limu深度学习笔记

【学习周报】研究生深度学习笔记9.19~9.24

学习目标：深度学习花书SWINBERT:End-to-EndTransformerswithSparseAttentionforVideoCaptioning（CVPR2022）学习内容：花书配分函数——深度学习第十八章变分推断——深度学习第十九章seq2seq概述深度学习端到端概念学习时间：9.19~9.24学习笔记：配分函数——深度学习第十八章在深度学习第十六章——结构化概率模型的配分函数(p
Bohemian_mc·2022-12-05 14:43

动手学深度学习笔记（一）——机器学习

深度学习是机器学习的一个主要分支，为了更好的学习深度学习，需要掌握一些基本的机器学习的知识。文章目录1.1关键组件1.1.1数据（data）1.1.2模型（model）1.1.3目标函数（objectivefunction）1.1.4算法（algorithm）1.2各种机器学习问题1.2.1监督学习1.2.1.1回归1.2.1.2分类1.2.1.3标记问题1.2.1.4搜索1.2.1.5推荐系统1
.别拖至春天.·2022-12-05 13:27

深度学习笔记【三】

1、CNN的作用CNN最擅长的就是图片的处理。两大特点：（1）能够有效的将大数据量的图片降维成小数据量（2）能够有效的保留图片特征，符合图片处理的原则卷积层负责提取图像中的局部特征；池化层用来大幅降低参数量级(降维)，可以增大深层卷积的感受野全连接层类似传统神经网络的部分，用来输出结果。2、1*1卷积1x1卷积一般只改变输出通道数（channels），而不改变输出的宽度和高度。作用：（1）降维、升
huangxi000·2022-12-05 09:40

李宏毅深度学习笔记2-1Iintroduction of DeepLearning

1、深度学习的发展趋势1958:Perceptron(linearmodel)感知机1969:Perceptronhaslimitation感知机受限1980s:Multi-layerperceptron多层感知机DonothavesignificantdifferencefromDNNtoday1986:Backpropagation反向传播通常超过三层隐藏层结果就不好了1989:1hidden
英俊学霸博·2022-12-04 21:07

Python深度学习笔记第二周——感知机

Python深度学习笔记第二周——感知机感知机基本概述简单的逻辑电路感知机的实现简单实现引入权重与偏置的概念根据上述方式（权重与偏置）设计成逻辑门感知机的局限性多层感知机总结：从与非门到计算机感知机基本概述感知机是一种非常简单的算法
frank______123·2022-12-04 13:19

Softmax回归——动手学深度学习笔记

Softmax回归，虽然它的名称叫做回归，其实它是一个分类问题。回归VS分类回归估计一个连续值如：回归估计下个月的房价分类预测一个离散类别如：（1）MNIST：手写数字识别（10类）（2）ImageNet:自然物体分类（1000类）Kaggle上的分类问题（1）将人类蛋白质显微镜图片分成28类（2）将恶意软件分成9个类别（3）将恶意的Wikipedia评论分成7类从回归到多类分类回归：（1）单连续
我是小蔡呀～～～·2022-12-04 06:04

2020-1-25 深度学习笔记3 - 概率与信息论

第三章概率与信息论官网概率论使我们能够提出不确定的声明以及在不确定性存在的情况下进行推理信息论使我们能够量化概率分布中的不确定性总量在人工智能领域，概率论主要有两种用途概率法则告诉我们AI系统如何推理，据此我们设计一些算法来计算或者估算由概率论导出的表达式可以用概率和统计从理论上分析我们提出的AI系统的行为为什么要使用概率这是因为机器学习通常必须处理不确定量，有时也可能需要处理随机（非确定性的）量
没人不认识我·2022-12-04 04:19

pytorch深度学习笔记（2）------手写数字识别（卷积）

（小白笔记，有问题请指正）手写数字识别可以说是学习深度学习的第一个代码了，相当于我们学习其他语言时的HelloWorld。在这里，我们要利用卷积来构建神经网络去完成手写数字识别案例。卷积CNN在我们使用卷积神经网络去完成手写数字识别案例时，我们要首先了解什么是卷积(CNN)。传统神经网络层之间都采用全连接方式，但这种方式，如果输入的层数较多，输入又是高纬度的话，那么其参数将会很多很多以至于难以计算
LanceHang·2022-12-04 04:12

初学深度学习笔记（小土堆和霹雳吧啦）

model文件（网络）本人初学，用的是AlexNet。数据集是在kaggle上面下载的猫狗图片数据集，想要做一个猫狗识别的神经网络。打开数据集可以发现猫狗图片的大小都在300*300以上但为了简便我们就直接利用霹雳吧啦写的网络，其代码如下def__init__(self,num_classes=2,init_weights=False):super(AlexNet,self).__init__()
aoaozhu·2022-12-03 13:00

2020-4-17 深度学习笔记20 - 深度生成模型 1 (玻尔兹曼机，受限玻尔兹曼机RBM)

第二十章深度生成模型DeepGenerativeModels中文英文深度生产模型在某种程度上都代表了多个变量的概率分布。从数据分布生成真实样本是生成模型的目标之一。有些模型允许显式地计算概率分布函数。其他模型则不允许直接评估概率分布函数，但支持隐式获取分布知识的操作，如从分布中采样。为了让模型理解表示在给定训练数据中的大千世界，训练具有隐藏单元的生成模型是一种有力方法。通过学习模型pmodel(x
没人不认识我·2022-12-03 11:42

深度学习笔记之受限玻尔兹曼机(一)玻尔兹曼分布介绍

机器学习笔记之受限玻尔兹曼机——玻尔兹曼分布介绍引言回顾：Hammersley-Clifford定理玻尔兹曼分布的物理意义引言从本节开始，将介绍受限玻尔兹曼机。本节将从马尔可夫随机场开始，介绍玻尔兹曼机分布。回顾：Hammersley-Clifford定理在概率图模型——马尔可夫随机场的结构表示中介绍了马尔可夫随机场(MarkovRandomField,MRF)以及它的因子分解证明。该证明本质上是
静静的喝酒·2022-12-03 11:04

深度学习笔记（b站小土堆）

Pytorch学习笔记一、必备的数据集操作技巧1.数据集操作2.利用txt文件保存label二、Pytorch中tensorboard的使用1.add_scalar函数的用法2.add_image函数的用法三、transform的用法1.基础知识2.常见的transforms一、必备的数据集操作技巧1.数据集操作下列代码对原始数据集进行了处理，方便了对数据集的访问importtorchfromto
骑木西西卡·2022-12-03 11:14

Faster R-CNN代码详解 标注数据形状

FasterR-CNN代码实战–潘登同学的深度学习笔记文章目录FasterR-CNN代码实战--潘登同学的深度学习笔记数据集介绍数据处理先看combined_roidbRoIDataLayerget_output_dirTrian
PD我是你的真爱粉·2022-12-03 10:58

深度学习笔记 第五门课 序列模型 第二周 自然语言处理与词嵌入

本文是吴恩达老师的深度学习课程[1]笔记部分。作者：黄海广[2]主要编写人员：黄海广、林兴木（第四所有底稿，第五课第一二周，第三周前三节）、祝彦森:（第三课所有底稿）、贺志尧（第五课第三周底稿）、王翔、胡瀚文、余笑、郑浩、李怀松、朱越鹏、陈伟贺、曹越、路皓翔、邱牧宸、唐天泽、张浩、陈志豪、游忍、泽霖、沈伟臣、贾红顺、时超、陈哲、赵一帆、胡潇杨、段希、于冲、张鑫倩参与编辑人员：黄海广、陈康凯、石晴路
湾区人工智能·2022-12-03 08:20

深度学习笔记（二）-计算机视觉SSD

参考资料SSD（单次多盒检测）用于实时物体检测SSD论文阅读笔记SSD原理解读-从入门到精通深入理解anchor目标检测数据集（皮卡丘）#%%#In[1]frommxnetimportimage,contrib,gluon,nd#importnumpyasnpimportd2lzhasd2l#np.set_printoptions(2)importosfrommxnet.gluonimportut
Lzjusc2017·2022-12-03 07:03

深度学习笔记其六：现代卷积神经网络和PYTORCH

深度学习笔记其六：现代卷积神经网络和PYTORCH1.深度卷积神经网络（AlexNet）1.1学习表征1.1缺少的成分：数据1.2缺少的成分：硬件1.2AlexNet1.2.1模型设计1.2.2激活函数
泠山·2022-12-03 03:05

深度学习笔记 第五门课 序列模型 第一周 循环序列模型

本文是吴恩达老师的深度学习课程[1]笔记部分。作者：黄海广[2]主要编写人员：黄海广、林兴木（第四所有底稿，第五课第一二周，第三周前三节）、祝彦森:（第三课所有底稿）、贺志尧（第五课第三周底稿）、王翔、胡瀚文、余笑、郑浩、李怀松、朱越鹏、陈伟贺、曹越、路皓翔、邱牧宸、唐天泽、张浩、陈志豪、游忍、泽霖、沈伟臣、贾红顺、时超、陈哲、赵一帆、胡潇杨、段希、于冲、张鑫倩参与编辑人员：黄海广、陈康凯、石晴路
湾区人工智能·2022-12-03 03:59

深度学习笔记整理

DeepLearning（深度学习）学习笔记整理分类：MachineLearning目录：一、概述二、背景三、人脑视觉机理四、关于特征4.1、特征表示的粒度4.2、初级（浅层）特征表示4.3、结构性特征表示4.4、需要有多少个特征？五、DeepLearning的基本思想六、浅层学习（ShallowLearning）和深度学习（DeepLearning）七、Deeplearning与NeuralNe
Richel-Li·2022-12-02 22:16

深度学习笔记：CNN+RNN+LSTM

卷积神经网络（ConvolutionalNeuralNetwork,CNN）参考博客：https://easyai.tech/ai-definition/cnn/CNN是一种前馈神经网络，通常由卷积层（ConvolutionalLayer），池化层（PoolingLayer）和全连接层（FullyConnectedLayer，对应经典的NN）组成。卷积层负责提取图像中的局部特征；池化层用来大幅降低
银河小铁骑plus·2022-12-02 16:48

深度学习笔记——循环神经网络RNN/LSTM

原文来自知乎专栏NLP进阶之路，作者韦伟。以下文章是摘录了原文部分内容的学习笔记，侵删。循环神经网络（RerrentNeuralNetwork)RNN是神经网络的一种，RNN对具有序列特性的数据非常有效，它能挖掘数据中的时序信息以及语义信息。其中，序列特性包括时间顺序，逻辑顺序等其他顺序。例如：Ilikeeatingapple!/TheAppleisagreatcompany!如果要给apple打
不愿透露姓名的小段·2022-12-02 15:29

李宏毅深度学习笔记（五）——循环神经网络（RNN）

RNN处理的主要是有序序列。比如在一个订票系统中，需要从用户的一句话中提取出出发地，目的地和交通方式等信息，实现智能订票。在这种情况下，词语之间顺序的改变可能会带来不一样的结果。RNN可以实现通过上下文推断该词语属于何种信息。1.RNN的基本架构RNN的基本思想就是在处理一个新的输入的同时，考虑之前结果的影响。如图是一个简单的RNN，图中的x1和x2是输入，绿色的圆圈代表hiddenlayer，橙
好想学会深度学习啊·2022-12-02 15:29

李宏毅深度学习笔记15（GAN-03）

UnsupervisedConditionalGeneration本节在讨论如何将一个对象从一个域转换到另一个域,而不需要成对的数据.有两种做法,这节课主要介绍这两种做法.做法一:DirectTransformationgenerator可以生成类似DomainY的风格的图片,骗过Discriminator.但如果仅仅如此,generator可以直接生成一张与原输入无关,但是与domainY的风格
稀里糊涂的小楠～·2022-12-02 12:47

李宏毅深度学习笔记11(pytorch tutorial)

概述1.pytorch可以顺利地与python数据科学栈集合,pytorch非常类似于numpy.(在很多计算方法上都是一样的)2.动态计算图:取代了具有特定功能的预定义图形,pytorch为我们提供了一个框架,以便可以在运行时构建计算图,甚至在运行时更改它们.在不知道创建神经网络需要多少内存的情况下非常的有价值.3.易于使用的API:就像python一样简单.主要元素1.pytorch张量张量只
稀里糊涂的小楠～·2022-12-02 12:17

李宏毅深度学习笔记13( GAN-01)

BasicIdeaofGAN（GAN的基础概念）generator:可以通过改变参数改变所要的图片内容(比如改变矩阵中第几个数就可以改变图片中二次元人物的嘴的大小,或者头发的颜色等等).discrimination:类似于一个评分机制.图片输出后,给出相应的评分结果.generator与discrimination是属于对立关系，两者属于对抗状态，所以当generator逐渐增强和演化的时候，di
稀里糊涂的小楠～·2022-12-02 12:17

李宏毅深度学习笔记14（GAN-02）

本节考虑如何控制生成对象。将GAN变为ConditionalGAN，两者的Generator是相同的，不同的是Discriminator。Text-to-Image传统的做法：如下图所示，但是如果训练的图片是多个角度的，这样机器两边都学习到就会产生不好的结果，让大家看不出来像什么。利用GAN去做：存在的问题是discriminator只会判断图片是否清晰是否真实，而无法按条件生成想要的图片。最后用
稀里糊涂的小楠～·2022-12-02 12:17

【机器学习】《动手学深度学习 PyTorch版》李沐深度学习笔记（目标检测、锚框）

文章目录一、目标检测任务二、目标检测和边界框（锚框）1.如何去进行目标检测？2.生成训练锚框+交并比比较锚框相似度3.怎么去赋予锚框标号?4.使用非极大值抑制（NMS）输出（每个类别保留一个框）5.一些小问题一、目标检测任务1.分类，即是将图像结构化为某一类别的信息，用事先确定好的类别(string)或实例ID来描述图片。这一任务是最简单、最基础的图像理解任务，也是深度学习模型最先取得突破和实现大
Jul7_LYY·2022-12-02 11:36

【LIMU-Bert论文阅读】

LIMU-BERT:UnleashingthePotentialofUnlabeledDataforIMUSensingApplications题目重点：充分利用无标签数据适用于IMU传感器应用（并没有指出
一桶锅包肉·2022-12-02 11:21

吴恩达深度学习笔记05——序列模型1循环序列模型

自然语言和音频都是前后相互关联的数据，对于这些序列数据需要使用循环神经网络（RecurrentNeuralNetwork，RNN）来进行处理。使用RNN实现的应用包括下图中所示：一、数学符号对于一个序列数据x，用符号x⟨t⟩x^{⟨t⟩}x⟨t⟩来表示这个数据中的第t个元素，用y⟨t⟩y^{⟨t⟩}y⟨t⟩来表示第t个标签，用TxT_xTx和TyT_yTy来表示输入和输出的长度。对于一段音频，元素
阿尔基亚·2022-12-02 07:03

深度学习Review【三】序列、RNN、LSTM（GRU）、DRNN

课程地址动手学深度学习笔记【三】一、序列模型马尔科夫假设潜变量二、RNN循环神经网络衡量语言模型梯度剪裁torch实现三、GRU门控循环单元思路torch实现四、LSTMtorch实现五、DeepRNN
舒克儿不开飞机·2022-12-02 07:33

李沐系列pytorch框架学习笔记（1）2021-06-22

李牧深度学习笔记物体检测链接:https://github.com/matterport/Mask_RCNNttps://www.csdn.net/在这里插入图片描述安装
幻,梦·2022-12-02 05:08

深度学习笔记其四：深度学习计算和PYTORCH

深度学习笔记其四：深度学习计算和PYTORCH1.层和块1.1自定义块1.2顺序块(Sequential工作原理)1.3在前向传播函数中执行代码1.4效率1.5小结2.参数管理2.1参数访问2.1.1目标参数
泠山·2022-12-01 18:24

【免积分下载】吴恩达 机器学习笔记PDF版v5.5.pdf

下载地址：https://wwe.lanzous.com/i2tcOdy2qmh如果您还需要吴恩达深度学习笔记，请点击：吴恩达Deeplearning深度学习笔记v5.7最新PDF版免积分
江南蜡笔小新·2022-12-01 13:11

深度学习笔记：基于Keras库的MNIST手写数字识别

目录1前言2数据加载和确认¶3构建模型4编译模型5数据预处理¶6训练模型：Fitting/Trainingthemodel7使用训练好的做预测/推断8在测试集上评估模型9Summary1前言本文介绍基于Keras库创建一个最简单的神经网络模型进行MNIST手写数字识别的试验。麻雀虽小五脏俱全，模型虽然简单但是这个试验基本上覆盖了一个深度学习任务的完整流程中各主要的基本步骤。这是深度学习的一个“He
笨牛慢耕·2022-12-01 09:40

深度学习笔记：用卷积神经网络进行MNIST手写数字识别

目录0.前言1.Sequential类vs函数式API1.1基于Sequential类的方式1.2基于函数式API的方式1.3神经网络的参数个数以及每层的数据维度变化2.编译和训练2.1数据加载和预处理2.2用原始的(整数值型)标签进行编译和训练3.模型评价3.1在测试集上的表现3.2出错的样本长啥样？4用分类编码(CategoricalEncoding)型标签5Summary0.前言上一篇深度学
笨牛慢耕·2022-12-01 09:09

学习沐神课程 自用深度学习笔记05 线性回归&基础优化算法

线性回归&基础优化算法线性回归导入:美国买房价格的影响因素:卧室个数卫生间个数房屋大小据此给出一个价格影响因素记为关键因素成交价记为y权重为w偏差为b关键因素:x1,x2,x3关键因素:x_1,x_2,x_3关键因素:x1,x2,x3y=w1x1+w2x2+w3x3+by=w_1x_1+w_2x_2+w_3x_3+by=w1x1+w2x2+w3x3+b引入线性模型给定n维输入     x=[x1,
Beerand·2022-12-01 08:34

PyTorch深度学习笔记之五（使用神经网络拟合数据）

使用神经网络拟合数据1.人工神经网络1.1神经网络和神经元神经网络：一种通过简单函数的组合来表示复杂函数的数学实体。人工神经网络和生理神经网络似乎都使用模糊相似的数学策略来逼近复杂的函数，因为这类策略非常有效。这些复杂函数的基本构件是神经元。其核心就是给输入做一个线性变换（如乘以一个权重再加上一个常数作为偏置），然后应用一个固定的非线性函数，即激活函数。比如:o=tanh(wx+b)o=tanh(
执假以为真·2022-12-01 08:24

深度学习笔记---卷积层运算

#1.二维数据的卷积运算（对应图像的通道数为1时）直接上图最上方一行表示的是运算总过程，第一个框是输入数据，第二个框是滤波器（权重），它们之间是卷积运算符，第三个框是输出数据。后面四行展示该例卷积运算的分步骤实现：间隔一行或一列，逐步应用滤波器（应用滤波器就是将输入数据的灰框部分与滤波器进行乘积累加运算），然后将计算结果输出到对应位置。#填充的概念在进行卷积层的处理之前，有时要向输入数据的周围填入
武松111·2022-12-01 04:35

JVM深度学习笔记之类加载器

文章有点枯燥但是每个字都是我亲手码的因为这样我才能更好的掌握这些知识，所以耐心看吧，如果你想学习JVM，而不是当一个初级的搬运工或者CRUD工程师。当我们使用java命令运行某个类的main函数时首先通过类加载器将主类加载到JVM。类加载器的流程图如下：其中loadClass的加载过程有一下几步：加载验证准备解析初始化使用和卸载1.加载在硬盘上查找文件并通过IO获取文件字节码，采用懒加载的形式。即
可爱小昂昂·2022-12-01 00:42

吴恩达深度学习笔记——序列模型与循环神经网络（Sequence Models）

深度学习笔记导航前言传送门序列模型（SequenceModels）RecurrentNeuralNetworks（循环神经网络）序列模型符号：以NLP举例循环神经网络基础RNN变体语言模型（重点）基础概念训练过程详解新序列采样
亦梦亦醒乐逍遥·2022-11-30 23:02

深度学习笔记(kaggle泰坦尼克Pytorch简单实现）

2022年6月1日对kaggle中经典案例泰坦尼克进行简单实现，用于熟悉框架。首先对数据进行处理，使其利于神经网络输入#首先对文件进行读取train_data=pd.read_csv('Titanic/train.csv')test_data=pd.read_csv('Titanic/test.csv')#确定输入输出all_features=pd.concat((train_data.iloc[
TAO__HUI·2022-11-30 17:51

零基础入门深度学习笔记-第一课（入门介绍及房价回归案列）

零基础入门深度学习第一课文章目录零基础入门深度学习第一课人工智能与机器学习、深度学习的关系人工智能机器学习深度学习神经网络的基本概念案例：波士顿房价线性回归预测模型模型构建数据处理封装成loaddata函数模型设计训练配置训练过程梯度下降法计算梯度使用Numpy进行梯度计算计算梯度总代码确定损失函数更小的点封装train函数训练扩展到全部参数随机梯度下降法飞浆高层API重写代码数据处理模型设计训练
系统随机·2022-11-30 15:08

【学习周报】深度学习笔记第七周

学习目标：第一周循环神经网络（RecurrentNeuralNetworks）学习内容：目录学习目标：第一周循环神经网络（RecurrentNeuralNetworks）1.1常见的序列模型1.2数学符号（Notation）1.3循环神经网络模型（RecurrentNeuralNetworkModel）1.4通过时间的反向传播（Backpropagationthroughtime）1.5不同类型的
不要卷我啊·2022-11-30 15:18

训练softmax分类器实例_吴恩达深度学习笔记(56)-训练一个 Softmax 分类器

训练一个Softmax分类器(TrainingaSoftmaxclassifier)上一个笔记中我们学习了Softmax层和Softmax激活函数，在这个笔记中，你将更深入地了解Softmax分类，并学习如何训练一个使用了Softmax层的模型。回忆一下我们之前举的的例子，输出层计算出的z^([l])如下，我们有四个分类C=4，z^([l])可以是4×1维向量，我们计算了临时变量t对元素进行幂运算
weixin_39609718·2022-11-30 12:29

深度学习笔记03——浅析Softmax作用

Softmax为一个函数，一般用于处理分类任务中初始输出结果。首先对于一个分类的任务，它的输出一般为一个向量。因为可以通过向量的方式来表示某个类别。比如如下label的三个类别：这个是label结果，不是分类网络的输出结果。而分类网络的输出结果也是一个向量，只是这个向量里面的值可以为任何值，即不是像label一样这么有规律。我们知道我们需要用分类网络的输出结果和label进行crossentrop
Dopamine 21·2022-11-30 08:41

深度学习笔记-------KNN算法

1.基础知识了解Sklearn库请参考：非常详细的sklearn介绍_机器学习算法那些事的博客-CSDN博客_sklearn2.KNN实战应用KNN算法求病人癌症检测的正确率importcsvimportrandom#读取数据withopen(".\Prostate_Cancer.csv","r")asf:render=csv.DictReader(f)datas=[rowforrowinrend
头秃小程·2022-11-30 03:08

深度学习笔记丨李沐深度学习课程kaggle竞赛——加利福尼亚房价预测（我的第一个深度学习项目）

记录作为小白的第一个深度学习项目。1kaggle竞赛题目Thetaskistopredicthousesalepricesbasedonthehouseinformation,suchas#ofbedrooms,livingareas,locations,near-byschools,andthesellersummary.ThedataconsistofhousessoldinCaliforni
juehuan1999·2022-11-29 13:32

PyTorch深度学习笔记（十四）神经网络-搭建小实战和Sequential的使用

课程学习笔记，课程链接Sequential是一个时序容器。Modules会以他们传入的顺序被添加到容器中。包含在PyTorch官网中torch.nn模块中的Containers中，在神经网络搭建的过程中如果使用Sequential，代码更简洁。搭建上述神经网络的具体代码如下。importtorchfromtorchimportnnfromtorch.nnimportConv2d,MaxPool2d
小于同学饿了·2022-11-29 11:52

PyTorch深度学习笔记（十九）神经网络模型训练实战

课程学习笔记，课程链接神经网络模型训练的一般步骤总结如下。1、根据需要搭建神经网络模型，创建相应的class类，并将模型保存为model.py文件；2、创建train.py文件，在train.py文件中执行下述第3-21步操作；3、创建训练数据集和测试数据集：train_data、test_data；4、分别求解训练数据集和测试数据集的长度：train_data_size、test_data_si
小于同学饿了·2022-11-29 11:52

【深度学习笔记】task3 神经网络八股

深度学习3.1搭建神经网络八股sequential3.1.1Sequential3.1.2compile配置神经网络训练方法3.1.3fit函数3.1.4summary3.1.5使用六步法复现鸢尾花数据集的训练过程3.2搭建网络八股class3.3MNIST数据集3.4Fashion数据集依依旧是跟着曹健老师的课程学习，终于来到精华部分了，之前又臭又长的代码们getouthttps://www.b
一一张xi·2022-11-29 08:30

神经网络与深度学习笔记 Chapter 1.

转载请注明出处：http://www.cnblogs.com/zhangcaiwang/p/6875533.htmlsigmoidneuron微小的输入变化导致微小的输出变化，这种特性将会使得学习称为可能。但是在存在感知器的网络中，这是不可能的。有可能权重或偏置（bias)的微小改变将导致感知器输出的跳跃（从0到1），从而导致此感知器后面的网络以一种难以理解的方式发生巨大的改变。解决这一问题就要使
dashu5943·2022-11-29 05:15
上一页 7 8 9 10 11 12 13 14 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他