的
-Emmie·2022-12-02 20:30

【DL】1 RNN入门——李宏毅机器学习课程RNN笔记

RecurrentNeuralNetwork1.应用实例（为什么需要RNN？）2.RNN基本概念3.LongShort-termMemory(LSTM)4.RNN使用4.1Lossfunction4.2训练方法5.RNN的应用前景小结1.应用实例（为什么需要RNN？）槽位填充通过Feedforward网络解决槽位填充问题？输入：一个单词(每一个词都用一个向量表示)输出：属于槽的输入字的概率分布情况
Yang SiCheng·2022-12-02 20:59

2021李宏毅机器学习课程笔记——Recurrent Neural Network

注：这个是笔者用于期末复习的一个简单笔记，因此难以做到全面详细，有疑问欢迎大家在评论区讨论I.BasicIdea首先引入一个例子，槽填充(SlotFilling)问题：Input：IwouldliketoarriveGuangzhouonNovember2nd.Output：Destination=>Taipei|timeofarrival=>November2nd即需要在输入句子中提取出我们想了
xiongxyowo·2022-12-02 20:28

李宏毅机器学习笔记第11周_Recurrent Neural Network

文章目录一、ExampleApplication二、ElmanNetwork&JordanNetwork三、BidirectionalRNN四、LongShort-termMemory（LSTM）五、LSTM–Example六、LearningTarget1.LossFunction2.Training3.Errorsurface七、Why?八、HelpfulTechniques九、MoreApp
MoxiMoses·2022-12-02 20:25

2021李宏毅机器学习笔记--9 Recurrent Neural Network

2021李宏毅机器学习笔记--9RecurrentNeuralNetwork摘要一、RNN1.1SlotFilling1.2RNN二、DeepRNN三、RNN变型3.1Elmannetwork3.2Jordannetwork3.3bidirectionalRNN
guoxinxin0605·2022-12-02 20:13

【Recurrent Neural Network(RNN)】循环神经网络——李宏毅机器学习阅读笔记

RecurrentNeuralNetwork(RNN)ExampleApplicationSlotFilling智慧订票系统：Howtorepresenteachwordasavector?但是光这样，feedforwardNetwork是无法solve这一问题的，因为他无法区别是leaveTaipei还是arriveTaipei。那我们就希望这个neuronnetwork是有记忆的，即看到过ar
我是小蔡呀～～～·2022-12-02 20:03

python数据分析课程笔记 | 第四章 Matplotlib数据可视化（上）

目录：4.1matplotlib绘图基础4.2简单图形绘制（1）饼图（2）条形图（3）直方图（4）散点图4.3图形基本设置4.4统计图形实战（1）柱状图（2）直方图（3）箱线图（4）散点图（5）折线图4.1matplotlib绘图基础importnumpyasnpimportmatplotlib.pyplotasplt#解决中文乱码问题plt.rcParams['font.sans-serif']
啥都不会的怪蜀黍·2022-12-02 11:56

机器学习课程笔记---支持向量机

引言机器学习三种方法：1、经典的参数估计方法局限性是需要样本的先验分布2、非线性方法，如ann局限性是全靠经验，缺少理论3、统计学习理论针对小样本误差：1、一般误差真实误差2、经验误差来自样本机器学习的目标是最小化一般误差，但是实际都是最小化经验误差支持向量机同时最小化经验风险和置信风险。vc维大，则拟合函数的维度高。svm基本型这里的泛化能力最大就是说，正负类间隔最大。对偶问题变成求aerfa。
野生蘑菇菌·2022-12-02 02:53

CS224W课程笔记第一章：绪论

（一）课程大纲如下：Traditionalmethods:Graphlets,GraphKernelsMethodsfornodeembeddings:DeepWalk,Node2VecGraphNeuralNetworks:GCN,GraphSAGE,GAT,TheoryofGNNsKnowledgegraphsandreasoning:TransE,BetaEDeepgenerativemod
人海无名里·2022-12-01 21:34

李宏毅机器学习2022春季-第十四课和HW14

李宏毅2022课程视频全部以线上视频的形式给出（已经全部录好，你可以选择短时间全部学完），上课时间会直播讲解额外的内容（可以不听）和作业（建议一定要做），目前已更新到作业14。第十四课主要内容是LifeLongLearning，神经网络的终身学习。课程介绍了lifelonglearning的研究背景，以及研究难点：解决catastrophicforgetting（灾难性遗忘）。李老师着重解释了Se
机器学习手艺人·2022-12-01 19:16

李宏毅机器学习2022春季-第九课和HW9

李宏毅2022课程视频全部以线上视频的形式给出（已经全部录好，你可以选择短时间全部学完），上课时间会直播讲解额外的内容（可以不听）和作业（建议一定要做），目前已更新到作业9。第九课主要内容是ExplainableAI，深度学习的可解释性。主要介绍了localexplaination和globalexplaination，两种方法分别对单个样本的解释性和模型本身的解释性进行了分析，详细信息见课程视频
机器学习手艺人·2022-12-01 19:46

李宏毅机器学习笔记第16周_机器学习的可解释性（Explainable ML）

文章目录前言一、WhyweneedExplainableML?二、LocalExplanation:ExplaintheDecision1.Whichcomponentiscritical?2.Limitation:NoisyGradient3.Limitation:GradientSaturation4.Howanetworkprocessestheinputdata?三、GlobalExpla
MoxiMoses·2022-12-01 19:40

【笔记】机器学习 - 李宏毅 -- Explainable ML 可解释性机器学习

课程笔记前言两种可解释性：局部解释：为什么这种图是猫？全局解释：猫是什么样子的？为什么需要可解释机器学习？(打开黑盒)一般的提升效果的方法就是一顿暴调参数，可解释性可以帮助我们更好地提升模型性能。
Yanqiang_CS·2022-12-01 19:35

李宏毅 机器学习模型的可解释性 explainable ML

【李宏毅机器学习2021】机器学习模型的可解释性(ExplainableML)_哔哩哔哩_bilibili我们因为神经网络不可解释而不用他吗？
Zaгathustra·2022-12-01 19:05

机器学习 | 李宏毅课程笔记（三）Optimization

【对上篇中Optimizationissue详细展开】目录为什么OptimizationFails？一、Gradient=0引起的Optimizationissue1.为什么讨论Criticalpoint？2.如何判断一个点是Localminima还是Saddlepoint呢？3.Saddlepoint如何进一步更新参数？4.Saddlepoint和Localminima哪个更加常见呢？5.如何对
Hygge0+·2022-12-01 19:01

机器学习 | 李宏毅课程笔记（二）深度学习任务攻略

【深度学习中的一些概念】神经网络的结构：https://www.bilibili.com/video/BV1bx411M7Zx梯度下降法（GradientDescent）：https://www.bilibili.com/video/BV1Ux411j7ri反向传播：https://www.bilibili.com/video/BV16x411V7Qg分段线性（piecewiselinear）：任
Hygge0+·2022-12-01 19:30

Big Data 导论&Hadoop&HDFS

BIGDATA课程笔记导论大数据的四大特征大量化、快速化、多样化、价值化大数据分析的三个特征全样而非抽样、效率而非精确、相关而非因果大数据处理模型：批处理：以“静止数据”为出发点，处理逻辑进来，算完后价值出去流数据
Tcoder-l3est·2022-12-01 11:15

深度学习Pytorch初步——Tensor张量

AI课程笔记——深度学习框架Pytorch文章目录AI课程笔记——深度学习框架Pytorch1pytorch基本数据类型1.1回顾：Python的6大数据类型1.2Pytorch数据类型：张量（一种）1.2.1
望 尘�·2022-12-01 09:27

李宏毅机器学习（2021）学习笔记 02

文章目录前言正文定义新模型如何拟合复杂曲线？sigmoid函数本期模型模型总结模型的线性代数表示模型的流程图定义损失函数优化损失函数流程与梯度补充技巧验证结果激活函数进一步改进测试验证遗留问题总结前言这篇文章是李宏毅老师《机器学习2021》第2期视频（链接在这里（需要））的学习笔记。上期有一个错误，在机器学习第二步中，我说视频是2022年，其实是2021年的，不过应该并不影响理解。正文第2期视频，
hldgs·2022-12-01 09:47

纽约大学深度学习PyTorch课程笔记（自用）Week6

纽约大学深度学习PyTorch课程笔记Week6Week66.1卷积网络的应用6.1.1邮政编码识别器使用CNN进行识别6.1.2人脸检测一个多尺度人脸检测系统6.1.3语义分割长程自适应机器人视觉中的卷积神经网络场景解析与标注
cosθ·2022-12-01 08:45

纽约大学深度学习PyTorch课程笔记（自用）Week5

纽约大学深度学习PyTorch课程笔记Week5Week55.1优化工具15.1.1梯度下降5.1.2随机梯度下降小批次处理5.1.3动量直观实用指南为什么动量有用？
cosθ·2022-12-01 08:14

纽约大学深度学习PyTorch课程笔记（自用）Week2

纽约大学深度学习PyTorch课程笔记Week22.Week22.1梯度下降和反向传播算法导论2.1.1梯度下降优化算法参数化模型梯度下降2.1.2在传统神经网络中随机梯度下降和反向传播算法的优势随机梯度下降的优势传统神经网络通过非线性函数进行反向传播通过加权和进行反向传播
cosθ·2022-12-01 08:14

纽约大学深度学习PyTorch课程笔记（自用）Week3

纽约大学深度学习PyTorch课程笔记Week3Week33.1神经网络参数变换可视化及卷积的基本概念3.1.1神经网络的可视化3.1.2参数变换一个简单的参数变换：权重共享超网络序列数据中的主题(motif
cosθ·2022-12-01 08:14
上一页 31 32 33 34 35 36 37 38 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他