神经网络学习第2页

【深度学习】图像中的注意力机制简述和代码实现

参考链接神经网络学习小记录64——Pytorch图像处理中注意力机制的解析与代码详解【深度学习】(1)CNN中的注意力机制（SE、ECA、CBAM），附Pytorch完整代码手把手带你YOLOv5/v7

大龙唉·2023-11-02 21:37

神经网络中最常用的激活函数

从神经科学上来看，中央区酷似神经元的兴奋态，两侧区酷似神经元的抑制态，因而在神经网络学习方面，可以将重点特征推向中央区，将非重点特征推向

第七空城·2023-11-01 07:35

【深度学习-吴恩达】L1-4 深层神经网络作业

L1深度学习概论4深层神经网络作业链接：吴恩达《深度学习》-Heywhale.com0作业任务构建一个任意层数的深度神经网络实现构建深度神经网络所需的所有函数使用这些函数构建一个用于图像分类的深度神经网络学习目标

JackSerin·2023-10-29 16:29

计算成像论文速递 | ICCV 2023, Enhancing Non-line-of-sight Imaging via Learnable Inverse Kernel and Attention

EnhancingNon-line-of-sightImagingviaLearnableInverseKernelandAttentionMechanisms这篇文章提出了一个端到端的深度学习框架,通过在频域中学习可逆内核和注意力机制来提高神经网络学习

R.X. NLOS·2023-10-27 12:30

日记一

##关于递归神经网络：有文如是：递归神经网络学习信息编码权重，相当于优化一个编码方式，有自编码的意味，但对数据标记要求较高。每层码字长度相同，用根向量表示整个图或树。

Asukakaka·2023-10-24 10:58

神经网络与深度学习（三）：如何提升神经网络学习效果

一个高尔夫球手练习高尔夫球时会花绝大多数时间练习基本的挥杆动作。在基本的挥杆动作的基础上，逐渐的才会练习其他动作。相似的，目前为止我们一直专注在理解BP算法，它是我们的基础”挥杆”动作，学习神经网络的基础。这章中我会解释一些用来提升BP算法的技术，以提高神经网络的学习。本章介绍的技术包括：1，新的cost函数，cross-enropycost函数；2，regularization方法（L1regu

jony0917·2023-10-22 19:01

诡异错误笔记TypeError: An op outside of the function building code is being passed a "Graph" tensor.

再进行SimpleRNNCell循环神经网络学习过程中发现一个奇怪的bug，错误日志如下：File"C:\Users\Jame_Peng\AppData\Local\Programs\Python\Python37

Archer阿茶·2023-10-15 18:08

BP神经网络应用案例

目录背景介绍【神经网络符号说明】【建立网络拓扑结构】【神经网络学习步骤】步骤1准备输入和输出样本步骤2确定网络学习参数步骤3初始化网络权值W和阀值B步骤4计算网络第一层的输入和输出步骤5计算中间层（隐含层输入和输出

七七喝椰奶·2023-10-13 21:26

RBF神经网络案例——客户流失率预测

3、计算网络输出4、计算能量函数网络学习步骤步骤1、先将能量函数E写成各参数的复合函数结构步骤2、求E关于各参数的偏导步骤3、求各参数的调整量步骤4、计算各参数的调整量5、按照步骤1-步骤4编写RBF神经网络学习程序

七七喝椰奶·2023-10-13 21:55

【使用 TensorFlow 2】03/3 创建自定义损失函数

图1：实际应用中的梯度下降算法二、关于代价函数神经网络学习将训练数据中的一组输入映射到一组输出。它通过使用某种形式的优化算法来

无水先生·2023-10-13 00:40

【MATLAB】神经网络学习

NNTOOL神经网络学习函数神经网络传递函数神经网络学习函数learnp函数[默认][dW,LS]=leanrp(W,P,Z,N,A,T,E,gW,gA,D,LP,LS)dW为权值变化矩阵;LS为当前学习状态

燕山北·2023-10-07 23:09

12、理解与可视化卷积神经网络

目录12.1可视化卷积神经网络学习到的东西12.1.1可视化激活和第一层权重12.1.2找到对神经元有最大激活的图像12.1.3用t-SNE嵌入代码12.1.4遮挡部分图像12.1.5可视化数据梯度及其他文献

qxdx.org·2023-10-07 10:15

卷积神经网络学习（一）

CNN应用对象是图像，CNN可被应用于的任务：1、分类（classification）：对图像按其中的物体进行分类，如图像中有人与猫，则图像可分为两类。2、目标检测（objectdetection）：即分类+定位（localization），不光要进行物体分类，还要用方框标识出物体。3、语义分割（semanticsegmentation）：对图像的每个像素进行分类。是目标检测的更进一步，不光要进行

忧郁奔向冷的天·2023-10-01 11:08

小白入门pytorch(二)----神经网络

构建神经网络中的网络层全连接层2.卷积层3.池化层4.循环神经网络5.转置卷积层6.归一化层7.激活函数层三、数据加载与预处理1.数据加载2.数据预处理四、模型训练与验证1.模型训练2.模型验证总结前言本文主要记录深度学习中的神经网络学习内容

yzhua_777·2023-09-30 10:41

《论文阅读27》SuperGlue: Learning Feature Matching with Graph Neural Networks

LearningFeatureMatchingwithGraphNeuralNetworksCVPR2020veido论文code二、论文简述[参考][参考][参考]三、论文详述SuperGlue：使用图神经网络学习特征匹配本文介绍了

Darren_pty·2023-09-29 18:20

对BN的理解

为什么对输入数据做BN，原因在于神经网络学习过程本质上是为了学习数据的分布。

cjhfhb·2023-09-28 14:19

深度学习卷积神经网络学习小结2

简介经过大约两周左右的学习，对深度学习有了一个初步的了解，最近的任务主要是精读深度学习方向的文献，由于搭建caffe平台失败而且比较耗费时间就没有再尝试，所以并没有做实践方面的工作，本文只介绍了阅读文献学到的知识，主要包括深度学习发展的过程意义和四种常见的种网络模型（卷积神经网络，深度信念网络，循环神经网络，堆叠自编码网络），重点精读了卷积神经网络的实现过程。发展过程第一代神经网络（1958~19

凌峰的博客·2023-09-26 05:21

Python深度学习入门 - - 卷积神经网络学习笔记

文章目录一、卷积神经网络简介二、卷积神经网络的数学原理1、卷积层2、池化层3、感受野三、Python实战卷积神经网络1、LetNet-5网络2、Resnet残差网络3、VGGNet迁移学习总结一、卷积神经网络简介卷积神经网络（ConvolutionalNeuralNetworks，简称CNN）是一种具有局部连接、权值共享等特点的深层前馈神经网络（FeedforwardNeuralNetworks）

szu_ljm·2023-09-25 20:26

Python深度学习入门 - - 人工神经网络学习笔记

文章目录前言一、神经网络原理1、输入层2、全连接层3、激活函数4、损失函数5、前向传播6、反向传播二、Python实战神经网络1.权重初始化技巧2.梯度问题技巧3.模型泛化技巧总结前言如果说机器学习是人工智能的皇冠，深度学习就是这顶皇冠上的明珠，深度学习的出现为人工智能领域的发展拉开了新的序幕。与常见的机器学习模型不同的是，深度学习的数据量更大，特征参数更多，但更重要的是深度学习不需要人为准备特征

szu_ljm·2023-09-25 20:55

Bubbliiiing版本yolov7 c++opencv dnn部署

yolov7代码部署，代码地址：https://github.com/bubbliiiing/yolov7-pytorch模型的的训练看B导即可，up主地址：Bubbliiiing的博客_CSDN博客-神经网络学习小记录

河海CV小菜鸡·2023-09-22 15:36

神经网络学习小记录75——Keras设置随机种子Seed来保证训练结果唯一

神经网络学习小记录75——Keras设置随机种子Seed来保证训练结果唯一学习前言为什么每次训练结果不同什么是随机种子训练中设置随机种子学习前言好多同学每次训练结果不同，最大的指标可能会差到3-4%这样

Bubbliiiing·2023-09-17 00:13

迁移学习和多任务学习

例如，你已经训练好一个能够识别猫的图像的神经网络，然后使用从这个神经网络学习得到的知识，或者部分习得的知识去帮助您更好地阅读x射线扫描图，这就是所谓的迁移学习。那么迁移学习什么时候是有意义的呢？

Luo_LA·2023-09-16 09:02

【shusen wang】【笔记】深度强化学习(2/5)：价值学习

这里用神经网络学习近似得到一个Q*。（感性认识：Q*如果看作给所有动作打分的话，神经网络就要学习打分如何打的越来越准）3，TDlearning（TemporDifference）-

Dxton·2023-09-14 08:29

深度学习中Batch Normalization和Layer Normalization区别

神经网络学习过程的本质就是为了学习数据分布，如果我们没有做归一化处理，那么每一批次训练数据的分布不一样，从大的方向上看，神经网络则需要在这多个分布中找到平衡点，从小的方向上看，由于每层网络输入数据分布在不断变化

#苦行僧·2023-09-12 16:54

【动手学深度学习】--循环神经网络

困惑度2.RNN从零开始实现2.1读取数据集2.2独热编码2.3初始化模型参数2.4循环神经网络模型2.5预测2.6梯度裁剪2.7训练3.RNN简洁实现3.1读取数据集3.2定义模型3.3训练与预测循环神经网络学习视频

小d<>·2023-09-10 06:04

神经网络学习—误差逆传播算法

神经网络是具有自适应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经系统对真实世界物体所作出的交互。在生物神经网络中，每个神经元与其他神经元相连，当它“兴奋”时，就会向相连的神经元发送化学物质，从而改变这种神经元内的电位；如果某种神经元的电位超过了一个“阈值”，那么它就会被激活，即“兴奋”起来，像其他神经元发送化学物质。生物神经网络模型将上述情形抽象为简单的数学模型，就是“M-P神经

epsilon_alpha·2023-09-04 16:24

让孩子更聪明，深度学习为儿童的智力发展提供了一种新的方式

这种气味教学法是一种新的学习方法，它是一种深度神经网络学习方式，深度学习正在改变我们思考学习的方式，他们的一些技巧与心理学家多年来所描述的并没有什么不同。

心理学说·2023-09-04 10:33

pytorch模块和基础实践

2.1神经网络学习机制数据预处理模型设计损失函数和优化方案设计前向传播反向传播更新参数2.2深度学习特殊性样本量很大，需要batch加载模块化搭建网络多样化损失函数和优化器设计GPU的使用：并行计算2.3

fof920·2023-09-04 02:18

[论文笔记]SiameseNet

论文标题意思是利用孪生循环神经网络学习文本相似性。什么是孪生神经网络呢？

愤怒的可乐·2023-09-03 23:40

神经网络--丢弃法（Dropout）

丢弃法（Dropout）是深度学习中一种常用的抑制过拟合的方法，其做法是在神经网络学习过程中，随机删除一部分神经元。训练时，随机选出一部分神经元，将其输出设置为0，这些神经元将不对外传递信号。

风轻云淡_Cauchy·2023-09-03 01:35

【人工智能】—_神经网络、M-P_神经元模型、激活函数、神经网络结构、学习网络参数、代价定义、总代价

激活函数、神经网络结构、学习网络参数、代价定义文章目录M-P_神经元模型、激活函数、神经网络结构、学习网络参数、代价定义M-P神经元模型激活函数(Activationfunction)神经网络结构举例训练神经网络学习网络参数代价定义均方误差交叉熵

Runjavago·2023-09-02 11:08

深度神经网络+聚类的概述

深度聚类利用深度神经网络学习适用于聚类的表示，已广泛应用于各种聚类任务。然而，现有研究主要集中在单视图领域和网络架构上，忽略了聚类的复杂应用场景。

风度78·2023-09-02 07:46

视觉注意力收集

参考博文：神经网络学习小记录64——Pytorch图像处理中注意力机制的解析与代码详解_pynq注意力机制_Bubbliiiing的博客-CSDN博客【计算机视觉】详解自注意力：Non-local模块与

Scabbards_·2023-08-30 09:35

【模型复现】孪生神经网络模型 Siamese-Networks 快速复现

关键词：孪生神经网络学习、卷积

极链AI云·2023-08-29 00:10

图神经网络学习

入门目的：训练一个图模型，使得该图模型可以区分图上的黄色节点和绿色节点。特征作为图的节点，颜色就是图的分类。图的度的概念：与节点相连的条数。邻接表记录的是后续邻居的信息；在新闻推荐中，节点是用户和新闻，用户会有一些特征，新闻也会有一些特征。边也会有自己的特征，比如用户阅读新闻的阅读时长、点击频率等；图游走类模型学习资料：pyg-team/pytorch_geometric:GraphNeuralN

小小白2333·2023-08-22 20:28

Numpy中的stack，轴，广播以及CNN介绍

在[神经网络学习之Ndarray对象和CNN入门](https://mp.weixin.qq.com/s?

无情剑客Burning·2023-08-21 01:19

如何通过 Keras 中的活动正则化减少泛化误差

活动正则化提供了一种鼓励神经网络学习原始观察的稀疏特征或内部表示的方法。

TYboy123·2023-08-17 22:16

深度学习神经网络学习笔记-多模态方向-12-DBpedia: A Nucleus for a Web of Open Data

摘要DBpedia是一个社区努力从维基百科中提取结构化信息，并使这些信息在网络上可用。DBpedia允许您对来自维基百科的数据集提出复杂的查询，并将网络上的其他数据集链接到维基百科数据。我们描述了DBpedia数据集的提取，以及产生的信息如何在网络上发布，供人类和机器消费。我们描述了来自DBpedia社区的一些新兴应用，并展示了网站作者如何在他们的网站内促进DBpedia内容的发展。最后，我们介绍

丰。。·2023-08-16 04:06

深度学习神经网络学习笔记-多模态方向-11-Deep Voice: Real-time Neural Text-to-Speech

摘要本文提出DeepVoice，一种完全由深度神经网络构建的生产质量文本到语音系统。DeepVoice为真正的端到端神经语音合成奠定了基础。该系统由五个主要的构建模块组成:用于定位音素边界的分割模型、字素到音素的转换模型、音素时长预测模型、基频预测模型和音频合成模型。对于分割模型，我们提出了一种使用连接时序分类(CTC)损失的深度神经网络执行音素边界检测的新方法。对于音频合成模型，我们实现了Wav

丰。。·2023-08-16 04:36

深度学习神经网络学习笔记-自然语言处理方向-论文研读-情感分析/文本分类-textcnn

本文目录概念引入摘要大意TextCNN模型的结构正则化手段该模型的超参数研究成果概念引入逻辑回归线性回归时间序列分析神经网络self-attention与softmax的推导word2evcglove摘要大意在使用简单的CNN模型在预训练词向量的基础上进行微调就可以在文本分类任务上就能得到很好的结果。通过对词向量进行微调而获得的任务指向的词向量就能得到更好的结果。同时也提出了一种即使用静态预训练词

丰。。·2023-08-16 04:05

Python可视化神经网络常见的激活函数

1引言所谓激活函数,就是在人工神经网络的神经元上运行的函数,主要负责将神经元的输入映射到输出端.在神经网络中,激活函数是神经元的一部分,在输入和输出信号之间的正向传播中引入了非线性,可以帮助神经网络学习到数据中的复杂模式

赵卓不凡·2023-08-14 15:19

《深度学习与图像分析——基础与应用》书籍阅读

训练集：训练模型测试集：测试模型的泛化能力验证集：验证模型是否过拟合数据增强的常用方法：●翻折（类似于镜面的翻折）；●旋转●缩放●裁剪●平移●添加噪声神经网络学习的目的就是为了找出能使得

小南/南儿·2023-08-13 13:01

DIP:《Deep Image Prior》经典文献阅读总结与实现

研究动机1.2方法2.实验验证2.1去噪2.2超分辨率2.3图像修复2.4消融实验3.总结DeepImagePrior1.方法原理1.1研究动机动机深度神经网络在图像复原和生成领域有非常好的表现一般归功于神经网络学习到了图像的先验信息网络结构本身是否具有先验信息呢

留小星·2023-08-12 12:34

如何理解神经网络学习到的是训练数据的分布？

什么是训练数据的分布呢？通俗一点来说，就是给你的这一大批训练数据，他总体是个什么样的、平均水平在哪里、最好的有多好、最差的有多差、每个个体离着这个平均水平分别能强多少、能弱多少、个体水平波动情况如何。。。。。训练的目的就是让模型摸清这一批数据数据的情况，其他没见多的数据就是新知识。那如何把训练的数据的知识，用到测试集的新知识中呢？只要保证新知识和学过的知识是同一回事（个体之间独立且同分布），那模型

怀逸%·2023-08-10 05:11

Pytorch深度学习之余弦退火学习率设置

余弦退火学习速率调度是改进深度神经网络学习过程的常用方法。当深度神经网络在大型数据集上训练时，它尤其有用，因为在大型数据集中，学习过程可能会陷入局部极小值。

cnjs1994·2023-08-09 08:08

CNN卷积神经网络学习笔记（特征提取）

一、CNN卷积神经网络可以干的事情：检测任务分类和检索：超分辨率重构：字体识别、人脸识别、医学任务、自动驾驶任务等总结：特征提取相关二、卷积神经网络的整体架构：（1）输入层H*W*C的三维数据（2）卷积层（提取特征）权重参数矩阵filterW当前区域数据：将输入数据划分成小区域，对每个区域进行特征提取滑动窗口步长：卷积核尺寸：H*W，一般是3*3边缘填充：边缘的点被提取次数少，所以给边界paddi

sinounuo·2023-08-08 17:29

MATLAB——感知神经网络学习程序

学习目标：从学习第一个最简单的神经网络案例开启学习之路感知器神经网络用于点的分类clearall;closeall;P=[0011;0101];%输入向量T=[0111];%目标向量net=newp(minmax(P),1,'hardlim','learnp');%建立感知器神经网络net=train(net,P,T);%对网络进行训练Y=sim(net,P);%对网络进行仿真plotpv(P,T

程高兴·2023-08-07 09:14

离散 Hopfield 神经网络的分类与matlab实现

1案例背景1.1离散Hopfield神经网络学习规则离散型Hopfield神经网络的结构、工作方式,稳定性等问题在第9章中已经进行了详细的介绍,此处不再赘述。

配电网和matlab·2023-08-04 10:05

【机器学习】西瓜书学习心得及课后习题参考答案—第5章神经网络

5.3误差逆传播算法——BP算法，迄今最成功的神经网络学习算法。算法如下（公式参考西瓜书）停止条件与缓解BP过拟合的策略有关，一种策略是“早停”，一种是“正则化”。

一个甜甜的大橙子·2023-08-03 17:32

归一化有什么好处？

神经网络学习过程本质就是为了学习数据分布，一旦训练数据与测试数据的分布不同，那么网络的泛化能力也大大降低；另外一方面，一旦每批训练数据的分布各不相同(batch梯度下降)，那么网络就要在每次迭代都去学习适应不同的分布

壹晴天·2023-07-30 21:34

推荐频道

神经网络学习