神经网络和深度学习

吴恩达Deep Learning编程作业 Course1-神经网络和深度学习-第四周作业part2

吴恩达DeepLearning编程作业Course1-神经网络和深度学习-第四周作业part2DeepNeuralNetworkforImageClassification:Application用于图像分类的深度神经网络
椰楠liu·2022-11-28 08:49

吴恩达神经网络和深度学习课程自学笔记（十二）之人脸识别

人脸识别和神经风格转换一、什么是人脸识别？首先，让我们了解一下人脸识别的一些术语。主要是人脸验证（faceverification）和人脸识别（facerecognition）。人脸验证问题：如果你有一张输入图片，以及某人的ID或者是名字，这个系统要做的是，验证输入图片是否是这个人。有时候也被称作1对1问题。人脸识别问题：而人脸识别问题比人脸验证问题难很多。验证系统是一对一，而识别系统是一对多，对
To_1_oT·2022-11-28 00:56

神经网络和深度学习-梯度下降Gradient Descent（下）

梯度下降gradientdescent我们接着用数学公式来看一下梯度下降首先是梯度∂cos⁡t∂ω\frac{\partial\cost}{\partial\omega}∂ω∂cost然后我们对权重进行更新ω=ω−α∂cos⁡t∂ω\omega=\omega-\alpha\frac{\partial\cost}{\partial\omega}ω=ω−α∂ω∂cost解析一下梯度求导公式∂cost⁡
Ricardo_PING_·2022-11-27 20:25

神经网络和深度学习-第二周神经网络基础-第三节：Logistic 回归损失函数

本系列博客是吴恩达(AndrewNg)深度学习工程师课程笔记。全部课程请查看吴恩达(AndrewNg)深度学习工程师课程目录在上一节中，讲解的是logistic回归模型。为了训练回归模型参数w和b，我们需要定义一个成本函数（costfunction）。这是上一节中的函数：\begin{equation}\hat{y}=\theta(w^Tx+b),\quadwhere\,\theta(z)=\fr
geekidentity·2022-11-27 09:52

神经网络和深度学习-logistic回归

logistic回归logistic回归常用于分类问题，根据输入的x来估计属于不同类的概率为多少，满足分布，即所有类的概率总和为1在torchvison包中提供了一些常用的数据集，供我们使用，例如：Mnist数据集Cifar-10数据集，提供了十类的彩色图像在二分类问题中，我们常常只需要计算一个类的概率就行，因为有概率总和为1的这个限制，一般概率在不确定的区间我们输出不确定，或者直接输出概率，正常
Ricardo_PING_·2022-11-27 09:46

神经网络和深度学习-用pytorch实现线性回归

用pytorch实现线性回归用pytorch的工具包来实现线性模型的训练过程准备数据集设计模型构造损失函数和优化器（使用pytorchAPI）训练过程：前馈、反馈、更新准备数据在PyTorch中，计算图是小批处理的，所以X和Y是3x1Tensors。（X和Y的值必须是个矩阵）利用广播将矩阵进行衍生同时损失函数也是这样进行计算的设计模型采用仿射模型AffineModel（线性单元LinearUnit
Ricardo_PING_·2022-11-27 07:50

人工智能、机器学习、神经网络和深度学习的发展历程(上）

Hello，这里是行上行下，我是隔壁壹脑云准时不拖更的袅袅~“学习任何领域，了解总是第一步，而认识该领域的发展历程是了解一个领域十分有效的方法。”这一期跟大家分享人工智能和机器学习的发展历程。一、人工智能的发展历程人工智能从诞生至今，经历了一次又一次的繁荣与低谷，其发展历程大体上可以分为推理期、知识期和学习期。人工智能的发展经历了很长时间的历史积淀，早在1950年，阿兰·图灵就提出了图灵测试机，大
壹脑云·2022-11-26 12:10

【学习笔记】吴恩达深度学习课程

课程知识点应用实例吴恩达深度学习1.1神经网络和深度学习-神经网络概论介绍神经网络的概念和深度学习近些年的发展。吴恩达深度学习1.2神经网络和深度学习-神经网络基础逻辑回归。识别图片是不是猫。
垚焱焱·2022-11-25 20:21

吴恩达神经网络和深度学习课程自学笔记（十一）之目标检测

目标检测一、目标定位不仅是识别出汽车，还要判断他的在图中的具体位置。一个输入图片，我们先通过卷积判断了它是汽车，而要定位，我们可以让神经网络多输出几个单元，输出一个边界框，也就是4个数字（bx,by,bh,bw)，即被检测对象的参数化表示。约定一些符号表示：左上角坐标为（0，0），右下角为（1，1），物体中心点坐标为（bx,by)，边框高度为bh，宽度为bw。（本例子中，bx=0.5,by=0.7
To_1_oT·2022-11-25 20:45

为什么深度神经网络这么难训练？| 赠书

本书深入了讲解神经网络和深度学习技术，侧重于阐释深度学习的核心概念。
AI科技大本营·2022-11-25 15:35

神经网络和深度学习-后向传播back propagation

后向传播backpropagation首先我们要了解，前向传播，损失函数这些前置知识，下面我们给出一张神经网络的图反向传播通过导数链式法则计算损失函数对各参数的梯度，并根据梯度进行参数的更新下面举个简单的例子我们需要知道x,y,z分别对该模型有什么影响，故分别对他们求偏导其中q=x+y，需要先对q求偏导，在对x和y进行求偏导**（链式求导法则）**∂f∂x=∂f∂q⋅∂q∂x\frac{\part
Ricardo_PING_·2022-11-25 10:52

神经网络和深度学习-均方误差Mean Square Error

均方误差MeanSquareError测量预测值Ŷ与某些真实值匹配程度。MSE通常用作回归问题的损失函数。由单个样本训练损失来推导出整个训练集的MSEMSE=1n∑i=1n(Yi−Y^i)2\mathrm{MSE}=\frac{1}{n}\sum_{i=1}^{n}\left(Y_{i}-\hat{Y}_{i}\right)^{2}MSE=n1i=1∑n(Yi−Y^i)2下面来看MSE的pytho
Ricardo_PING_·2022-11-25 10:52

吴恩达deeplearning.ai系列课程笔记+编程作业(3)第一课 神经网络和深度学习-第三周：浅层神经网络(Shallow neural networks)

第一门课神经网络和深度学习(NeuralNetworksandDeepLearning)第三周：浅层神经网络(Shallowneuralnetworks)文章目录第一门课神经网络和深度学习(NeuralNetworksandDeepLearning
geekxiaoz·2022-11-24 18:15

《Deep Learning for Computer Vision withPython》阅读笔记-StarterBundle(第2 - 3章)

要更全面地回顾神经网络和深度学习的历史，请参考Goodfello等人[10]以及JasonBrownlee在机器学习大师[20]上发表的这篇优秀博文。2.2分层特征学习机器学习算法（通常）分为三大
Dream_WLB·2022-11-24 18:41

【吴恩达深度学习笔记】1.3 浅层神经网络Shallow neural networks

第一门课神经网络和深度学习(NeuralNetworksandDeepLearning)3.1神经网络概述（NeuralNetworkOverview）感觉这块没啥好记的3.2神经网络的表示（NeuralNetworkRepresentation
贪钱算法还我头发·2022-11-24 05:08

神经网络和深度学习之——误差反向传播算法

在讲解误差反向传播算法之前，我们来回顾一下信号在神经网络中的流动过程。请细细体会，当输入向量\(X\)输入感知器时，第一次初始化权重向量\(W\)是随机组成的，也可以理解成我们任意设置了初始值，并和输入做点积运算，然后模型通过权重更新公式来计算新的权重值，更新后的权重值又接着和输入相互作用，如此迭代多次，得到最终的权重。信号向前传播，权重的更新反向传播，是这样吗？是的，你的直觉没错，确实是反向传播
weixin_34221112·2022-11-24 02:24

神经网络和深度学习（7）-- 梯度下降算法

神经网络和深度学习上一篇主目录下一篇文章结构1.什么是梯度下降算法2.一个梯度下降的数学例子3.梯度下降的作用4.梯度下降参数的更新5.逻辑回归中的梯度下降6.m个样本的梯度下降7.区别于梯度下降算法的正规方程
ShaneHolmes·2022-11-23 13:35

神经网络和深度学习-梯度下降Gradient Descent

梯度下降损失函数绝大多数的机器学习模型都会有一个损失函数。比如常见的均方误差（MeanSquaredError)损失函数：L(w,b)=1N∑i=1N(yi−f(wxi+b))2L(w,b)=\frac{1}{N}\sum_{i=1}^{N}\left(y_{i}-f\left(wx_{i}+b\right)\right)^{2}L(w,b)=N1i=1∑N(yi−f(wxi+b))2其中，表示样
Ricardo_PING_·2022-11-23 13:01

【吴恩达-course1-第二周-编程作业】实验记录-【Jupyter方式】

返回总目录本文是个人学习【中文】【吴恩达课后编程作业】Course1-神经网络和深度学习-第二周作业的详细实现过程。下面会围绕这篇文章来叙述。
Acubaa·2022-11-21 23:42

OpenCV基础（15）OpenCV DNN模块的深度学习:权威指南

利用神经网络和深度学习，我们已经达到了一个阶段，计算机可以开始真正理解和识别一个物体，准确率很高，在很多情况下甚至超过了人类。
求则得之，舍则失之·2022-11-21 12:49

图像识别与处理学习笔记（五）人工神经网络和深度学习

目录简单概念单层神经网络（单层感知机）多层神经网络（多层感知机）深度学习卷积神经网络深度学习网络循环神经网络简单概念基本模型：输入乘以权重之后累加，大于一定的阈值（f为阈值函数）才会有输出，阈值函数有多种选择。单层神经网络（单层感知机）WT是权重矩阵。整个过程大致是收集标注样本、训练神经网络、测试神经网络。Hebb学习规则只根据神经元连接间的激活水平改变权值，因此这种方法又称为相关学习或并联学习。
贾saisai·2022-11-21 12:32

深度学习经典数据集汇总

点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达很多朋友在学习了神经网络和深度学习之后，早已迫不及待要开始动手实战了。第一个遇到的问题通常就是数据。
小白学视觉·2022-11-21 04:49

神经网络和深度学习

目录神经网络的初步学习1、二分分类2、logistic回归（非常小的神经网络）3、logistic回归损失4、梯度下降法关于神经网络的名词1、神经元2、偏置（Offset）3、激活函数4、输入层5、隐藏层6、输出层7、前向传播8、反向传播9、学习率神经网络的初步学习1、二分分类神经网络的计算过程：前向传播和反向传播计算机通过三个独立矩阵保存一张图片，三通道：红、绿、蓝（RGB）将像素值提取出来放入
真是兄棣伙·2022-11-20 19:21

安装MXnet包，实现MNIST手写数体识别

我会默认读者有一定神经网络和深度学习的基础知识，读者在这里不会看到大段推导和理论阐述。
weixin_30367543·2022-11-20 06:07

用MXnet入门实战深度学习之一：安装GPU版mxnet并跑一个MNIST手写数字识别

我会默认读者有一定神经网络和深度学习的基础知识，读者在这里不会看到大段推导和理论阐述。基础理论知识十分重要，如果读者对理论知识有兴
Real_BB·2022-11-20 05:49

【深度学习吴恩达】神经网络和深度学习--第二周课后测验及编程作业

测验题5.Considerthetwofollowingrandomarrays“a”and“b”:(看一下下面的这两个随机数组“a”和“b”)a=np.random.randn(4,3)#a.shape=(4,3)b=np.random.randn(3,2)#b.shape=(3,2)c=a*bWhatwillbetheshapeof“c”?(请问数组“c”的维度是多少？)Answer:Thec
早知晓·2022-11-19 14:56

深度学习第二次培训

因此，学习感知机的构造也就是学习通向神经网络和深度学习的一种重要思想。1.1.什么是感知机？感知机接收多个输入信号，输出一个信号。这里所说的“信号”可以想象成电流或河流那样具备“流动性”的东西。
花 开 富 贵·2022-11-19 06:46

深度学习入门学习笔记之——感知机

因此，学习感知机的构造也就是学习通向神经网络和深度学习的一种重要思想。1、感知机是什么感知机接收多个输入信号，输出一个信号。这里所说的“信号”可以想象成电流或河流具备“流动性”的东西。
前丨尘忆·梦·2022-11-19 02:46

深度学习入门初探——感知机的初级理解

感知机是由一名美国学者在1957年提出来的，作为神经网络和深度学习的起源算法，学习感知机的构造也是学习通向神经网络和深度学习的一种重要思想。感知机可以有一个或者多个输入信号，输出一个信号。
clyfk·2022-11-19 02:34

周志华《机器学习》笔记（三）——第3章 线性模型

第3章线性模型1、线性回归2、逻辑回归（对数几率回归）3、线性判别分析（LDA）4、多分类学习5、类别不平衡线性模型是神经网络和深度学习的基础，原理比较简单，主要看书就行，重点是线性回归和对数几率回归这两节
不会写代码的牛马·2022-11-13 00:00

吴恩达神经网络和深度学习-学习笔记-9-mini-batch梯度下降法

mini-batch梯度下降法mini-batch梯度下降法的介绍但是当m是一个很大的数（比如500W），在对整个训练集执行梯度下降算法的时候，我们必须处理整个数据集，才能进行下一步梯度下降算法。然后我们需要重新处理500W个训练样本，才能进行下一步梯度下降算法。所以如果你在处理完整个500W个训练样本之前，先让梯度下降算法处理一部分，你的算法速度会更快。Inparticular,hereiswh
Harry嗷·2022-11-12 17:37

基于LSTM网络的语音特征信号分类技术研究-含Matlab代码

目录一、引言二、神经网络和深度学习三、实验结果分析四、参考文献五、Matlab代码获取一、引言随着机器学习与人工智能技术的飞速发展，语音识别在通信、智能家居、医疗、军事等方面逐渐得到了广泛运用。
matlab科研中心·2022-11-09 19:29

神经网络和深度学习简史

神经网络和深度学习简史深度学习掀起海啸如今，深度学习浪潮拍打计算机语言的海岸已有好几年，但是，2015年似乎才是这场海啸全力冲击自然语言处理（NLP）会议的一年。
weixin_30644369·2022-11-07 15:02

python要高数基础吗_搞机器学习需要数学基础吗？

也就是说，要想进军人工智能，机器学习务必学好，神经网络和深度学习则是机器学
weixin_39915367·2022-11-02 15:39

初识深度学习-吴恩达

1.欢迎神经网络和深度学习深度学习实践正则化诊断偏差算法结构化机器学习工程CNN卷积神经网络RNN循环神经网络模型LSTMNPL自然语言处理2.什么是神经网络房屋价格预测案例你只需要负责输入数据即可3layerstructureCNNRNN
王摇摆·2022-11-01 23:34

深度学习算法与深度神经网络_神经网络和深度学习简介

深度学习算法与深度神经网络IntroductiontoNeuralNetworks神经网络导论●Neuralnetworkisafunctionalunitofdeeplearning.●神经网络是深度学习的功能单元。●DeepLearningusesneuralnetworkstomimichumanbrainactivitytosolvecomplexdata-drivenproblems.●
羊牮·2022-10-26 17:06

【吴恩达课后测验】Course 1 - 神经网络和深度学习 - 第一周测验【中英】

【吴恩达课后测验】Course1-神经网络和深度学习-第一周测验【中英】第一周测验-深度学习简介和“AI是新电力”相类似的说法是什么？【 】AI为我们的家庭和办公室的个人设备供电，类似于电力。
weixin_30360497·2022-10-23 19:37

机器学习学习笔记(1) -- 简析入门

  机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科；机器学习是一种偏向于技术的方法，研究目的包括模式识别、神经网络和深度学习；机器学习理论主要是设计和分析一些让计算机可以自动
№一个达不刘·2022-10-22 07:44

神经网络和深度学习简史（三）：强化学习与递归神经网络

神经网络做决定神经网络运用于无监督学习的发现之旅结束后，让我们也快速了解一下它们如何被用于机器学习的第三个分支领域：强化学习。正规解释强化学习需要很多数学符号，不过，它也有一个很容易加以非正式描述的目标：学会做出好决定。给定一些理论代理（比如，一个小软件），让代理能够根据当前状态做出行动，每个采取行动会获得一些奖励，而且每个行动也意图最大化长期效用。因此，尽管监督学习确切告诉了学习算法它应该学习的
麦兜ppig·2022-10-13 07:28

吴恩达AI机器学习-01神经网络与深度学习week1-深度学习概述

AIisthenewelectricity像100多年前的电力一样，人工智能正在使大量的行业发生巨变；（✅）吴恩达深度学习课程课后习题（第一课第一周）_无止境x的博客-CSDN博客《吴恩达深度学习》01神经网络和深度学习
睡觉特早头发特多·2022-10-04 07:28

单层感知机实现与门，或门，与非门&双层感知机实现异或门(python)

感知机perceptron算法是FrankRosenblatt于1957年提出，它是神经网络和深度学习的起源算法。
doubleslow;·2022-09-20 07:53

神经网络和深度学习（二）-神经网络的编程基础

神经网络和深度学习（二）-神经网络的编程基础一、二分类(BinaryClassification)二、逻辑回归(LogisticRegression)三、逻辑回归的代价函数(LogisticRegressionCostFunction
997and·2022-09-14 07:54

【深度学习】吴恩达深度学习-Course1神经网络与深度学习-第三周浅层神经网络作业

视频链接：【中英字幕】吴恩达深度学习课程第一课—神经网络与深度学习本文题目来源：【中英】【吴恩达课后测验】Course1-神经网络和深度学习-第三周测验目录英文习题中文习题答案英文习题1.Whichofthefollowingaretrue
passer__jw767·2022-09-14 07:54

神经网络和深度学习-第2周 logistic-regression-as-a-neural-network

本博客停止更新，查看本文点击此处NoteThisismypersonalnoteatthe2ndweekafterstudyingthecourseneural-networks-deep-learningandthecopyrightbelongstodeeplearning.ai.01_logistic-regression-as-a-neural-network01_binary-class
SnailDove·2022-09-14 07:54

chainer-图像分类-整体结构设计

图像分类框架搭建二、数据集的准备1.数据集描述2.数据集准备三、基于chainer的图像分类框架构建1、导入主要的第三方库2、数据加载器3、模型构建4、模型训练5、模型预测三、训练预测代码总结图像的发展史及意义  在神经网络和深度学习领域
爱学习的广东仔·2022-09-10 07:09

神经网络和深度学习之——前馈神经网络

前面一章我们详细讲解了神经网络的组成，工作原理，信号在网络中如何流动，以及如何求解每一个输入信号赋予的权重等计算过程；同时我们还构建了一个逻辑回归网模型来解决鸢尾花分类问题，很明显，这种网络很“浅”，但它对于分类鸢尾花数据还是非常有效的，而且不仅仅是鸢尾花，对于有需要的其他二分类问题，该模型也能表现得很好。由于这种模型太“浅”了，我们一般称这种模型为bp网络，而不直接称为神经网络，有些人甚至觉得这
weixin_34024034·2022-09-08 07:38

吴恩达深度学习 1.3神经网络和深度学习-浅层神经网络

1.知识点：神经网络的表示：输入层、隐藏层、输出层(应该用上标表示神经网络的层，上面手写的不规范)的维度，以为例，应为（4,3），4为隐藏层神经元的个数，3为输入层神经元的个数。神经网络的梯度下降法参数：输入层元素个数：隐藏层神经元个数：输出层神经元个数：的维度应为（）,以实现W可以和i-1层神经元进行运算，并得到i层神经元个数。参数和中间变量的偏导数，吴恩达老师给出了公式。其推导过程和逻辑回归相
垚焱焱·2022-09-03 19:15

【神经网络和深度学习】笔记 - 第二章 反向传播算法

文章导读：1.一种基于矩阵运算快速计算神经网络输出的方法2.关于损失函数的两个假设3.Hadamard积-$s\odott$4.反向传播算法背后的四个基本方程5.四个方程的证明(选学)6.反向传播算法7.反向传播算法的代码实现8.反向传播为什么被认为是快速的算法？9.反向传播概貌上一章中我们遗留了一个问题，就是在神经网络的学习过程中，在更新参数的时候，如何去计算损失函数关于参数的梯度。这一章，我们
weixin_30697239·2022-09-03 07:17

【深度学习】吴恩达深度学习-Course1神经网络与深度学习-第四周深度神经网络的关键概念编程（下）——深度神经网络用于图像分类：应用

视频链接：【中英字幕】吴恩达深度学习课程第一课—神经网络与深度学习学习链接：【中文】【吴恩达课后编程作业】Course1-神经网络和深度学习-第四周作业(1&2)DeepN
passer__jw767·2022-08-24 15:13

【深度学习吴恩达】神经网络和深度学习--第三周课后测验及编程作业

测验题4.Youarebuildingabinaryclassifierforrecognizingcucumbers(y=1)vs.watermelons(y=0).Whichoneoftheseactivationfunctionswouldyourecommendusingfortheoutputlayer?(您正在构建一个识别黄瓜（y=1）与西瓜（y=0）的二元分类器。你会推荐哪一种激活函
早知晓·2022-08-24 15:43
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他