锐捷网络学习

机器学习04：支持向量机

——曾国藩专栏地址《机器学习》专栏地址专栏系列文章机器学习01：绪论机器学习02：模型评估机器学习03：线性回归与多分类学习机器学习04：支持向量机机器学习05：神经网络学习机器学习06：决策树学习机器学习
非妃是公主·2023-01-21 13:47

机器学习11：代价敏感学习

——曾国藩专栏地址《机器学习》专栏地址专栏系列文章机器学习01：绪论机器学习02：模型评估机器学习03：线性回归与多分类学习机器学习04：支持向量机机器学习05：神经网络学习机器学习06：决策树学习机器学习
非妃是公主·2023-01-21 12:45

套娃的开始——Network in Network网络学习笔记

前言《NetworkinNetwork》是2014年ICLR的一篇文章，文章当时较为创新，对后面的一些模型产生了一些较为深远的影响，现在看来，尽管文章较为久远，仍不失为经典论文，对现在的吾辈来说仍值得细细品读学习。文章亮点1、用MLPconv代替传统卷积层NIN这篇论文指出，在常规卷积层后加上若干个1X1的卷积层，每个卷积核视为一个神经元，多个1X1卷积的线性组合就可以看作是一个全连接层。一般卷积
20Xx太空漫游·2023-01-20 15:52

锐捷校园网环境下设置统信UOS(Linux)自动连接网络

1.写在前面  记录在锐捷校园网环境下使用UOS(Linux)自动连接网络的方法，如若仅需找到快速自动连接网络的方法，请直接跳转到4.步骤总结即可。vincent是我的用户名，根据实际情况做替换即可。
chenzj36·2023-01-20 13:53

深度学习面经总结

1.BN层的作用优势：（1）BN使得网络中每层输入数据的分布相对稳定，加速模型学习速度（2）BN使得模型对网络中的参数不那么敏感，简化调参过程，使得网络学习更加稳定（3）BN允许网络使用饱和性激活函数（
Fighting_1997·2023-01-19 12:41

神经网络一般训练次数,神经网络训练时间

批处理样本数量，标准的BP是单样本学习的方法，例如图片识别，第一个图是猫，然后输入图像，网络学习一次（变
阳阳2013哈哈·2023-01-19 12:09

深度学习与神经网络学习

一，什么是神经网络我们常常用深度学习这个术语来指训练神经网络的过程。有时它指的是特别大规模的神经网络训练。从一个房价预测的例子说起，我们可以用房屋面积和价格来拟合一条直线来表示两者之间的关系，特别地，房屋的价格永远不可能小于0，这时我们能够得到一条修正过的函数当我们加入许多其他因素，像房屋位置，邮政编码等等，我们可以基于这些因素更好地预测房屋价格，这就是神经网络的基础模型。而神经网络的神奇之处在于
iimmy_o·2023-01-19 09:10

计算机网络学习笔记（1）

注：本笔记基于对J.F.Kurose的计算机网络课程整理而成，课程链接：JimKuroseHomepagehttps://gaia.cs.umass.edu/kurose_ross/ppt.php目录1.1InternetandProtocol互联网和协议Internet----nutsandboltsview互联网——底层视角Internet----Servicesview互联网——服务视角Pr
和田龙二·2023-01-18 16:51

神经网络学习算法中梯度下降简洁证明

已知光滑函数C(V1,V2)，∥△V∥=ε是一个趋近于0正数，求证使得函数△C尽可能小时，则△V=−η▽C，其中η=ε/∥▽C∥。已知光滑函数C(V_1,V_2)，\parallel\bigtriangleupV\parallel=\varepsilon是一个趋近于0正数，求证使得函数\bigtriangleupC尽可能小时，则\bigtriangleupV=-\eta\bigtriangledo
Ocodotial·2023-01-18 14:28

Stitch it in Time: GAN-Based Facial Editing of Real Videos翻译

我们利用StyleGAN的自然对齐和神经网络学习低频函数的趋势
jjw_zyfx·2023-01-18 10:47

史上最详细网络基础知识

4.子网掩码及网络划分5.ARP/RARP协议6.路由选择协议7.TCP/IP协议8.UDP协议9.DNS协议10.NAT协议11.DHCP协议12.HTTP协议13.一个举例14、实用基本概念计算机网络学习的核心内容就是网络协议的学习
人间不值得-·2023-01-18 04:52

408计算机网络学习笔记——数据链路层

目录1.数据链路层基本概念2.组帧2.1.字符计数法2.2.字符填充法2.3.零比特填充法2.4.违规编码法3.差错控制3.1.检错编码3.1.1.奇偶检验码3.1.2.CRC循环冗余码3.2.检错编码（海明码）4.滑动窗口4.1.停止等待协议4.2.后退N帧协议4.3.选择重传协议5.介质访问控制5.1.信道划分介质访问控制5.2.随机访问介质访问控制5.2.1.ALOHA协议（不听就说）5.2
江南江南江南丶·2023-01-18 03:57

神经网络学习笔记（三）——长短时记忆（LSTM）网络

LSTM网络是循环神经网络的一种特殊类型，它可以学习长期以来的信息，它是一种拥有三个“门”结构的特殊网络结构。1.LSTM网络结构原始RNN的隐藏层只有一个状态h，如图1（a），它对于短期的输入非常敏感。LSTM网络增加一个状态c，让它保存长期的状态，如图1（b）。图1新增状态c，称为单元状态。把图1（b）按照时间维度展开，如图2所示。图2由上图可以看出：在t时刻，LSTM网络的输入有三个，即当前
shuyitingting·2023-01-17 15:23

对抗生成网络_生成性对抗网络技术实现

生成性对抗网络技术实现GenerativeAdversarialNetworks以某种形式，使用深度神经网络学习从数据点到标签的映射。这种学习被称为区别性学习，因为希望能够区分猫和狗的照片。
weixin_39612849·2023-01-17 10:06

激活函数：让神经网络活过来了

激活函数（ActivationFunction）是一种添加到人工神经网络中的函数，旨在帮助网络学习数据中的复杂模式。类似于人类大脑中基于神经元的模型，激活函数最终决定了要发射给下一个神经元的内容。
AI大道理·2023-01-16 15:22

Complementary Feature Enhanced Network withVision Transformer for Image Dehazing_2021

新框架的突出优势之一是有目的地选择的互补任务可以专注于学习弱依赖的互补特征，避免重复和无效的网络学习。
啦啦啦啦啦啦.·2023-01-16 11:36

注意力机制

1.注意力机制可以解决信息过载问题在神经网络学习中，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。
瞻邈·2023-01-16 10:12

gitchat训练营15天共度深度学习入门课程笔记(八)

5.5.2Sigmoid层5.6Affine/Softmax层的实现5.6.1Affine层5.6.2批版本的Affine层5.6.3Softmax-with-Loss层5.7误差反向传播法的实现5.7.1神经网络学习的全貌图
weixin_43114885·2023-01-16 08:50

＜3＞LSTM(Long Short-Term Memory)原文解读

原文：LongShort-TermMemory，1997作者：SeppHochreiter,JürgenSchmidhuber1.核心问题：通过循环神经网络学习较长时间间隔的任务通常需要很长的时间，这是因为误差在反传的过程中表现了严重的不充分与衰减
liu_xfx·2023-01-16 04:15

吴恩达卷积神经网络学习笔记（一）

一.卷积神经网络（一）1.1计算机视觉图片分类和图片识别，目标检测，图片风格迁移特征向量的维度卷积神经网络一般应用于计算机视觉领域，由于有的时候图片的像素点很多，导致神经网络输入特征值的维数很多。1.2边缘检测示例弄清一张照片中的物体，利用电脑进行去识别，垂直边缘检测，水平边缘检测。如下图所示，原图是一个661的矩阵，卷积核是一个331的矩阵，经过卷积后得到一个441的矩阵。（为了检测图像中的垂直
星_阳·2023-01-16 00:46

神经网络学习（十四）卷积神经网络TensorFlow实现

系列博客是博主学习神经网络中相关的笔记和一些个人理解，仅为作者记录笔记之用，不免有很多细节不对之处。说明上一节，我们简单实现了一个卷积神经网络，本节我们采用TensorFlow实现手写字的识别。本节代码参考自《TensorFlow实战》。实现首先载入MNIST数据，并创建默认的InteractiveSession：importtensorflowastffromtensorflow.example
oio328Loio·2023-01-15 15:03

000102感知机到神经网络

从感知机到神经网络学习深度学习入门的学习记录。总忘，记录。只记录各部分源码和少部分原理。
tryiiii·2023-01-14 20:11

图神经网络学习6

基于图神经网络的图表征学习方法图表征学习要求在输入节点属性、边和边的属性（如果有的话）得到一个向量作为图的表征，基于图表征进一步的我们可以做图的预测。本文以一个经典的同构网络GIN来举例。网络实现基于图同构网络的图表征学习主要包含以下两个过程：首先计算得到节点表征；其次对图上各个节点的表征做图池化（GraphPooling），或称为图读出（GraphReadout），得到图的表征（GraphRep
to2·2023-01-14 15:46

“深度学习”学习日记。误差反向传播法--计算图

2023.1.14在昨天的神经网络学习算法的实现中，遇到使用数值微分法连续计算梯度运行速度慢的问题，然后使用了误差反向传播法去连续计算梯度而大幅提高运行速度。今天就开始学习误差反向传播法这一个章节。
Anthony陪你度过漫长岁月·2023-01-14 12:51

“深度学习”学习日记。神经网络的学习。--学习算法的实现

2023.1.13愿望世界没有新冠，复阳的感觉真的难受这一段时间学习了“损失函数”、“mini-batch”、“梯度”、“梯度下降法”，今天通过他们取实现神经网络学习算法的实现，做一次总结。
Anthony陪你度过漫长岁月·2023-01-14 12:47

R语言中贝叶斯网络（BN）、动态贝叶斯网络、线性模型分析错颌畸形数据|附代码数据

本教程旨在介绍贝叶斯网络学习和推理的基础知识，使用
·2023-01-14 00:00

神经网络是如何运用梯度下降算法进行学习

这个调整自身然后让自己预测更加准确的过程就是学习我们知道，预测的是否准确是又W和b来决定的，所以神经网络学习的目的就是找到合适的W和b。通过一个叫做梯度下降的算法可以达到这个目的。
zha_zha_wei·2023-01-13 22:08

神经网络学习----如何利用训练好的神经网络模型进行预测

预测会用到两个文件，分别是yolo.py和predict.py。yolo.py里面修改model_path以及classes_path，这两个参数必须要修改。model_path指向训练好的权值文件，在logs文件夹里。classes_path指向自己目标类别所对应的txt。predict.py也要修改图片路径和保存路径。该代码可以选择不同模式进行单张图片、多张图片、视频及FPS的预测。修改好后，
红枣燕麦·2023-01-13 22:08

Kubernetes(k8s) 笔记总结(三)

提示：针对kubernetes的服务网络学习。
IT_Holmes·2023-01-13 19:58

计算机网络学习笔记（三）传输层

文章目录1.概述2.多路复用与多路分解3.UDP4.TCP5.拥塞控制6.TCP拥塞控制1.概述  传输层协议在不同主机上的应用进程之间提供了逻辑通信功能。传输层协议是在端系统中而不是在路由器实现的。在发送端，传输层将发送应用程序进程接收到的报文转换为传输层分组，该报文也被称为报文段。然后在发送端系统中，传输层将这些报文段传递给网络层，网络层将其封装为网络层分组并向目的地发送。网络路由器仅用于该数
volit_·2023-01-13 07:01

学校食堂明厨亮灶监控系统 Python

学校食堂明厨亮灶监控系统通过Python基于YOLOv7卷积神经网络学习与图像识别技术，对现场画面进行24小时实时分析，如：厨房出现老鼠狗猫、厨师未戴口罩、厨师未戴厨师帽、厨师服穿戴识别、抽烟识别、玩手机识别
燧机科技·2023-01-12 15:05

Kubernetes 网络学习之 Cilium 与 eBPF

这是Kubernetes网络学习的第五篇笔记，也是之前计划中的最后一篇。
·2023-01-12 09:05

Kubernetes 网络学习之 Cilium 与 eBPF

这是Kubernetes网络学习的第五篇笔记，也是之前计划中的最后一篇。
·2023-01-12 09:01

神经网络学习随笔

神经网络神经网络简介深度学习简介神经网络介绍神经元是如何工作的激活函数Sigmoid/logistics函数：tanh(双曲正切曲线)RELULeakReLuSoftMax其他激活函数如何选择激活函数隐藏层输出层参数初始化随机初始化标准初始化Xavier初始化He初始化神经网络的搭建通过Sequential构建利用functionAPI构建通过model的子类构建神经网络的优缺点优点缺点总结神经网
最白の白菜·2023-01-12 01:05

人脸识别-论文阅读-ArcFace及其由来（SphereFace、CosFace）

图1ArcFace发展过程随着深度学习人脸识别的发展，现在人脸识别的主要思想是在网络学习的过程中增大类间差距（inter-class）的同时减小类内差距（intra-class）。
AManFromEarth·2023-01-11 23:07

关于batch normalization的理解

原因：1、每次卷积完成后，数据分布会改变，与原始数据的分布出现偏差，不利于网络学习和收敛。改进方法：卷积后，加入BN层，使得数据的分布又回到了原始数据的分布，有利于模型训练。
Jack Su·2023-01-11 12:05

ELAN设计理念：通过梯度路径分析设计网络设计策略

在本文中希望通过提高网络学习能力来增强训练模型的表达能力。由于驱
迪菲赫尔曼·2023-01-11 11:24

神经网络学习笔记(二)——循环神经网络RNN

循环神经网络RNN文章目录循环神经网络RNN一、概述二、背景三、RNN原理3.1模型结构3.2前向传播3.3反向传播BPTT(back-propagationthroughtime)3.4RNN的分类3.5RNN的改进双向RNN深度RNN四、RNN的简单使用五、总结一、概述  循环神经网络（Recurrentneuralnetwork，RNN）是一类以序列（sequence）数据为输入，在序列的演
Storm*Rage·2023-01-11 07:48

首个可用于深度学习的ToF相关数据集——基于置信度的立体相机以及ToF相机深度图融合框架

作者|cocoon编辑|3D视觉开发者社区✨如果觉得文章内容不错，别忘了三连支持下哦~文章目录1.导语2.方法以及网络结构2.1使用网络学习置信度2.11训练细节2.2双目以及ToF视差的fusion3
奥比中光3D视觉开发者社区·2023-01-10 19:41

【网络学习&复现】unet系列之unet++&unet3+

unet++学习历程记录0、一位大大的论文解读https://blog.csdn.net/weixin_40519315/article/details/1044574591、unet++作者在知乎上的解读https://zhuanlan.zhihu.com/p/44958351get到了网络大致是在保留原来unet的长跳的同时加了许多小跳用到了深监督。因为采用了深监督，所有可以进行剪枝。因为L1
zeng001201·2023-01-10 09:54

计算机网络学习路线

文章目录结构：一OSI与TCP/IP各层的结构与功能，都有哪些协议运输层主要使用以下两种协议：UDP的主要特点：TCP的主要特点：域名系统（DomainNameSystem缩写DNS，DomainName被译为域名）HTTP协议五层协议的体系结构1应用层（applicationlayer）2运输层（transportlayer）3网络层（networklayer）4数据链路层（datalinkla
Jmayday·2023-01-09 20:54

千锋教育+计算机四级网络-计算机网络学习-02

目录分组交换的两种传输方式数据报方式编辑虚电路方式OSI参考模型IP地址分类公有IP私有IP回环ip地址子网掩码端口端口号端口分类数据包的组装、拆解网络应用程序开发流程选择合适的协议（TCP或UDP)TCP—面向连接UDP—面向无连接C/S架构示例（面向连接）server工作过程client工作过程分组交换的两种传输方式数据报方式不需要连接，想UDP就不需要，因此他传输数据的方式就是数据报方式虚电
简单点的学玩·2023-01-09 14:14

“深度学习”学习日记。神经网络的学习--损失函数

为了使神经网络学习，就得导入损失函数这一个指标。而学习的目的就是一该损失函数为基准，找出使它的值达到最小权重的参数。
Anthony陪你度过漫长岁月·2023-01-09 11:24

DBNet学习笔记

DBNet提出可微分二值化（红色箭头部分）来解决这个缺点：对每一个像素点进行自适应二值化；二值化阈值由网络学习得到，彻底将二
HenrySmale·2023-01-09 10:31

复杂网络初学者学习过程记录

复杂网络学习心得（一）复杂网络相关指标计算图/网络邻接矩阵度及度分布复杂网络相关指标计算最近在做复杂网络相关的项目，但是此前并无任何基础，于是准备从头开始学习。
狸夷·2023-01-09 08:56

复杂网络学习笔记：networkx实现网络的基本拓扑性质

1、复杂网络的连通性1.1、无向网络中的巨片首先考虑地球上所有人类组成的社会网络的连通性；很显然整个网络是不连通的，因为只要有一个人没有朋友或者说只要有一小群人没有除了这群人之外的朋友那么整个网络就不连通。由此可见，对于大规模网络来说，连通性非常脆弱，只要单个节点或者小部分节点的行为都有可能破坏连通性。我们可以看出大规模复杂网络可能会出现一个大的连通片，这个连通片包含整个网络中的大部分节点，那么称
xMathematics·2023-01-09 08:25

利用pytorch来深入理解CELoss、BCELoss和NLLLoss之间的关系

对于神经网络而言，损失函数决定了神经网络学习的走向，至关重要。pytorch中的所有损失函数都可以通过reduction=‘mean’或者reduction=‘sum’来设置均值还是总值。
changxl.·2023-01-09 08:54

使用pytorch搭建LeNet网络 学习笔记

使用pytorch搭建LeNet网络学习笔记modelmodel.pynn.Conv2d函数nn.MaxPool2d函数traintrain.py下载数据集导入数据集predictpredict.py视频教程来自
hywh111·2023-01-08 15:03

残差网络

多层网络使用上面简单感知机的权重调整规则显然不够用了，BP神经网络算法即误差逆传播算法（errorBackPropagation）正是为学习多层前馈神经网络而设计，BP神经网络算法是迄今为止最成功的的神经网络学习算法
cdy艳0917·2023-01-08 10:03

图神经网络学习(一)-GCN及其应用

内容提要：GCN背景简介+torch_geometric库安装+GCN处理Cora数据集1.图神经网络1.1概念原有的卷积神经网络主要用来解决欧式空间中的数据（数据规整，形状固定），例如图像数据。无法应对非欧式空间中的数据，例如图数据。但是神经网络是规整的计算方式，所以图神经网络的目标就是，如何去用规整的神经网络去处理不规整的图数据。1.2应用场景非欧数据的场景很多，如：社交网络，计算机网络，病毒
Enoch Liu98·2023-01-08 07:51
上一页 32 33 34 35 36 37 38 39 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他