深度学习基础课程笔记

《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

【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

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

PyTorch入门项目之卷积神经网络实现Fashion-MNIST图像分类（详细注释！）

对于已经有了深度学习基础的学生而言
村里的小透明·2022-12-02 19:01

深度学习基础——线性回归（Python实现）

文章目录前言一、线性回归原理1.线性回归模型2.损失函数3.优化算法二、线性回归的从零实现1.引入库2.生成数据集3.读取数据集4.初始化模型参数5.定义模型6.定义损失函数7.定义优化算法8.训练模型三.线性回归的简洁实现1.生成数据集2.读取数据集3.定义模型4.初始化模型参数5.定义优化算法6.训练模型总结前言本文主要对线性回归的原理以及基于Python的代码实现进行简单的讲解。ps:文中主
渡口归洲·2022-12-02 18:42

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

深度学习基础——正则化和优化

正则化正则化所有损害优化的方法都是正则化提高神经网络泛化能力L1和L2正则化提前终止Dropout数据增强L1,L2正则化L1w一范数的加和:会起到产生更加稀疏解的作用L2导数为2W,正则化就是将权重按照其大小比例缩减,使权重更加接近原点提前终止,Dropout,数据增强提前终止我们使用验证集来测试每一次迭代的参数在验证集上是否最优.如果验证集上的错误率不再下降,就停止迭代Dropout对一个神经
无意识积累中·2022-12-02 01:16

【深度学习基础】正则化

【深度学习基础】正则化L0&L11.为什么L1范数导致稀疏解？（解答包括部分L2范数的内容）2.为什么L0和L1都可以实现稀疏，而选择L1？3.如何选择$L1$范数的参数？
two_star·2022-12-02 01:13

深度学习基础之正则化

文章目录概述1、正则化的定义2、正则化的理解一、正则化分析1、L2参数正则化（岭回归Ridge）2、L1参数正则化（Lasso）二、L1，L2的总结1、L1，L2正则化的选择2、总结概述1、正则化的定义**正则化技术广泛应用在机器学习和深度学习算法中，本质作用是防止过拟合、提高模型泛化能力。**过拟合简单理解就是训练的算法模型太过复杂了，过分考虑了当前样本结构。其是防止过拟合的其中一种技术手段。在
陈小虾·2022-12-02 01:10

[深度学习基础]正则化

正则化是深度学习神经网络模型在训练过程当中常用的一种手段，使用正则化处理的主要目的是给网络的损失函数加以限制，防止其在训练过程当中“失控”；其次，是为了通过降低模型的复杂度，降低模型对于数据的依赖程度，防止出现过拟合现象，提高模型对于不同类型数据的泛化能力。正则化本身是一种可以防止深度神经网络出现过拟合现象的技术，可以用于提高深度学习模型在面对新数据时的准确性和预测有效性。过拟合指的是神经网络模型
哒哒朔·2022-12-02 01:06

pytorch 矩阵相乘_深度学习之Pytorch入门教程

打好深度学习基础学习Pytorch的官方tutorial打开Github，多看看教程使用https://discuss.pytorch.org,阅读文档跑代码，项目，论文代码复现，实现模型，自己创造1.2
weixin_39980002·2022-12-02 00:06

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

深度学习之环境配置 jupyter notebook

内容介绍深度学习基础：线性神经网络。
彭祥.·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

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

深度学习基础，矩阵论Xmind思维导图（一），为什么要学习矩阵论。

为什么要学习矩阵论矩阵论解决了什么问题矩阵理论这一部分我大概分以下6块来总结。首先，我们先谈谈为什么需要学好矩阵理论，对是的，你没有看错，不是学习，而是，学好！！！就拿我自身学习经历的血泪史来跟大家分享以下。在学习信号处理、通信、模式识别的过程中，我深刻的体会到矩阵分析在科学研究中起到的重要作用。很多新的理论、方法和技术的诞生与发展就是矩阵理论和线性代数应用和推广的结果。如果学不好真的是寸步难行。
Tinatianya·2022-12-01 10:54

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

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

深度学习基础——神经网络起步

深度学习基础——神经网络起步原文地址FundamentalsofDeepLearning–StartingwithArtificialNeuralNetwork前言深度学习和神经网络如今驱动着计算机科学的进步
若即·2022-12-01 08:06

深度学习基础知识回顾

1.Dataset调用了什么接口？回答应该是__len__方法和__getitem__方法。之前写过一篇关于Dataset和Dataloader的介绍：http://t.csdn.cn/b4x0hhttp://t.csdn.cn/b4x0h2.目标检测里面用了哪些损失函数？我的回答是FocalLoss、CIOULoss、GIOULoss。追问：交叉熵怎么写？交叉熵公式：表示真实概率分布P(x)与预
大厂ballballyou·2022-12-01 08:59

吴恩达机器学习课程笔记+代码实现(26)17.大规模机器学习(Large Scale Machine Learning)

17.大规模机器学习(LargeScaleMachineLearning)文章目录17.大规模机器学习(LargeScaleMachineLearning)17.1大型数据集的学习17.2随机梯度下降法17.3小批量梯度下降17.4随机梯度下降收敛17.5在线学习17.6映射化简和数据并行17.1大型数据集的学习如果我们有一个低方差的模型，增加数据集的规模可以帮助你获得更好的结果。我们应该怎样应对
geekxiaoz·2022-12-01 07:07

吴恩达机器学习系列课程笔记——第十七章：大规模机器学习(Large Scale Machine Learning)

17.1大型数据集的学习https://www.bilibili.com/video/BV164411b7dx?p=102接下来的课程，我们会学习大规模机器学习，也就是处理大型数据集的算法，对比之前的算法，我们拥有大量的数据集，使得我们的准确度更高，现在我们要学习如何处理大型数据集。为什么我们要学会处理大型数据集呢？我们之前学习过一种高性能的机器学习算法，是采用低偏差的学习算法，并用大数据进行训练
Lishier99·2022-12-01 07:04

机器学习课程笔记（第十周）大规模机器学习

课程链接https://www.coursera.org/learn/machine-learning参考文章https://www.cnblogs.com/maxiaodoubao/p/10222170.html大规模机器学习LargeScaleMachineLearning用来处理大数据的算法大数据集的学习LearningWithLargeDatasets如果有一个低方差的模型，通常通过增加数
骨骼惊奇不信邪·2022-12-01 07:57

【机器学习】课程笔记16_大规模机器学习(Large Scale Machine Learning)

大规模机器学习大型数据集的学习（LaerningwithLargeDatasets）随机梯度下降（StochasticGradientDescent）小批量梯度下降（Mini-BatchGradientDescent）随机梯度下降收敛（StochasticGradientDescentConvergence）在线学习（OnlineLearning）映射化简和数据并行（Map-ReduceandDa
雀栎·2022-12-01 07:49

4.3-python爬虫之图形验证码识别

Linux系统2、Mac系统3、Windows系统三、在命令行中使用tesseract识别图像四、在代码中使用tesseract识别图像五、用pytesseract处理网站图形验证码前言摘录自B站对应课程笔记不愧是清华大佬
Nosimper·2022-12-01 04:02

李宏毅2021春季机器学习课程笔记6：Self-attention

文章目录1.SophisticatedInput1.1Input1.2Output2.Self-attention2.1Process2.2Matrixtranspose2.3Multi-headSelf-attention2.4PositionalEncoding3.Others3.1Using3.2Self-attentionv.s.CNN3.2Self-attentionv.s.RNN3.2
Andy in boots·2022-12-01 02:38

python-三层神经网络的分类回归问题

深度学习基础文章目录深度学习基础1、加载IMDB数据集2、准备数据3、构建网络3.1、定义模型3.2编译模型3.3配置优化器3.4使用定义的损失和指标4验证4.1预留验证集4.2训练模型4.3绘制训练损失和验证损失
树盟·2022-12-01 01:47

【Pytorch深度学习实践】B站up刘二大人之LinearModel -代码理解与实现(1/9)

目录：【Pytorch深度学习实践】B站up刘二大人课程笔记——目录与索引（已完结）开篇几句题外话：刘二大人的课程我是从前天(4月5日)开始看的，今天看完了advancedcnn这部分，我做的也是图像，
nemo_0410·2022-11-30 22:21

【Pytorch深度学习实践】B站up刘二大人之SoftmaxClassifier-代码理解与实现(8/9)

这是刘二大人系列课程笔记的倒数第二个博客了，介绍的是多分类器的原理和代码实现，下一个笔记就是basicCNN和advancedCNN了；写在前面：这节课的内容，主要是两个部分的修改：一是数据集：直接采用了内置的
nemo_0410·2022-11-30 22:21

前馈神经网络_深度学习基础理解：以前馈神经网络为例

区别于传统统计机器学习的各类算法，我们从本篇开始探索深度学习模型。深度学习在应用上的重要性现如今已毋庸置疑，从2012年燃爆ImageNet，到2016年的AlphaGo战胜李世石，再到2018年的BERT作为NLP领域重要里程碑的出现，深度学习在计算机视觉、推荐、计算机广告、自然语言处理等很多领域全面铺开并逐步占据主导地位。经过多年的发展，深度学习适用于不同场景问题的各种网络结构、神经元结构、学
weixin_39966922·2022-11-30 21:41

深度学习基础概念-Batch、Iteration、Epoch理解

1、概念理解Batch、Iteration、Epoch是在模型训练阶段的概念。在模型训练时，我们选择优化算法，如梯度下降法（全批量梯度下降法BGD、小批量梯度下降法mini-Batch、随机梯度下降法SGD），对模型参数进行调整训练。那么，这里梯度下降法使用的数据量即为batch_size，整个样本N需要的batchs数为：N/batch_size。而使用梯度下降法完成一次参数更新，称为一次迭代，
Just Jump·2022-11-30 21:31

【深度学习基础】Epoch, Batch, Iteration这三个概念的区别与联系

文章目录1.Epoch,Batch,Iteration说明2.为什么要多个epoch3.为什么要分多个batch4.Rprop与RMSProp1.Epoch,Batch,Iteration说明相关概念的区别与联系如下表所示：名词解释Epoch所有训练样本在神经网络中都进行了一次正向传播和一次反向传播。也就是1个epoch等于使用训练集中的全部样本训练一次。Batch将整个训练样本分成若干个Batc
非晚非晚·2022-11-30 21:30

[pytorch深度学习Day03] 张量数据类型

浙江大学教授【深度学习框架PyTorch】课程笔记（https://www.bilibili.com/video/BV1wL4y1t7ah?
木又青·2022-11-30 19:43

PyTorch 01—深度学习基础与线性回归实例

前言该博客是自己在学习PyTorch过程中的笔记，仅仅为了督促自己，笔记中如有错误，欢迎批评指正。关于配置环境网上有很多教程，在这里就不赘述了。基础学习基础上图是一幅受教育情况与收入的数据集表现形似。单变量线性回归首先需要明白特征和标签的含义：特征:指输入变量，即简单线性回归中的x变量；简单的机器学习项目可能会使用单个特征，而比较复杂的机器学习项目可能会使用数百万个特征。标签：是我们要预测的事物，
心之所向便是光v·2022-11-30 17:55

小小几张图，把深度学习讲透彻

这不仅仅是一份课程笔记，同时还是一套信息图与备忘录。本文将从深度学习基础、卷积网络和循环网络三个方面介绍该笔记。一、深度学习基础1
AI科技大本营·2022-11-30 16:25

深度学习与人类语言处理-语音识别(part1)

深度学习与人类语言处理课程笔记，上节回顾深度学习与人类语言处理-introduction。这节课将会简单介绍语音识别的最新研究方法，请看正文语音识别该何去何从？
编程大乐趣·2022-11-30 15:27

[深度学习基础]激活函数和损失函数

一、激活函数激活函数是深度学习神经网络模型的重要组成部分，旨在使神经网络模型能够更好地拟合数据分布，输出更为准确的结果。激活函数通常分为线性激活函数和非线性激活函数，因此激活函数的类型决定了网络该层的输出是线性的还是非线性的，并且激活函数的选择也对神经网络性能、模型收敛速率起到了很大的影响作用。本文章主要介绍三种常用的非线性激活函数。Sigmoid激活函数：Sigmoid函数的图像如下图所示，其函
哒哒朔·2022-11-30 13:12

深度强化学习（DRL）学习笔记（1 - 4章）

文章目录前言常用符号摘自课本概念、参数出处或者定义（方便理解和查阅）第一章概率论基础与蒙特卡洛概率论基础（具体自己补）蒙特卡洛第二章深度学习基础线性模型线性回归逻辑斯蒂回归Softmax分类器神经网络全连接神经网络
流荧静水·2022-11-30 10:03
上一页 34 35 36 37 38 39 40 41 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他