轻量化神经网络第28页

学习笔记-李沐动手学深度学习（二）（08-09、线性回归、优化算法、梯度下降、Softmax回归、损失函数、图片分类）

结尾的方法，好像是原位替换（即原地修改，就地修改变量）如fill_()感恩的心：（沐神的直播环境）08-线性回归+基础优化算法引言（如何在美国买房）根据现在行情预测房价线性回归（简化模型）、线性模型、神经网络

kgbkqLjm·2024-01-26 17:59

学习笔记-李沐动手学深度学习（三）（10-11，隐藏层、多层感知机、激活函数、模型超参数选择、欠过拟合）

总结多体会（宏观、哲学）【深度学习的核心】首先是要模型足够大，在此基础上通过各种手段来控制模型容量，使得最终得到较小的泛化误差【一般深度学习特指神经网络这一块】【学习的核心是要学习本质上不变的那些核心思想

kgbkqLjm·2024-01-26 17:28

(SPP-Net)CNN处理图片时resize图片尺寸的问题小结

2015年发表在IEEE上的论文-《SpatialPyramidPoolinginDeepConvolutionalNetworksforVisualRecognition》.在SPP诞生之前，所有的神经网络都

kgbkqLjm·2024-01-26 17:57

数字孪生系统的第三方算法库

它可以在数字孪生系统中用于实现机器学习和神经网络

super_Dev_OP·2024-01-26 17:15

自然语言处理-针对序列级和词元级应用微调BERT

针对序列级和词元级应用微调BERT我们为自然语言处理应用设计了不同的模型，例如基于循环神经网络、卷积神经网络、注意力和多层感知机。

白云如幻·2024-01-26 15:15

AlexNet(深度学习模型)详解

AlexNet是一种深度卷积神经网络，由AlexKrizhevsky、IlyaSutskever和GeoffreyHinton于2012年在ImageNet图像分类竞赛中首次引入。

GeekyGuru·2024-01-26 13:02

神经网络：怎么解决网络不工作

神经网络已经持续训练了12个小时。它看起来很好：梯度在变化，损失也在下降。但是预测结果出来了：全部都是零值，全部都是背景，什么也检测不到。我质问我的计算机：「我做错了什么？」，它却无法回答。

nightwish夜愿·2024-01-26 13:20

#算法#如何手撸自己的模型，培养思维看这一篇就够了！

以下是一般的步骤：选择模型架构：根据任务的性质和数据的特点，选择适当的模型架构，例如选择使用卷积神经网络（CNN）、循环神经网络（RNN）、自注意力机制（Transformer）等。

向日葵花籽儿·2024-01-26 11:52

Course1神经网络和深度学习编程作业

第三周-带有一个隐藏层的平面数据分类建立一个神经网络，带有一个隐藏层。用到的知识：构建具有单隐藏层的2类分类神经网络。使用具有非线性激活功能激活函数，例如tanh。计算交叉熵损失（损失函数）。

毛十三_·2024-01-26 11:03

Apache Pulsar 社区周报｜09-05 ~ 09-11

关于ApachePulsarApachePulsar是Apache软件基金会顶级项目，是下一代云原生分布式消息流平台，集消息、存储、轻量化函数式计算为一体，采用计算与存储分离架构设计，支持多租户、持久化存储

StreamNative·2024-01-26 11:06

Tensorflow高阶内容（五）- Deep Learning

高阶内容5.1Classification分类学习5.2什么是过拟合（Overfitting）5.3Dropout解决Overfitting5.4什么是卷积神经网络CNN(ConvolutionalNeuralNetwork

BingshengTian_Mamba·2024-01-26 10:15

第三章改进神经网络的学习方式（上中）

过匹配和规范化诺贝尔奖得主美籍意大利裔物理学家恩里科·费米曾被问到他对一个同僚提出的尝试解决一个重要的未解决物理难题的数学模型。模型和实验非常匹配，但是费米却对其产生了怀疑。他问模型中需要设置的自由参数有多少个。答案是“4”。费米回答道：“我记得我的朋友约翰·冯·诺依曼过去常说，有四个参数，我可以模拟一头大象，而有五个参数，我还能让他卷鼻子。”这里，其实是说拥有大量的自由参数的模型能够描述特别神奇

GarfieldEr007·2024-01-26 10:21

Hierarchical Object Detectionwith Deep Reinforcement Learning

此外,我们的工作比较了从卷积神经网络为每个候选

fayetdd·2024-01-26 09:16

通过活动稀疏性和时间上稀疏反向传播的高效循环架构

摘要递归神经网络（RNN）由于其表达能力和低计算要求而非常适合解决资源受限系统中的序列任务。然而，仍然需要弥合RNN在效率和性能方面的能力与实际应用需求之间的差距。

fayetdd·2024-01-26 09:41

PyTorch 中的nn.Conv2d 类

这个类广泛用于构建卷积神经网络（CNN），特别是在处理图像数据时。

风筝超冷·2024-01-26 09:08

【DeepLearning-6】实现倒置残差块（Inverted Residual Block）

类定义和构造函数classIRBlock(nn.Module):def__init__(self,inp,oup,stride=1,expansion=4):IRBlock类继承自nn.Module，是一个神经网络模块

风筝超冷·2024-01-26 09:08

PyTorch中self.layers的作用

在PyTorch中，当需要处理多个神经网络层时，通常使用nn.ModuleList或nn.Sequential。

风筝超冷·2024-01-26 09:07

【DeepLearning-5】基于Transformer架构的自定义神经网络类

类定义classUserDefined(nn.Module):UserDefined是一个自定义的神经网络类，继承自PyTorch的nn.Module基类。

风筝超冷·2024-01-26 09:02

支持向量机(Support Vector Machines)

与逻辑回归和神经网络相比，支持向量机，或者简称SVM，在学习复杂的非线性方程时提供了一种更为清晰，更加强大的方式，我们从优化目标开始。那么，我们开始学习这个算法。

Ezio的学习之旅·2024-01-26 06:46

MATLAB环境下使用训练好的卷积神经网络进行大地电磁数据噪声抑制

大地电磁MT是一种比较成熟的地球物理勘探方法，通过计算地面测量的正交电场分量和磁场分量的扰动值研究地下介质的电性结构。MT在油气和工程勘探领域得到了广泛应用。但是由于该方法以天然电磁场为场源，存在地面信号弱和源激发随机的缺点，极易受到各类噪声的影响，致使后续反演结果中存在不确定性。因此，在MT方法的发展过程中，消除噪声一直是地球物理勘探研究的重点。学者们提出了许多消除MT噪声的数据处理方法，主要包

哥廷根数学学派·2024-01-26 06:13

深度学习基础知识

卷积神经网络——图像卷积特征提取卷积核（算子）用来做图像处理时的矩阵，与原图像做运算的参数。

湘溶溶·2024-01-26 06:40

网格寻优核极限学习机，基于网格寻优的核极限学习机回归分析

基于网格寻优的核极限学习机回归分析（代码完整，数据齐全）资源-CSDN文库https://download.csdn.net/download/abc991835105/88775334背影极限学习机是在BP神经网络上改进的一种网络

神经网络机器学习智能算法画图绘图·2024-01-26 06:00

支持向量机(Support Vector Machines)（需要优化）

与逻辑回归和神经网络相比，支持向量机，或者简称SVM，在学习复杂的非线性方程时提供了一种更为清晰，更加强大的方式。

清☆茶·2024-01-26 06:24

神经网络CNN优化处理图片

*构建一个图片分类模型，并没有涉及到图片预处理或美化的部分以下是一个简单的图片预处理的例子，它包括将图片转换为灰度图、调整大小并标准化到0-1之间：`importcv2fromtorchvisionimporttransforms定义预处理操作preprocess=transforms.Compose([transforms.Grayscale(),#将图像转换为灰度图（如果是彩色分类任务则不需要

数据科学与艺术的贺公子·2024-01-26 06:33

多维时序 | Matlab实现DBO-BiLSTM蜣螂算法优化双向长短期记忆神经网络多变量时间序列预测

多维时序|Matlab实现DBO-BiLSTM蜣螂算法优化双向长短期记忆神经网络多变量时间序列预测目录多维时序|Matlab实现DBO-BiLSTM蜣螂算法优化双向长短期记忆神经网络多变量时间序列预测效果一览基本介绍程序设计参考资料效果一览基本介绍

机器学习之心·2024-01-26 02:48

NNI --模型剪枝

概念剪枝是压缩神经网络模型的常用技术。剪枝方法探索模型权重（参数）中的冗余，并尝试删除/修剪冗余和非关键权重。冗余元素从模型中修剪，其值归零，我们确保它们不参与反向传播过程。

Good@dz·2024-01-26 01:33

FAIR-Wave2Vec 2.0模型介绍

1.自动语音识别（ASR）领域介绍自动语音识别（ASR）领域的重大突破在过去几年中取得了显著进展，以下是一些关键的发展和里程碑：深度学习的引入：2012年前后，随着深度神经网络（DNN）在语音识别领域的应用

科学禅道·2024-01-26 00:26

吴恩达卷积神经网络学习笔记（六）|CSDN创作打卡

3.2特征点检测神经网络可以通过输出图片上特征点的（x，y）坐标，来实现对目标特征的识别。

墨倾许·2024-01-25 22:56

吴恩达卷积神经网络学习笔记（二）

一.卷积神经网络（一）1.6三维卷积3指的是颜色通道（RGB）6*6*3分别对应宽*高*通道的数目滤波器也有相对应的3*3*3，由此得到一个4*4的输出。

墨倾许·2024-01-25 22:26

2016年不可错过的21个深度学习视频、教程和课程

随着神经网络和大数据的出现，很多复杂任务的实现已经成为可能。2009年时，深度学习还是一个新兴领域，只有少数人认为这是一个值得研究的领域。

wd_cloud·2024-01-25 22:31

《速通机器学习》- 数据的量化和特征提取

本书从传统的机器学习，如线性回归、逻辑回归、朴素贝叶斯、支持向量机、集成学习，到前沿的深度学习和神经网络，如DNN、CNN、BERT、ResNet等，对人工智能技术进行零基础讲解，内容涵盖数学原理、公式推导

北大博士后AI卢菁·2024-01-25 19:15

Redis面试题32

答：深度学习是机器学习的一个分支，在人工神经网络的基础上构建了多层的神经网络模型，以实现对复杂数据的学习和分析。深度学习的核心概念是深度神经网络（DeepNeuralNetworks，DNNs）。

CrazyMax_zh·2024-01-25 19:21

38、FB-tCNN:基于时域的EEG信号神经网络分析模型[你也听说过我的故事?]

本文由清华大学计算机科学与技术系于2021年12月22日发表于IEEETransactionsonNeuralSystemsandRehabilitationEngineering期刊，标题为：“FilterBankConvolutionalNeuralNetworkforShortTime-WindowSteady-StateVisualEvokedPotentialClassification

是馒头阿·2024-01-25 18:35

自然语言处理的新突破:如何推动语音助手和机器翻译的进步

随着深度神经网络和End-to-End技术的应用,语音识别系统识别精度已接近人耳。根据工业和信息化部发布的《人工智能标准体系建设白皮书(2021)》,语音识别技

X_StarX·2024-01-25 18:32

Tensorflow & Keras的loss函数总结

一、二分类与多分类交叉熵损失函数的理解交叉熵是分类任务中的常用损失函数，在不同的分类任务情况下，交叉熵形式上有很大的差别，二分类任务交叉熵损失函数：多分类任务交叉熵损失函数：这两个交叉熵损失函数对应神经网络不同的最后一层输出

牧世·2024-01-25 18:49

基于雾凇算法优化多头注意力机制卷积结合长短记忆神经网络RIME-CNN-LSTM-Multihead-Attention多变量时间序列预测附MATLAB实现

matlab科研助手·2024-01-25 17:18

基于雾凇算法优化多头注意力机制的卷积长短记忆神经网络RIME-CNN-LSTM-Multihead-Attention实现多变量时间序列预测MATLAB实现

matlab科研助手·2024-01-25 17:18

【风电回归预测】基于开普勒算法优化卷积神经网络结合注意力机制的双向长短记忆网络KOA-CNN-BiLSTM-Attention实现风电功率多输入单输出回归预测附matlab代码

matlab科研助手·2024-01-25 17:48

IME-CNN-LSTM-Multihead-Attention|基于雾凇算法优化多头注意力机制卷积结合长短记忆神经网络R多变量时间序列预测附MATLAB仿真

Matlab科研辅导帮·2024-01-25 17:47

基于雾凇算法优化多头注意力机制的卷积长短记忆神经网络RIME-CNN-LSTM-Multihead-Attention实现风电预测附MATLAB实现

Matlab科研辅导帮·2024-01-25 17:47

pytorch之批量归一化和残差网络

5.10批量归一化本节我们介绍批量归一化（batchnormalization）层，它使较深的神经网络的训练变得更加容易[1]。

多彩海洋·2024-01-25 17:48

BP神经网络需要像深度学习一次次的迭代训练吗?

BP神经网络答案：是的，BP神经网络需要像深度学习一次次的迭代训练。总结（BP神经网络和深度学习在本质上有以下区别）答案：是的，BP神经网络需要像深度学习一次次的迭代训练。

小桥流水---人工智能·2024-01-25 17:24

深度学习推荐系统之DeepCrossing

DeepCrossing模型原理这个模型就是一个真正的把深度学习架构应用于推荐系统中的模型了，2016年由微软提出，完整的解决了特征工程、稀疏向量稠密化，多层神经网络进行优化目标拟合等一系列深度学习在推荐系统的应用问题

YANJINING·2024-01-25 17:17

基于图神经网络的对抗攻击防御 GNNGUARD: Defending Graph Neural Networks against Adversarial Attacks

参考资料项目：https://zitniklab.hms.harvard.edu/projects/GNNGuard/代码：https://github.com/mims-harvard/GNNGuardpaper：https://arxiv.org/abs/2006.08149poster：https://zitniklab.hms.harvard.edu/publications/poster

苏打呀·2024-01-25 16:35

2020-07-17 暑期学习日更计划（李宏毅2020-hw2 pytorch实现）

数据处理部分沿用了numpy的数据处理方式，神经网络的实现部分用了pytroch数据预处理部分：importosimportcsvimporttorch

Reza_·2024-01-25 15:23

Pytorch 实现强化学习策略梯度Reinforce算法

一、公式推导这里参考邱锡鹏大佬的《神经网络与深度学习》第三章进阶模型部分，链接《神经网络与深度学习》。

爱喝咖啡的加菲猫·2024-01-25 14:31

大语言模型推理提速：TensorRT-LLM 高性能推理实践

底层转换器是一组神经网络，这些神经网络由具有self-attention的编码器和解码器组成。编码器和解码器从一系列文本中提取含义，并理解其中的单词和短语之间的关系。

阿里云云原生·2024-01-25 13:00

李沐《动手学深度学习》卷积神经网络相关基础概念

系列文章李沐《动手学深度学习》预备知识张量操作及数据处理李沐《动手学深度学习》预备知识线性代数及微积分李沐《动手学深度学习》线性神经网络线性回归李沐《动手学深度学习》线性神经网络softmax回归李沐《

丁希希哇·2024-01-25 13:21

李沐《动手学深度学习》深度学习计算