dl&ml

DL&ML评测之IoU,ROC,AUC和mAP详解

基本概念：1.TP,FP,TN,FNTP:TruePositive,预测为正样本_实际也为正样本的特征数FP:FalsePositive,预测为正样本_实际为负样本的特征数TN:TrueNegative,预测为负样本_实际也为负样本的特征数FN:FalseNegative,预测为负样本_实际为正样本的特征数2.Accuracy和ErrorrateAccuracy：正确率是被分对的样本数除以所有的样
nudt_qxx·2020-08-26 15:02

ReLU深度网络能逼近任意函数的原因

最近也发现，有很多牛人喜欢在博客中分享DL的相关知识，所以个人感觉有空可以在博客中度阅读一些相关内容，对自己基础和深度了解有很大的帮助，也在此感谢那些为DL&ML默默共享的大牛们，让我们一起努力学习！！
计算机视觉研究院·2020-07-27 12:31

DL&ML基础学习六

Google发表的论文采用神经网络取代数据库经典的索引方法例如B-Tree/Hash-Index/BloomFIlter,论文中先是使用很native的两层前馈神经网络来学习已经排序的records数据的分布情况,而结果是比BTree索引慢了两个数量级.作者分析出了四条原因,其中有两条值得思考.一个是神经网络的lossfunction是要最小化平均误差但是对于索引来说这种评判标准并不是最标准的,最
涯若·2018-06-30 00:45

DL&ML基础学习一

神经网络中常用的激活函数sigmoid，tanh等，第一次听到sigmoid函数是在逻辑回归的部分，实际从该角度看神经网络是高级的分类模型，而逻辑回归也是为了分类目标，他们可以使用相同的lossfunction，而神经网络则是即为灵活的模型，模型自身结构可以变化，参数设定可以变，单元之间的机制可以改变，使用的激活函数、损失函数可以变化等等。激活函数是为了引入非线性性质，进行非线性分类。sigmoi
涯若·2017-09-09 11:25

ReLU深度网络能逼近任意函数的原因

最近也发现，有很多牛人喜欢在博客中分享DL的相关知识，所以个人感觉有空可以在博客中度阅读一些相关内容，对自己基础和深度了解有很大的帮助，也在此感谢那些为DL&ML默默共享的大牛们，让我们一起努力学习！！
gzq0723·2016-10-17 21:00
上一页 1 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他