梯度归一化

用MATLAB 画一个64QAM的星座图

如下：首先产生一个64QAM的调制数据，幅度归一化SymbolAlphabet=[complex(3,3)complex(3,1)complex(1,3)complex(1,1)complex(3,5)
nb_lte_5G·2024-09-02 11:16

深度学习中的梯度消失和梯度爆炸问题

在深度学习领域，随着模型层数的增加，我们常常会遇到两个棘手的问题：梯度消失（VanishingGradients）和梯度爆炸（ExplodingGradients）。
码上飞扬·2024-09-01 23:57

梯度下降法

梯度下降法，最通俗易懂的解释。
小丹丹的梦想后花园·2024-09-01 14:19

机器学习小组第三周：简单的数据预处理和特征工程

学习目标●无量纲化：最值归一化、均值方差归一化及sklearn中的Scaler●缺失值处理●处理分类型特征：编码与哑变量●处理连续型特征：二值化与分段学习资料首先，参考：《机器学习的敲门砖：归一化与KD
-Helslie·2024-09-01 12:24

基于Python的机器学习系列（18）：梯度提升分类（Gradient Boosting Classification）

简介梯度提升（GradientBoosting）是一种集成学习方法，通过逐步添加新的预测器来改进模型。在回归问题中，我们使用梯度来最小化残差。
会飞的Anthony·2024-09-01 12:50

matlab图像归一化方法

B为二维矩阵，大小为16*16一、max-min归一化：Bmax=max(max(B));Bmin=min(min(B));B=(B-Bmin)/(Bmax-Bmin);二、B=B/255B=B/65535
有梦想的炸豆皮·2024-09-01 00:09

深度学习速通系列:梯度消失vs梯度爆炸

梯度消失和梯度爆炸是深度学习中训练深层神经网络时常见的两个问题，它们影响网络的训练过程和性能。
Ven%·2024-08-31 23:31

Datawhale X 李宏毅苹果书 AI夏令营 进阶 Task2-自适应学习率+分类

.自适应学习率1.1AdaGrad1.2RMSProp1.3Adam1.4学习率调度1.5优化策略的总结2.分类2.1分类与回归的关系2.2带有softmax的分类2.3分类损失1.自适应学习率传统的梯度下降方法在优化过程中常常面临学习率设置不当的问题
沙雕是沙雕是沙雕·2024-08-31 22:57

相机坐标系转换世界坐标系，zed&imu&depth

在数学上，fx和fy是归一化焦距，它们与相机的实际焦距f以及像素尺寸dx和dy（单位通常为毫米/像素）有关，具体关系为fx=f*dx，fy=f*dy。焦距参数影响成像的视角和物体在图像中的大小
Diros1g·2024-08-31 17:21

基于Python的机器学习系列（17）：梯度提升回归（Gradient Boosting Regression）

简介梯度提升（GradientBoosting）是一种强大的集成学习方法，类似于AdaBoost，但与其不同的是，梯度提升通过在每一步添加新的预测器来减少前一步预测器的残差。
会飞的Anthony·2024-08-31 09:02

【ShuQiHere】从零开始实现逻辑回归：深入理解反向传播与梯度下降

本文将带你从零开始一步步实现逻辑回归，并深入探讨背后的核心算法——反向传播与梯度下降。逻辑回归的数学基础逻辑回归的目标是找到一个逻辑函数，能够将输入特征映射到一个(0,1)之
ShuQiHere·2024-08-31 02:37

梯度下降算法（Gradient Descent Algorithm）

目录一、梯度下降算法简述二、不同函数梯度下降算法表示1、一元函数2、二元函数3、任意多元函数三、梯度计算四、常见的梯度下降法1、批量梯度下降算法（BatchGradientDescent）2、随机梯度下降算法
海棠未语·2024-08-30 16:35

PyTorch 基础学习（14）- 归一化

系列文章：《PyTorch基础学习》文章索引概述归一化是数据预处理中的重要步骤之一，它可以将数据调整到特定的范围或分布，有助于加速训练并提高模型的性能。在机器学习中，不同的归一化方法适用于不同的场景。
花千树-010·2024-08-30 12:38

Halcon滤波器sobel_amp算子

前者用于计算边缘的梯度，后者除了能表示梯度外，还能表示边缘的方向，本文主要介绍sobel_amp算子。下面以一个简单的例子说明
看海听风心情棒·2024-08-30 11:31

Datawhale X 李宏毅苹果书AI夏令营深度学习详解进阶Task02

目录一、自适应学习率二、学习率调度三、优化总结四、分类五、问题与解答本文了解到梯度下降是深度学习中最为基础的优化算法，其核心思想是沿着损失函数的梯度方向更新模型参数，以最小化损失值。
z are·2024-08-30 08:14

【MRI基础】视场FOV基本概念

FOV由成像矩阵的大小和MRI扫描仪梯度线圈的物理尺寸决定。矩阵大小指的是图像中的像素数。FOV和矩阵尺寸之间的关系可以用
医学信号图像玩家·2024-08-30 08:09

YOLOv10改进 | 独家创新- 注意力篇 | YOLOv10引入结合EMAttention和ParNetAttention形成全新的EPA注意力机制和C2f_EPA(全网独家创新)

(1).综合性与多样性EPAAttention结合了两种不同的注意力机制，充分利用了EMAttention的分组归一化和特征增强能力，以及ParNetAttention的空间注意力和全局特征提取能力。
小李学AI·2024-08-30 05:54

Python实现分水岭图像分割算法

目录Python实现分水岭图像分割算法的详细博客一、引言二、分水岭算法的原理三、Python实现分水岭算法四、算法步骤解析1.图像预处理2.计算梯度图像3.阈值分割4.距离变换与标记操作5.分水岭变换五
闲人编程·2024-08-29 16:29

【KELM回归预测】基于麻雀算法优化核极限学习SSA-KELM-Adaboost实现风电回归预测附matlab代码

load(‘wind_data.mat’);%假设数据存储在wind_data.mat文件中X=wind_data(:,1:end-1);%输入特征Y=wind_data(:,end);%输出标签%数据归一化
天天酷科研·2024-08-29 16:27

【技术博客】生成式对抗网络模型综述

判别器所作的其实就是一个二分类任务，我们可以计算他的损失并进行反向传播求出梯度，从而
MomodelAI·2024-08-29 13:23

L1正则和L2正则

Hands-OnMachineLearning)上对L1_norm和L2_norm的解释:左上图是L1_norm.背景是损失函数的等高线(圆形),前景是L1_penalty的等高线(菱形),这两个组成了最终的目标函数.在梯度下降的过程中
wangke·2024-08-29 10:19

EMGU.CV入门（十四、图像轮廓）

一、轮廓1.1边缘和轮廓的区别边缘：离散的，断开的轮廓：整体的，连续的边缘检测主要是通过一些手段检测数字图像中明暗变化剧烈（即梯度变化比较大）像素点，偏向于图像中像素点的变化。
LyRics1996·2024-08-28 19:30

【ShuQiHere】SGD vs BGD：搞清楚它们的区别和适用场景

在众多优化算法中，梯度下降法是一种最为常见且有效的手段。
ShuQiHere·2024-08-28 13:20

【学习笔记】第三章深度学习基础——Datawhale X李宏毅苹果书 AI夏令营

局部极小值与鞍点梯度为0的点我们统称为临界点，包括局部极小值、鞍点等局部极小值和鞍点的梯度都为0，那如何判断呢？先请出我们损失函数：L(θ)，θ是模型中的参数的取值，是一个向量。
MoyiTech·2024-08-28 11:38

第七届MathorCup高校数学建模挑战赛-A题：基于改进的神经网络和混沌时间序列预测控制高炉炼铁过程

目录摘要一．问题重述二．模型假设三．符号说明四．问题分析五．数据预处理5.1异常值剔除5.2归一化处理5.3预处理后的数据六．问题一模型的建立与求解6.1BP神经网络预测模型6.1.1输入层和输出层6.1.2
格图素书·2024-08-28 09:28

反向传播算法：深度神经网络学习的核心机制

反向传播算法的基本概念反向传播算法结合了梯度下降优化和链式法则，通过计算损失函数关于网络参数的梯度来更新网络权重。1.损失函数
2402_85758936·2024-08-28 08:22

【机器学习】梯度下降算法

梯度下降算法这篇博客更加详细，以下只是我个人的理解梯度下降算法原理讲解——机器学习-CSDN博客梯度下降算法是一种优化算法，通过梯度下降找到函数最小值时的自变量值。
de-feedback·2024-08-27 18:50

神经网络深度学习梯度下降算法优化

【神经网络与深度学习】以最通俗易懂的角度解读[梯度下降法及其优化算法]，这一篇就足够（很全很详细）_梯度下降在神经网络中的作用及概念-CSDN博客https://blog.51cto.com/u_15162069
海棠如醉·2024-08-27 15:00

局部极小值与鞍点 Datawhale X 李宏毅苹果书 AI夏令营

当参数对损失微分为零的时候，梯度下降就不能再更新参数了，训练就停下来了，损失不再下降了，此时梯度接近于0。我们把梯度为零的点统称为临界点（criticalpoint）。
千740·2024-08-27 09:23

24.8.24学习心得

x.grad.zero_()y=x.sum()y.backward()x.gradtensor([1.,1.,1.,1.])因为y是x中所有元素的总和，所以x的每个元素对y的贡献都是相等的，因此每个元素的梯度都是
kkkkk021106·2024-08-27 05:00

OpenCV中的轮廓检测cv2.findContours()

文章目录前言一、查找轮廓二、绘制轮廓轮廓面积轮廓周长前言轮廓提取的前提，将背景置为黑色，目标为白色（利用二值化或Canny）边缘检测，例如Canny等，利用梯度变化，记录图像中的边缘像素点，返回和源图片一样尺寸和类型的边缘图
Limiiiing·2024-08-27 05:58

人工神经网络通过调整,神经网络怎么调参数

现在一般求解权值和阈值，都是采用梯度下降之类的搜索算法（梯度下降法、牛顿法、列文伯格-马跨特法、狗腿法等等），这些算法会先初始化一个解，在这个解的基础上，确定一个搜索方向和一个移动步长（各种法算确定方向和步长的方法不同
小浣熊的技术·2024-08-27 04:20

深度学习多GPU训练原理

每个GPU根据自己所分到的数据，计算本地梯度所有GPU的本地梯度相加（这里的梯度只是模型参数的梯度，不包括中间变量的梯度），得到总的梯度。
浦东新村轱天乐·2024-08-25 22:31

LSTM--概念、作用、原理、优缺点以及简单的示例代码

RNN在处理长序列时，由于梯度消失或梯度爆炸问题，难以捕捉到长期依赖关系，而LSTM通过引入“记忆单元”（memorycell）和“门控机制”（gatin
Ambition_LAO·2024-08-25 21:28

机器学习——逻辑回归

目录一、逻辑回归1.1、模型原理1.2、损失函数二、实例2.1、定义sigmoid函数2.2、数据集2.3、梯度上升算法2.4、预测函数2.5、绘画函数三、代码运行结果：四、总结优点：缺点：一、逻辑回归逻辑回归是一种广义的线性回归分析模型
wsdswzj·2024-08-25 17:06

机器学习最优化方法之梯度下降

1、梯度下降出现的必然性利用最小二乘法求解线性回归的参数时，求解的过程中会涉及到矩阵求逆的步骤。随着维度的增多，矩阵求逆的代价会越来越大，而且有些矩阵没有逆矩阵，这个时候就需要用近似矩阵，影响精度。
whemy·2024-08-25 17:45

深度学习（十一）：YOLOv9之最新的目标检测器解读

物体检测技术的飞跃发展1.1YOLOv9简介1.2YOLOv9的核心创新1.2.1信息瓶颈:神经网络在抽取相关性时的理论边界1.2.2可逆函数:保留完整的信息流1.2.3对轻型模型的影响：解决信息丢失1.2.4可编程梯度信息
从零开始的奋豆·2024-08-25 13:39

粒子群优化算法和强化算法的优缺点对比，以表格方式进行展示。详细解释

以下是它们的优缺点对比，以表格的形式展示：特性粒子群优化算法（PSO）强化学习算法（RL）算法类型优化算法学习算法主要用途全局优化问题，寻找最优解学习和决策问题，优化策略以最大化长期奖励计算复杂度较低，通常不需要梯度信息
资源存储库·2024-08-25 09:44

matlab实现梯度下降优化算法

梯度下降（GradientDescent）是一种常用的优化算法，用于寻找函数的局部最小值。在机器学习领域，它常被用来优化模型的参数，比如线性回归、逻辑回归以及神经网络等模型的权重和偏置。
孺子牛 for world·2024-08-25 09:13

数学基础 -- 梯度下降算法

梯度下降算法梯度下降算法（GradientDescent）是一种优化算法，主要用于寻找函数的局部最小值或全局最小值。它广泛应用于机器学习、深度学习以及统计学中，用于最小化损失函数或误差函数。
sz66cm·2024-08-24 15:25

Python(PyTorch)物理变化可微分神经算法

要点使用受控物理变换序列实现可训练分层物理计算|多模机械振荡、非线性电子振荡器和光学二次谐波生成神经算法验证|训练输入数据，物理系统变换产生输出和可微分数字模型估计损失的梯度|多模振荡对输入数据进行可控卷积
亚图跨际·2024-08-24 07:35

pytorch深度学习基础 7（简单的的线性训练，SGD与Adam优化器）

接下来小编来讲一下一些优化器在线性问题中的简单使用使用，torch模块中有一个叫optim的子模块，我们可以在其中找到实现不同优化算法的类SGD随机梯度下降基本概念定义：随机梯度下降（SGD）是一种梯度下降形式
不是浮云笙·2024-08-24 05:49

pytorch中的zero_grad()执行时机

在反向传播(backward())前执行即可zero_grad()用以清除优化器的梯度对张量执行backward(),以计算累积梯度执行optimizer.step(),优化器使用梯度更新参数当优化器更新完成
TomcatLikeYou·2024-08-24 05:16

python库——sklearn的关键组件和参数设置

文章目录模型构建线性回归逻辑回归决策树分类器随机森林支持向量机K-近邻模型评估交叉验证性能指标特征工程主成分分析标准化和归一化scikit-learn，简称sklearn，是Python中一个广泛使用的机器学习库
零 度°·2024-08-23 21:26

Logistic 回归

文章目录1.引言2.Logistic回归概述2.1定义与应用场景2.2与线性回归的区别3.原理与数学基础3.1Sigmoid函数3.2概率解释3.3极大似然估计4.模型建立4.1假设函数4.2成本函数4.3梯度下降法
零 度°·2024-08-23 21:56

四十一、【人工智能】【机器学习】- Bayesian Logistic Regression算法模型

机器学习】【监督学习】-支持向量机(SVM)第四章【机器学习】【监督学习】-K-近邻算法(K-NN)第五章【机器学习】【监督学习】-决策树(DecisionTrees)第六章【机器学习】【监督学习】-梯度提升机
暴躁的大熊·2024-08-23 19:46

python实现梯度下降优化算法

梯度下降（GradientDescent）是一种常用的优化算法，用于求解无约束优化问题。在机器学习中，它常被用来更新模型的参数以最小化某个损失函数。
孺子牛 for world·2024-08-23 15:49

机器学习·day4梯度下降

参考原文地址：https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes文章目录前言一、梯度下降？
#include<菜鸡>·2024-08-23 10:20

图像处理 -- 角点的概念与作用

角点是指图像中具有局部最大曲率或梯度变化明显的位置，通常出现在两条或多条边缘的交汇处。例如，图像中的建筑物拐角、棋盘格的角等位置都可能被检测为角点。
sz66cm·2024-08-22 18:44

网络安全: 模型的脆弱性，鲁棒性和隐私性

例如，模型可能对对抗性攻击或梯度泄露攻击敏感。鲁棒性（Robustness）：指模型抵御攻击和在恶劣环境下保持性能的能力。提高模型的鲁棒性是增强其抵御攻击能力的关键。
不当菜鸡的程序媛·2024-08-22 16:30
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他