神经网络学习

神经网络的学习（训练）：损失函数（均方误差、交叉熵误差）

1神经网络学习（训练）步骤：初始化权值和偏置参数——1从总训练集抽取一批数据——2前向传播计算损失、反向传播由损失计算各参数的梯度——3利用梯度更新参数——4重复1、2、32神经网络：端对端的机器学习（
菜鸟爱学习@chong·2022-11-25 10:31

【神经网络学习篇】tensorflow实现cifar10识别（RNN lstm）

1.LongShortTermMemorynetworks简称LSTMs，是一种特殊的RNN网络。LSTM被明确地设计为避免长期依赖性问题。长时间记住信息实际上是它们的默认行为，而不是它们努力学习的东西。标准RNN中的重复模块包含一个单层。LSTM也有这种链状结构，但重复模块有不同的结构，它有四个神经网络层，以一种特殊的方式进行交互。LSTM中的重复模块包含四个交互层。图片来自：https://m
lesl551·2022-11-25 05:56

深入浅出图神经网络学习笔记（2）神经网络基础

神经网络基础一、机器学习基本概念1.机器学习流程概述1数学模型2损失函数3梯度下降算法二、神经网络1神经元2多层感知机3训练神经网络总结一、机器学习基本概念随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。1.机器学习流程概述提取特征——建立模型——确定损失函数进行优化求解模型可以看做一个复杂的函数f(X;W),建立输入到输出之间的映
小杜今天学AI了吗·2022-11-24 18:06

深入浅出图神经网络学习笔记（4）表示学习

表示学习一、离散表示与分布表示二、端到端学习三、基于重构损失的方法——自编码器四、基于基于对比损失的方法—Word2vec自动地从数据中去学习“有用”的特征，并可以直接用于后续的具体任务———称为表示学习一、离散表示与分布表示独热向量编码（one-hot），它将研究的对象表示为向量，这个向量只在某个维度上值是1，其余维度上值全为0，可以想象有多少种类型，这个向量的长度就有多长。比如要用这种方式去将
小杜今天学AI了吗·2022-11-24 18:36

图像中的注意力机制 Pytorch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_Bubbliiiing的博客-CSDN博客_pytorch图像自注意力机制图像处理注意力机制Attention汇总
whetherfailbuttry·2022-11-24 05:53

注意力机制（Attention Mechanism）-ECANet

在神经网络学习中，一般而言模型的参数越多则模型的表达能力越强，模型所存储的信息量也越大，但这会带来信息过载的问题。
车手文·2022-11-24 04:12

Python神经网络入门与实战,python实现人工神经网络

如何用9行Python代码编写一个简易神经网络学习人工智能时，我给自己定了一个目标－－用Python写一个简单的神经网络。为了确保真得理解它，我要求自己不使用任何神经网络库，从头写起。
普通网友·2022-11-24 00:18

python实现简单的神经网络,python实现神经网络算法

如何用9行Python代码编写一个简易神经网络学习人工智能时，我给自己定了一个目标－－用Python写一个简单的神经网络。为了确保真得理解它，我要求自己不使用任何神经网络库，从头写起。
普通网友·2022-11-23 19:05

python神经网络编程 代码,python神经网络编程 豆瓣

如何用9行Python代码编写一个简易神经网络学习人工智能时，我给自己定了一个目标－－用Python写一个简单的神经网络。为了确保真得理解它，我要求自己不使用任何神经网络库，从头写起。
普通网友·2022-11-23 19:04

python神经网络实际应用_7个实战项目带你应用神经网络

文章主要整理了7个神经网络的实战项目，相信对神经网络学习者会有所帮助。
尹昉·2022-11-23 19:04

卷积神经网络学习

案例一——简单的黑白边界检测importmatplotlib.pyplotaspltimportnumpyasnpimportpaddlefrompaddle.nnimportConv2Dfrompaddle.nn.initializerimportAssignw=np.array([1,0,-1],dtype='float32')w=w.reshape([1,1,1,3])conv=Conv2D
咕噜qqq·2022-11-23 16:33

4 图神经网络—— 基本概念与手写code

文章目录1基本概念1.1图神经网络中的基本元素1.2图神经网络学习的流程1.2.1图神经网络与随机游走的区别1.2.2图神经网络的输入1.2.3图神经网络的更新1.2.3.1直观印象1.2.3.2理解1.2.3.1
EntropyPlus·2022-11-23 08:04

神经网络学习（一）-- 框架建立

神经网络学习（一）--框架建立文章目录神经网络学习（一）--框架建立前言一、神经网络的定义神经网络的优点：二、使用步骤1.引入库2.读入数据总结前言这里只记录一些基本概念，并保存系列文章的导航栏最近工作中开始需要神经网络
尾生爱柱子·2022-11-23 07:03

DAY2--RNN神经网络学习笔记

全连接神经网络和卷积神经网络，他们都只能单独的取处理一个个的输入，前一个输入和后一个输入是完全没有关系的。但是，某些任务需要能够更好的处理序列的信息，即前面的输入和后面的输入是有关系的。比如，当我们在理解一句话意思时，孤立的理解这句话的每个词是不够的，我们需要处理这些词连接起来的整个序列；当我们处理视频的时候，我们也不能只单独的去分析每一帧，而要分析这些帧连接起来的整个序列。这时，就需要用到深度学
终极香蕉大菠萝·2022-11-23 06:59

自然语言处理(NLP)-模型常用技巧：Normalization【Batch Norm、Layer Norm】

一方面，神经网络学习过程本质就是为了学习数据特征以及数据的分布特征，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
u013250861·2022-11-23 05:21

神经网络学习笔记6——初学AI绘画中的GAN与Diffusion

系列文章目录文章目录系列文章目录AI绘画GAN前言一、生成网络与判别网络的协同进化1、生成器与判别器的学习趋向2、部分算法理念Diffusion前言一、Diffusion前向过程二、Diffusion反向过程AI绘画AI绘画，目前AI领域里最有话题性的技术，上一个这么火的话题是swintransformer网络，而2022年8月JasonAllen凭借AI绘画作品《太空歌剧院》拿下科罗拉多州博览会
RanceGru·2022-11-23 05:49

神经网络学习笔记5——Swin-Transformer网络

系列文章目录神经网络学习笔记1——ResNet残差网络、BatchNormalization理解与代码神经网络学习笔记2——VGGNet神经网络结构与感受野理解与代码参考博客1参考博客2文章目录系列文章目录前言一
RanceGru·2022-11-23 05:18

Datawhale组队学习-图神经网络（三）

学习MLP神经网络的理论，观察MLP神经网络用于节点分类的表现，观察基于MLP神经网络学习到的节点表征的分布。
阿_边·2022-11-22 22:43

神经网络学习笔记

最近在学习一门深度学习与机器视觉的专业课，感觉自己的深度学习的基础很是不牢固，所以打算从最简单的神经网络整理一下知识在B站发现了一个神经网络可视化的视频，很nice，推荐给大家神经网络可视化这篇文章很是实用《深度学习》课程总结-深度学习的实用层面在这里记录一下有关epoch、iteration、batch_size的概念batchsize：批大小。在深度学习中，一般采用SGD训练，即每次训练在训练
努力学习DePeng·2022-11-22 22:41

TensorFlow神经网络学习笔记

张量（tensor）就是多维数组阶代表张量的维数维数阶名字0-D0标量scalar1-D1向量vector2-D2矩阵matrixn-Dn张量tensor张量可以表示0阶到n阶的数组（列表）数据类型tf.int,tf.float…tf.int32,tf.float32,tf.float64tf.booltf.constant([True,False])tf.stringtf.constant(“H
qq_35578807·2022-11-22 21:29

神经网络学习笔记（一）感知器神经网络

感知器神经网络作用：用于简单的模式分类问题。原理：将R个输入变量Pi赋予不同权值后相加，并加入偏差。网络传递函数：阈值函数hardlim。感知器学习规则：输入输入样本Pi，期望目标Ti，将期望目标与训练时产生的输出目标进行比较。获得网络误差，然后应用学习规则对网络权值和偏差进行调整，是训练后输出接近于正确目标。感知器学习算法：P为输入，T为期望输出，训练时实际输出为a，训练目的为尽可能减小误差E=
萌面小丸子·2022-11-22 15:55

神经网络学习问题

神经网络学习问题1.神经网络为什么要使用激活函数，而且激活函数不能使用线性函数？如果不使用用激活函数，无论神经网络有多少层，输出都是输入的线性组合，这种情况就是最原始的感知机（f(x)=wx+b）。
愿做春风·2022-11-22 12:17

PyTorch的各个组件和实战

学习目标：pytorch的各个组件和实战学习时间：截止时间：2022-09-173:00随堂笔记：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、更新参数完成一项机器学习任务的基本步骤
Actual_parameter·2022-11-22 02:27

【Datawhale深入浅出Pytorch】Task02 PyTorch的各个组件和实战

thorough-pytorch/index.html【B站视频】https://www.bilibili.com/video/BV1L44y1472Z时间原因还没能完整跟着代码实操，看了教程，有很大收获，对Pytorch和神经网络学习机制有了初步的框架性的了解
听小瑜·2022-11-22 02:51

深度学习与医学成像

2、第二种是直接重构，即直接利用神经网络学习投影数据到重构图像之间的映射，该方法可以充分利用到投影数据，该方法往往需要利用全连接层来
姜呆·2022-11-22 01:51

深度学习第五讲——卷积神经网络（CNN）学习笔记

卷积神经网络学习笔记一、深度学习概述深度学习是机器学习的一种基于对数据进行表征学习的方法，但深度学习的基础是神经网络，对更为复杂的模型进行分析，从而使模型对数据的理解更加深入。
絶え間な·2022-11-22 01:38

CIKM2019|Fi-GNN图神经网络学习特征交互在CTR预估中的应用(已开源)

Fi-GNN:ModelingFeatureInteractionsviaGraphNeuralNetworksforCTRPredictionZekunLi,ZeyuCui,ShuWu,XiaoyuZhang,LiangWangUniversityofChineseAcademyofScienceshttp://cn.arxiv.org/pdf/1910.05552.pdfctr预估在web应用
frank_hetest·2022-11-22 00:03

Python 神经网络编程之学习笔记——第一个完美的神经网络学习程序，学习识别手写数据

这是我学习python神经网络编程的一个程序汇总，里面将学习过程的一些代码进行了备注，该程序不备注部分的代码是一个比较完美的神经网络学习代码，用于学习识别手写数据，我运行该程序花费了大约3个小时的时间，
诺图小八·2022-11-21 22:46

Python神经网络学习(五)--机器学习--简单的神经网络

前言抱歉时隔这么久再讲神经网络的内容，希望大家还没忘记第二期的内容：分类器是什么东西？https://blog.csdn.net/qq_38431572/article/details/117199679https://blog.csdn.net/qq_38431572/article/details/117199679第二期讲的是分类器，而上一期（第四期）的线性回归讲的是预测器，如果大家把概念搞
ChuckieZhu·2022-11-21 22:09

2022.10.23 第5次周报

卷积神经网络各种层的作用输入层（InputLayer）卷积层（ConvolutionalLayer）激活层（ActivationLayer）池化层（PoolingLayer）问题分析总结摘要由于上周卷积神经网络学习的不够深入
轻描淡写ζ·2022-11-21 16:41

2022.10.30 第6次周报

目录摘要卷积神经网络学习卷积池化完全连接层小节阅读文献主要内容NLP神经结构UnifiedAttention模型RNNsearch的体系结构注意力模型分类Self-Attention模型存在的问题总结总结摘要在这周
轻描淡写ζ·2022-11-21 16:41

神经网络学习(三)——BP神经网络算法

前面学习了感知器和自适应线性神经网络。下面介绍经典的三层神经网络结构，其中每个神经元的激活函数采用Sigmoid。PS：不同的应用场景，神经网络的结构要有针对性的设计，这里仅仅是为了推导算法和计算方便才采用这个简单的结构。训练步骤：1.正向传播2.反向传播(BP)3.一次正反向传播为一次训练，迭代。BP算法计算方法：参数初始化：正向传播：隐藏层到输出层：反向传播：1.计算误差(欧几里得距离)：2.
Serious_Lee·2022-11-21 11:58

神经网络学习小记录3——利用tensorflow构建长短时记忆网络（LSTM）

神经网络学习小记录3——利用tensorflow构建长短时记忆网络（LSTM）学习前言LSTM简介1、RNN的梯度消失问题2、LSTM的结构3、LSTM独特的门结构tensorflow中LSTM的相关函数
Bubbliiiing·2022-11-21 10:13

逆势而上的技术：图神经网络学习来了！

要问这几年一直在逆势而上的技术有哪些？你一定不会忽略它——图神经网络。相比传统神经网络，图神经网络的优势非常明显：1、非顺序排序的特征学习：GNN的输出不以节点的输入顺序为转移的。2、两个节点之间依赖关系的学习：传统的神经网络中，这种依赖关系只能通过节点的特征来体现。3、推理能力：GNN能够从非结构化数据（例如:场景图片、故事片段等）中生成推理图。因此，图神经网络在生物学、地图、金融、搜索、推荐、
「已注销」·2022-11-21 05:50

图神经网络（PGL）7日打卡营学习心得

百度图神经网络学习地址：https://aistudio.baidu.com/aistudio/education/group/info/1956PGL算法地址：https://github.com/PaddlePaddle
cgq081616·2022-11-21 05:47

mofanpy-Pytorch神经网络学习笔记（二）：建造第一个神经网络

Pytorch官网：https://pytorch.org/建造第一个神经网络目录建造第一个神经网络1关系拟合(回归)（1）建立数据集（2）建立神经网络（3）训练网络（4）可视化训练过程（5）完整代码2区分类型(分类)（1）建立数据集（2）建立神经网络（3）训练网络（4）可视化训练过程（5）完整代码3快速搭建法4保存提取（1）保存（2）提取网络（3）提取网络参数（4）显示结果5批训练6加速神经网络
知之之之·2022-11-21 02:25

卷积神经网络学习

一.简单黑白边界检测代码importmatplotlib.pyplotaspltimportnumpyasnpimportpaddlefrompaddle.nnimportConv2Dfrompaddle.nn.initializerimportAssign%matplotlibinlinew=np.array([0,-2,2],dtype='float32')w=w.reshape([1,1,1
NGC2371.·2022-11-20 23:39

GNN图神经网络学习【记录】

视频讲解链接-李沐B站教程：GNN从入门到精通https://www.bilibili.com/video/BV1K5411H7EQ/?vd_source=d4df260b1907b7a2424f450d404e1eba博客链接：https://distill.pub/2021/gnn-intro/笔记链接：https://www.bilibili.com/h5/note-app/view?cvi
Ray Song·2022-11-20 22:09

10种基于MATLAB的方程组求解方法

线性方程组的求解包括直接法和迭代法，其中迭代法包括传统的高斯消元法，最速下降法，牛顿法，雅克比迭代法，共轭梯度法，以及智能启发式算法求解法和神经网络学习算法，传统算法可以相互组合改进，智能仿生启发式算法包括粒子群算法
神经网络机器学习智能算法画图绘图·2022-11-20 21:07

西瓜书 神经网络学习笔记

5.1神经元模型神经网络是由具有适应性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所做出的交互反应，其基本成分为神经元（neuron）模型M-P神经元模型即神经元接收来自n个其他神经元传递过来的输入信号，这些输入信号通过带权重的连接进行传递，神经元将接收到的总输入值与神经元的阈值进行比较，然后通过“激活函数”处理以产生神经元的输出。实际中，常常使用sigmoid函数作为
想个名字真的难·2022-11-20 21:29

Tensorflow使用BN层，包括卷积,BN,Relu的融合使用（详细）

原因在于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
阁仔·2022-11-20 17:08

吴恩达ML WEEK6 练习三（神经网络）+神经网络学习

吴恩达机器学习第六周0总结1练习三：神经网络1.1前向传播和预测2神经网络学习2.1代价函数2.2反向传播算法2.3理解反向传播2.4展开参数（将矩阵展开成向量）2.5梯度检验2.6随机初始化2.7综合
没有bug的一天·2022-11-20 06:48

keras、tensorflow安装详解-神经网络第一个脚本

三、代码运行人工智能神经网络学习离不开keras、tensorflow这几个包的支持。所以如何运用好keras、tensorflow是实现计算机深度学习的关键了。一、基本概念Keras
业里村牛欢喜·2022-11-20 05:08

神经网络学习

1、人工神经元结构2、激励函数2.1阈值型函数阶跃函数（用于感知器）符号函数2.2饱和型函数2.3双曲正切函数2.4S型函数（BP神经网络）2.5高斯函数（REF函数）3、神经网络结构3.1前馈型网络单向多层结构，每一层包含若干个神经元，同一层的神经元之间没有互相连接，层间信息的传递只沿一个方向进行。典型的前馈：感知器网络、BP、RBF前馈是监督学习3.2反馈型网络无监督学习典型的反馈网络：hop
狂奔的菜驰·2022-11-20 04:01

目标检测制作数据集时画框的原则

深度神经网络学习这些标注数据的特征，最终实现自主识别的功能。下面介绍几个目标检测中的标注通用规则：1、贴边规则：标注框需紧贴目标物体的边缘进行画框标注，不可框小或框大。
伏 念·2022-11-20 04:49

YOLO多线程多模型运行模式的实施

Darknet深度神经网络学习框架具有小巧、快速的特点，由于采用c++进行编写，非常容易改为多线程执行，而用于检测、分类等任务。
ccc123_ok·2022-11-19 23:47

机器学习——神经网络学习笔记

一、神经网络的兴起1、神经网络的发展史很早之前就听过神经网络这个名词，感觉很神秘、很强大，但是具体是做什么的，怎么用，一无所知。其实，最初产生的是神经元模型MP，即一个具有输入、输出和计算功能的细胞单元：Z=g(a1*w1+a2*w2+a3*w3)。此时，w1、w2、w3都是固定的。后来，产生了含有两层神经元（输入层、输出层）的感知器，具备了识别简单图像的能力，这也是最初的神经网络的样子。与神经元
snowmanst·2022-11-19 23:54

cs224w 图神经网络学习笔记 3-1

cs224w3-1Nodeembedding引入我们输入一张图，对图按不同的层级做特征工程，之后进行算法训练，完成预测；我们大部分的时间都花在了特征工程上面，我们都在想一种能够更简单更简洁表达图的特征的方法？我们能使特征工程这一步自动化吗？我们将自动学习图上面的特征的一些方法成为FeatureRepresentationLearning或嵌入Embedding；我们的任务是，将节点映射到embed
XWF小弟·2022-11-19 19:58

cs224W 图神经网络学习笔记 1-2

cs224w1-2ApplicationofGraphMLDifferentTypeofTask传统的图机器学习任务有四种:①节点级别②边级别③子图级别④图级别（如图级别预测或生成图）各个级别对应的任务：1.NodeLevel–Classification：节点分类（用户分类、项目分类）例子：蛋白质氨基酸序列，3D折叠形状复杂；给定氨基酸序列，能否预测蛋白质的3D折叠形状？AIphaFold提升了
XWF小弟·2022-11-19 19:28

cs224W 图神经网络学习笔记 1-3

cs224w1-3ChoiceofGraphRepresentation1.图的组成与建立N节点；E边；G图；图是解决问题时的一种通用语言，但为问题选择一种表示方法是一个困难的问题如何构建图去解决问题是我们的重点2.有向图、无向图和二部图Degree：节点连接的边的数量，中文称之为度Avg.Degree：所有节点的度的平均（2E的原因是每条边都被计算了两次）InDegree:出度OutDegree
XWF小弟·2022-11-19 19:28
上一页 4 5 6 7 8 9 10 11 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他