Hung-yi

【Hung-Yi Lee】强化学习笔记

文章目录WhatisRLPolicyGradientPolicyGradient实际是怎么做的On-policyv.s.Off-policyExploration配音大师Actor-Critic训练valuefunction的方式网络设计DQNRewardShapingNoReward：LearningfromDemonstrationWhatisRL定义一个策略网络，来接受输入，并决定什么输出不

丸丸丸子w·2023-12-19 14:47

Hung-yi Lee | DeepLearning Tutorial学习笔记

LectureI:IntroductionofDeepLearningLectureII:TipsforTrainingDeepNeuralNetworkLectureIII:VariantsofNeuralNetworkLectureIV:NextWaveLectureI:IntroductionofDeepLearning深度学习介绍

Pysamlam·2023-01-28 14:14

机器学习回归（regression）——线性回归（Hung-yi Lee）

文章目录前言回归三步走Step1defineasetoffunctionStep2goodnessoffunctionStep3pickthebestfunction实验结果分析前言机器学习可简单分为监督学习和非监督学习。从下图也可以看出来，分类和回归属于监督学习，聚类和降维属于非监督学习。而回归又是大多数机器学习学习者最先接触的任务，本文主要讲述线性回归，作为一个学习笔记。监督学习:给定一组训练

nanyidev·2022-11-24 19:39

Convolutional Neural Network Hung-yi Lee 卷积神经网络李宏毅

ConvolutionalNeuralNetworkWhyCNNforimageThewholeCNNCNN–ConvolutionCNN-Colorfulimage彩色图像Convolutionv.s.FullyConnectedCNN-MaxPoolingFlattenCNNinKerasWhatdoesmachinelearn？Howabouthigherlayers?WhatdoseCNN

xianglingliwei·2022-06-25 07:04

Hung-yi Lee (4)

1.TipsforDNNInthislesson,Pro.LEEtaughtussometipsfordeepneuralnetwork,whichcontains：AdaptiveLearningRateNewActivationFunctionDropoutRegularizationEarlyStopping1.1AdaptiveLearningrateTheknowledgeaboutAd

hello_JeremyWang·2021-10-21 23:17

Hung-yi Lee (3)

Tobehonest,Ididnotfullyunderstandtheprocessofdevelopingperceptrontonerualnetwork.Today,Pro.Leehelpmesolvethisproblem.Well,feelgood.MaybeIhavenotgottenthatpoint,haha.Asweallknow,theperceptronmodelisali

hello_JeremyWang·2021-10-12 20:12

《Deep Learning Tutorial》by Hung-yi Lee

这篇台湾大学李宏毅教授的文章应该是关于深度学习入门最浅显易懂的了。深度学习介绍先简单的介绍了一下深度学习大致分为三步，建立一组方法-从中选出性能更好的-挑出最佳的。threesteps神经网络神经网络的神经元构成如下，neuron而每一个神经元都可以赋以不同的权重和偏差值，如下是一个简单的神经网络的结构，sigmoid函数是神经网络中一种常用的激活函数，可以看到，分别用初值乘以权重再加上偏差值代入

还浴月·2020-08-26 23:11

Lee Hung-yi强化学习 | (1) Scratching the surface

课程网站B站视频文章目录1.简介2.PolicybasedApproach(LearninganActor)1.简介深度强化学习：AI=强化学习(RL）+深度学习（DL）强化学习场景State：环境的状态，即机器所能观察到的东西观察：一杯水动作：打翻这杯水奖励：消极奖励观察：打翻的水杯动作：擦干净奖励：积极奖励机器学习采取一些动作来最大化期望的奖励。围棋场景机器观察到是一张图片（像素/环境的状态）

CoreJT·2020-08-05 04:17

Deep Learning Tutorial --- 李宏毅 Hung-yi Lee

Lecture1:IntroductionofDeepLearning1-1.IntroductionofDeepLearning1.MachineLearning:LookingforaFunction2.ThreeStepsofDeepLearning3.NeuralNetwork1-2.WhyDeep?1-3."HelloWorld"forDeepLearningKeras:https://

王侦·2020-03-15 00:38

Machine Learning (Hung-yi Lee, NTU)

一些資源：·B站上的課程URL·比較有用的筆記與作業1.Intro随便了解一下。监督学习(Supervisedlearning)半监督学习(Semi-Supervisedlearning)迁移学习(Transferlearning)非监督学习(Unsupervisedlearning)结构化学习(Structedlearning)2.回歸問題作爲機器學習的入門，簡單以回歸問題的形式來表現所有機器學

chitoseyono·2019-04-08 11:08

初学CNN from Hung-yi Lee 's ML

久违的学习笔记，在周围大佬们的陪（压）伴（力）下，不得不给自己学习的压力啊！周五就要做报告了，得赶快写点总结。前面几课笔记周五补上，给自己挖个坑，记得填。废话不说，拿出朕的小本本开写。CNN（ConvolutionalNeuralNetwork）卷积神经网络听名字就觉得很吓人，卷积什么的！1.What’sCNN?1.1CNN定义定义1.一种专门用来处理类似网格结构的数据的神经网络。eg：时间序列数

hehesakura·2017-11-27 15:42

【学习笔记】Deep Learning Tutorial (by Hung-yi Lee)

1、深度学习介绍1.1、深度学习的三个步骤:定义函数集合：f1f2...使用神经网络模型确定函数目标准备训练数据，在监督学习中，每一份训练数据包括输入值和目标值两部分代价（Loss）定义为输出与目标之间的差距，一个好的函数应尽可能地缩小其所有训练数据的总代价L一个函数由参数（parameter）或者权重（weight）完全定义，因此学习的目标是从函数集合中选择使总代价最小的最优函数，即选择使总代价

维恩囧尼·2016-11-30 21:42

推荐频道