深度学习基础课程笔记

matlab中的pred,Matlab深度学习基础笔记-2

笔记来源于matlab官网，不足之处还请提出.。1.4检查预测Predictionscores使用classify可以获得所有类别的预测值，存储在数组scrs中：[predscrs]=classify(net,img);使用bar(scrs)来创建预测值的条形图：使用highscores=scrs>0.01显示值中大于0.01使用逻辑索引来创建高于阀值0.01的预测值的条形图：bar(scrs(h
小野熊·2023-01-17 12:44

吴恩达机器学习课程笔记：监督学习、无监督学习

1.吴恩达机器学习课程笔记：监督学习、无监督学习吴恩达机器学习系列课程：监督学习吴恩达机器学习系列课程：无监督学习仅作为个人学习笔记，若各位大佬发现错误请指正机器学习的学习算法：监督学习、无监督学习、半监督学习
Uncertainty!!·2023-01-16 17:31

【阶段四】Python深度学习02篇：深度学习基础知识：神经网络可调超参数：优化器

本篇的思维导图：神经网络可调超参数：优化器优化器相当于是用来调解神经网络模型的‘手柄’。代码#编译神经网络,
胖哥真不错·2023-01-16 14:07

Python深度学习基础（七）——Python手动实现多层神经网络

根据之前的文章我们可以很容易的搭建出多层神经网络，下面我们以其中一种方式为例实现多层神经网络，推荐使用jupyternotebook引入包其中:sklearn.datasets:用于生成数据集sklearn.neural_network.MLPClassifier:用于生成数据集numpy:数据批处理matplotlib：画图warnings.simplefilter:简单过滤器fromsklea
艾醒(AiXing-w)·2023-01-16 13:20

【阶段四】Python深度学习01篇：深度学习基础知识：神经网络历史及优势、神经网络基础单元与梯度下降：正向传播和反向传播

本篇的思维导图：神经网络历史及优势1958年，计算机科学家罗森布拉特（Rosenblatt）就提出了一种具有单层网络特性的神经网络结构，称为“感知器”（perceptron）。感知器出现之后很受瞩目，大家对它的期望很高。然而好景不长—一段时间后，人们发现感知器的实用性很弱。1969年，AI的创始人之一马文·明斯基（Marvin Minsky）指出简单神经网络只能运用于线性问题的求解。这之后神经网络
胖哥真不错·2023-01-16 13:50

图像处理、分析、识别、应用的课程笔记，PPT/PDF课件，计算机视觉中的机器学习、目标识别、分割、文本识别、fMRI 分析、运动和追踪等在线视频教程

包括图像处理、分析、识别、应用的课程笔记，PPT/PDF课件，计算机视觉中的机器学习、目标识别、分割、文本识别、fMRI分析、运动和追踪等在线视频教程。
u013476464·2023-01-16 10:19

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

第一次作业：深度学习基础

第一部分：深度学习概论1956年，达特茅斯会议首次提出“人工智能”的概念，随后人工智能经历了三次起伏。人工智能的三个层面：计算智能（主要是计算和存储）、感知智能（有感知，能听说，会看，例如无人驾驶）、认知智能（有意识，能理解，能思考）。人工智能、机器学习与深度学习人工智能>机器学习>深度学习人工智能中包含机器学习，机器学习通过是否使用神经网络划分为神经网络和传统机器学习，而运用深度神经网络的才是深
weixin_46075186·2023-01-16 06:05

吴恩达深度学习课程笔记

1.逻辑回归、梯度下降法、向量化2.广播、关于numpy向量的说明3.神经网络、激活函数、随机初始化4.超参数、划分数据集、偏差与方差、正则化5.
劳埃德·福杰·2023-01-15 16:17

【阶段四】Python深度学习03篇：深度学习基础知识：神经网络可调超参数：激活函数、损失函数与评估指标

本篇的思维导图：神经网络可调超参数：激活函数神经网络中的激活函数（有时也叫激励函数）。在逻辑回归中，输入的特征通过加权、求和后，还将通过一个Sigmoid逻辑函数将线性回归值压缩至［0，1］区间，以体现分类概率值。这个逻辑函数在神经网络中被称为激活函数（这个名词应该是来自生物的神经系统中神经元被激活的过程）。在神经网络中，不仅最后的分类输出层需要激活函数，而且每一层都需要进行激活，然后向下一层输入
胖哥真不错·2023-01-15 13:54

《电磁场与电磁波》课程笔记（一）——矢量与坐标系

第一课课程主要内容只上前五章前言电场磁场电磁波物质属性电磁场与电磁波是客观存在的一种物质，因为它具有物质的两种重要属性：能量和质量。但是，电磁场与电磁波的质量极其微小，因此，通常仅研究电磁场与电磁波的能量特性。场与介质电磁场与电磁波既然是一种物质，它的存在和传播无需依赖于任何介质.当空间存在介质时，在电磁场的作用下介质中会发生极化与磁化现象，结果在介质中又产生二次电场及磁场，从而改变了介质中原先的
Sandwich66·2023-01-15 13:22

吴恩达机器学习课程笔记（持续更新ing）

1.1什么是机器学习？定义：机器学习是用数据或以往的经验，以此优化计算机程序的性能标准。解释：计算机程序从经验E中学习，解决某一任务T，进行某一性能度量P，通过P测定在T上的表现因经验E而提高。例如：跳棋游戏E：程序与自己下几万次跳棋T：玩跳棋P：与新对手玩跳棋时赢的概率1.2监督学习定义：给算法一个数据集，其中包含了正确答案，算法的目的就是给出更多的正确答案。回归问题：目的：预测连续的数值例如：
最爱吃兽奶638·2023-01-15 11:15

深度学习基础——week4

更好的阅读体验!!序列模型例子音乐、语言、文本、视频、股价…统计方法方案A：马尔科夫假设假设当前当前数据只跟τ\tauτ个过去数据点相关p(xt∣x1,…xt−1)=p(xt∣xt−τ,…xt−1)=p(xt∣f(xt−τ,…xt−1))p\left(x_{t}\midx_{1},\ldotsx_{t-1}\right)=p\left(x_{t}\midx_{t-\tau},\ldotsx_{t-
-meteor-·2023-01-15 10:19

【深度学习基础】02梯度下降算法改进：SGD、Momentum、NAG、RMSProp、Adam等

目录1.优化算法背景1.1常见优化问题1.1.1梯度消失或梯度爆炸1.1.2局部最小值1.2常用解决办法1.2.1参数初始化策略1.2.2小批量梯度下降1.2.3梯度下降算法优化（本文关注）1.2.4其他非算法优化方式2.梯度下降算法优化2.1动量梯度下降2.2RMSProp算法2.3Adam算法2.4学习率衰减1.优化算法背景传统的机器学习会小心设计目标函数和约束，以确保优化问题是凸的，从而避免
TianleiShi·2023-01-15 10:28

Elasticsearch分布式引擎7.x,2021黑马详细课程笔记

文章目录一、ES的一些概念1.1索引和映射ELS与Mysql的对比2.创建索引库：2.1mapping映射属性2.2索引库的CRUD2.2.1创建索引库和映射2.2.2查询数据库：2.2.3修改索引库，添加新字段2.2.4.删除索引库2.2.5总结3.文档操作3.1.新增文档查询文档3.3删除文档3.4修改文档3.4.2只修改Id匹配的文档中的部分字段3.5总结4RestAPI--javaClie
要去北上广的sakura·2023-01-15 07:27

Andrew Ng Machine Learning 专题【Introduction】

此文是斯坦福大学，机器学习界superstar—AndrewNg所开设的Coursera课程：MachineLearning的课程笔记。力求简洁，仅代表本人观点，不足之处希望大家探讨。
IronYoung·2023-01-14 11:46

深度学习基础——week1

更好的阅读体验PyTorch什么是PyTorch(来自官方文档)PyTorch是基于以下两个目的而打造的python科学计算框架：无缝替换NumPy，并且通过利用GPU的算力来实现神经网络的加速。通过自动微分机制，来让神经网络的实现变得更加容易。Tensor（张量）张量如同数组和矩阵一样,是一种特殊的数据结构。在PyTorch中,神经网络的输入、输出以及网络的参数等数据,都是使用张量来进行描述。张
-meteor-·2023-01-14 11:44

蓝桥杯单片机学习笔记

目录前言一、基础代码二、相关特殊功能寄存器三、课程笔记
m0_63848870·2023-01-14 08:36

吴恩达deeplearning.ai系列课程笔记+编程作业(7)第二课 改善深层神经网络-第三周 超参数调试、Batch正则化和程序框架（Hyperparameter tuning）

第二门课改善深层神经网络：超参数调试、正则化以及优化(ImprovingDeepNeuralNetworks:Hyperparametertuning,RegularizationandOptimization)第三周超参数调试、Batch正则化和程序框架（Hyperparametertuning）文章目录第二门课改善深层神经网络：超参数调试、正则化以及优化(ImprovingDeepNeural
geekxiaoz·2023-01-14 07:09

深度学习基础--不同网络种类--可微分编程；Differentiable Programming

可微分编程；DifferentiableProgramming  lecun说"深度学习已死，可微分编程万岁！",即深度学习这个词已死，该有新的名词可微分编程来替代它了。  深度学习的本质是可微分编程，那么，就把神经网络当函数用吧！  一个程序本身当成一个神经网络，然后自己调节参数。实现真正的可微分编程需要的就是自动化调参，于是乎，贝叶斯方法开始大量用于深度学习。传统编程方法与可微分编程(Diff
whitenightwu·2023-01-13 14:44

《从深度学习基础到车道线模型训练与部署》学习（三）

1.Python常用库之一：Numpy库NumPy是Python语言的一个扩充程序库。支持高级大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。总而言之，包含：一个强大的N维数组对象ndarray广播功能函数整合C/C++/Fortran代码的工具线性代数、傅里叶变换、随机数生成等功能2.Python常用库之二：Pandas库Pandas是用于数据操纵和分析，建立在Numpy之上的
majunyongzhangduo·2023-01-13 09:17

interview

保存模型种类及区别2.目标检测2.1yolo3,4,5,7区别2.2yolo使用的loss(ciou,BCE等等)ciouBCElossL1,L2,CE,BCE2.3图像增强2.4IOU计算公式3.机器学习/深度学习基础
highoooo·2023-01-13 08:34

【深度学习基础】Mac系统安装Anaconda

【深度学习基础】苹果系统安装Anaconda1.查看电脑的硬件架构2.下载匹配的Anaconda版本3.安装（sh安装包为例）4.激活5.验证ok你已经成功啦，拜拜参考博客1.查看电脑的硬件架构查看硬件架构命令
骆先生的老屁·2023-01-13 03:34

统计学系统学习目录（持续更新中）

日概率论基础矩阵论基础统计学基础回归分析基础凸优化基础随机过程基础随机过程预备知识离散鞅理论随机微分方程时间序列分析基础随机微分方程在时间序列的应用神经网络随机微分方程在时间序列的应用机器学习基础（后续会进行归类）EM算法深度学习基础时间序列分析进阶机器学习进
邓宏宇·2023-01-12 17:11

深度学习基础及实现的必备步骤

为什么要以均方误差作为损失函数？(将模型在每个训练样本上的预测误差加和，来衡量整体样本的准确性)解：利用均方误差画出来的图像有如下特点曲线的最低点是可导的。越接近最低点，曲线的坡度逐渐放缓，有助于通过当前的梯度来判断接近最低点的程度（是否逐渐减少步长，以免错过最低点）标准神经网络的构成：神经网络的标准结构中每个神经元由加权和与非线性变换构成，然后将多个神经元分层的摆放并连接形成神经网络。深度学习的
啊这？啊这？·2023-01-12 14:48

一文读懂残差网络ResNet

作者：苘郁蓁链接：https://zhuanlan.zhihu.com/p/91385516专栏：郁蓁的机器学习笔记本文的内容包括残差网络的基础知识以及相关辅助理解的知识点，希望有一定深度学习基础的同学能够平滑上手理解
风度78·2023-01-12 02:15

机器学习 | 李宏毅课程笔记（一）基本概念

什么是机器学习？让机器具备自动找到一个函数function的能力（函数f输入x—输出f(x)）应用函数输入函数输出语音识别声音信号音频对应文字图像分类图片图片内包含内容AlphaGo下围棋黑白棋的位置下一步应该落子的位置2.机器学习的三大任务任务函数输出实例Regression回归连续数值PM2.5预测Classification分类二分类（BinaryClassification）离散的值（从设
Hygge0+·2023-01-11 20:06

【深度学习】02-01-机器学习任务攻略-李宏毅老师21&22深度学习课程笔记

02-01-机器学习任务攻略FrameworkofMLGeneralGuideLargeLossonTrainingDataSolution1:ModelBias（MakeYourModelComplex）Solution2：OptimizationIssueWhichOne?GainingtheinsightsfromcomparisonStartfromshallowernetworks(or
暖焱·2023-01-11 20:04

利用fft计算时域卷积重叠法保留_【GAMES101-现代计算机图形学课程笔记】Lecture 06 光栅化 2 (反走样)...

1.回顾和本节摘要1.1上一节内容回顾ViewingView+Projection+Viewport（将cuboid变换到屏幕空间）RasterizingtrianglesPoint-in-triangletestAliasing：像素引起的锯齿状失真。1.2本节内容概要：AntialiasingSamplingtheoryAntialiasinginpracticeVisibility/occl
weixin_39747568·2023-01-11 13:04

CPT101-Computer Systems 课程笔记

关于汇编的知识请移步文章AssemblyLanguage文章目录1.Overview2.I-OProcess2.1Input-Process-OutputModel2.2VonNeumannModel2.3Harvardarchitecture3.MachineinstructionsandHLL3.1Translation3.2Codesharingandreuse4.Data,Informat
SP FA·2023-01-10 16:03

Discrete Optimization课程笔记(5)—混合整数规划

目录1.MIP介绍(MixedIntegerProgram)Case1:WarehouseLocationCase2:KnapsackProblem(BranchandBound)2.MIP模型(modeling)Case3:ColoringProblem(Big-MTransformation)3.割平面法(Cuttingplanes)4.多面体切割(PolyhedralCuts)Case4:N
bujbujbiu·2023-01-10 15:19

Discrete Optimization课程笔记(4)—前沿与工具

目录1.大规模邻域搜索(LargeNeighborhoodSearch)Case1:带时间窗的非对称TSP(AsymmetricTSPwithTimeWindows)2.列生成算法(ColumnGeneration)Case2:CuttingStock3.优化工具汇总1.大规模邻域搜索(LargeNeighborhoodSearch)大规模邻域搜索是局部搜索和CP/MIP的结合，例如CP和局部搜索
bujbujbiu·2023-01-10 15:19

【深度学习基础知识 - 46】贝叶斯定理与条件概率公式

基本定理贝叶斯基于概率论中的贝叶斯定理，贝叶斯定理就是用先验概率和条件概率求出最终的事件概率。贝叶斯网络可以理解为将模型看作是一个概率密度函数，它可以表示数据的分布，训练过程就是概率分布的参数估计过程，预测过程就是求解条件概率的过程。通过条件概率求得后验概率后验概率可以用条件概率表示，公式为：由此可推导：从条件概率推导贝叶斯定理见公式博主会持续更新一些深度学习相关的基础知识以及工作中遇到的问题和感
雁宇up·2023-01-10 12:22

【深度学习基础知识 - 48】贝叶斯网络的特点

贝叶斯网络的特点贝叶斯网络主要引入了两个基本概念：有向无环图和条件概率集合。有向无环图的节点是特征和类别，边是两个特征或者特征和类别之间的关系，并不是彼此独立的。条件概率集合主要的概念是条件独立性，也就是某个节点在给定其父节点的条件下，与其他节点是相互独立的。贝叶斯网络关注的不是因果关系，而是变量间的依赖关系。博主会持续更新一些深度学习相关的基础知识以及工作中遇到的问题和感悟，喜欢请关注、点赞、收
雁宇up·2023-01-10 12:52

20180813视频笔记 深度学习基础上篇（1）之必备基础知识点 深度学习基础上篇（2）神经网络模型视频笔记：深度学习基础上篇（3）神经网络案例实战 和 深度学习基础下篇...

20180813视频笔记深度学习基础上篇（1）之必备基础知识点深度学习基础上篇（2）神经网络模型视频笔记：深度学习基础上篇（3）神经网络案例实战和深度学习基础下篇深度学习基础上篇（3）神经网络案例实战https
轮子去哪儿了·2023-01-09 11:03

【深度学习基础】SENet——PyTorch实现CNN的SE结构改造

【深度学习基础】【深度学习基础】SENet——PyTorch实现CNN的SE结构改造1论文关键信息1.1SEblock1.1.1squeeze1.1.2Exitation2pytorch实现2.1SEblock
Cai Yichao·2023-01-09 08:33

Deep Learning Specialization课程笔记——深度学习介绍

第一门课：神经网络和深度学习，会包含四周的课程，将学习如何建立神经网络，包括深度神经网络，以及如何用数据训练它。在这门课的结尾，将建立一个神经网络识别猫。whatisaneuralnetwork?一张图解释什么是ReLU函数，就像房价预测的曲线是一样的：（同时这张图展示了什么是单个的神经元neuron）影响房价的不同因素共同决定了housingprice：（这时，输入x参数是大小，卧室数量，邮政编
韬光养晦气·2023-01-09 00:17

吴恩达深度学习工程师系列课程笔记（Deep Learning Specialization - deeplearning.ai）

深度学习笔记导航前言传送门完结感想前言选择吴恩达的深度学习视频作为入门是明智的选择，我对比过包括动手学深度学习在内的一些入门资料，感觉还是吴恩达的最为通俗易懂，虽然他在RNN那部分讲的一般，但是即使是这样，也是讲的比较好的。唯一的不太友好的点大概就是英文，好在b站有字幕版本的视频，刚开始可以开0.75倍速，虽然有字幕，但是我还是推荐把英文都听了，一方面锻炼听力，另一方面，字母还是差强人意，关键的部
亦梦亦醒乐逍遥·2023-01-09 00:42

cs223w课程笔记7-GNN2

GNN=message+aggregationMSG可以是一个线性变换，注意hvl{h_v}^lhvl利用了v结点本身的信息。经典的GCNLayers:这里的hvlh_v^lhvl没有利用hvl−1h_v^{l-1}hvl−1的信息，下一种方法GraphSAGE进行了改进，把hN(v)lh_{N(v)}^lhN(v)l的信息与hvl−1h_v^{l-1}hvl−1的信息连接起来，这里的concat
fVector·2023-01-08 19:06

系统辨识课程笔记

第一次课现代控制理论有哪些部分组成辨识、状态估计、控制理论辨识方法主要采用什么技术数理统计的技术系统辨识的定义系统辨识是根据系统的输入/输出时间函数，确定系统行为的数学模型，是现代控制理论的一个分支。辨识模型具有（近似）性、（唯一）性，辨识方法亦有（多样）性。辨识采用的测量数据的特点是什么有噪声，有随机性辨识方法的分类经典辨识方法（非参数辨识）：阶跃相应辨识方法、脉冲相应辨识方法、频率相应辨识方法
mez_Blog·2023-01-08 07:44

深度学习课程笔记——回归、精灵宝可梦案例

目录1RegressionCase1.1CurrentCase1.1.1Senario1.1.2Task2RegressionSteps2.1DesignAModel2.2GoodnessOfFunction2.2.1ErrorSurface2.3BestFunction2.3.1GradientDescent3ModelSelection4RedesignTheModel4.1Backtoste
chelsea_tongtong·2023-01-08 07:38

Python深度学习基础（八）——线性回归

线性回归引言损失函数解析解公式代码实例梯度下降理论随机梯度下降的手动实现代码torch中的随机梯度下降引言我们生活中可能会遇到形如y=w1x1+w2x2+w3x3+by=w_1x_1+w_2x_2+w_3x_3+by=w1x1+w2x2+w3x3+b的问题，其中有y为输出，x为输入，w为权值，b为偏置假设我们有一个房价预测的问题，我们有很多条数据，每一个数据项有很多特征，这些特征就是x，而房价就是
艾醒(AiXing-w)·2023-01-08 07:03

超详细｜算法岗的学习路线大总结｜机器学习｜深度学习｜CV、NLP、推荐

算法岗的面试主要分为四大项，具体顺序可能因面试官而异Coding，给你一道题限时完成机器学习or深度学习基础论文or项目介绍其他问题&向面试官提问本文将从以上四点进行展开一、数据结构
苏学算法·2023-01-08 06:32

【深度学习】李宏毅2021/2022春深度学习课程笔记 - (Multi-Head)Self-Attention (多头)自注意力机制 + Pytorch代码实现

文章目录一、序列标注二、全连接神经网络三、Window四、Self-Attention自注意力机制4.1简介4.2运行原理4.3QKV五、Multi-HeadSelf-Attention多头注意力机制5.1运算原理5.2PositionalEncoding六、其他应用6.1语音识别6.2图像处理6.3CNN与Self-Attention的比较6.4RNN与Self-Attention的比较6.5S
WSKH0929·2023-01-07 09:09

深度学习基础知识（二）--- 卷积操作与池化操作

这里并不介绍卷积操作具体是如何进行的，关于这点，很多文章都有介绍。本文主要介绍一下为何会广泛使用卷积操作？参考资料：《DeepLearning》https://mooc.study.163.com/learn/2001281004?tid=2001392030#/learn/content?type=detail&id=2001728690卷积运算主要通过三个重要的思想来帮助改进机器学习系统：稀疏
Teeyohuang·2023-01-07 08:13

机器学习-神经网络（Neural Network）算法

学习彭亮《深度学习基础介绍：机器学习》课程背景以人脑中的神经网络为启发，最著名的算法是1980年的backpropagation多层向前神经网络（MultilayerFeed-ForwardNeuralNetwork
YEN_csdn·2023-01-07 07:02

语音识别入门 --各个模型的整理

本人有图像识别、深度学习基础，实习因为项目需要，需要对语音识别做一个整合梳理。论语音识别三大技术结构图语
MIngo的成长·2023-01-06 22:22
上一页 29 30 31 32 33 34 35 36 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他