lstm神经网络

Pytorch 对比TensorFlow 学习：Day 17-18: 循环神经网络（RNN）和LSTM

Day17-18:循环神经网络（RNN）和LSTM在这两天的学习中，我专注于理解循环神经网络（RNN）和长短期记忆网络（LSTM）的基本概念，并学习了它们在处理序列数据时的应用。
M.D·2024-01-20 06:26

**PyTorch月学习计划 - 第一周；第6-7天: 自动梯度（Autograd）**

在神经网络训练中，它用于计算损失函数相对于模型参数的梯度。计算图：计算图是表示数学表达式的图形方法，其中节点表示数
M.D·2024-01-20 06:56

Pytorch 与 Tensorflow对比学习 第3周：进阶主题 Day 15-16: 卷积神经网络（CNN）

第3周：进阶主题Day15-16:卷积神经网络（CNN）在这两天中，我专注于学习卷积神经网络（CNN）的基础知识，包括卷积层和池化层的工作原理以及它们在图像处理中的应用。
M.D·2024-01-20 06:56

GNN动手实践(三)：适用于同配图和异配图的高效图神经网络——H2GCN

一.前言H2GCN\text{H}_{2}\text{GCN}H2GCN是NeurIPS2020上发表的论文《BeyondHomophilyinGraphNeuralNetworks:CurrentLimitationsandEffectiveDesigns》所提出来的一个同时适用于同配图和异配图的GNN模型。该模型官方也开源了相应的源码（Github），但是作者是基于Tensorflow实现的，
斯曦巍峨·2024-01-20 06:52

【Pytorch】搭建一个简单的泰坦尼克号预测模型

通过这个项目，你会学到如何使用PyTorch框架创建神经网络、进行数据预处理和训练模型。我们将探讨如何处理泰坦尼克号数据集，设计并训练一个神经网络，以预测乘客是否在灾难中幸存。
Avasla·2024-01-20 06:19

Pytorch学习第二周--Day 12-13: 构建你的第一个神经网络

Day12-13:构建你的第一个神经网络在这两天里，我动手实践构建了我的第一个神经网络，目的是解决一个基本的分类问题。
M.D·2024-01-20 06:16

复现图神经网络（GNN）论文的过程以及PyTorch与TensorFlow对比学习

复现图神经网络（GNN）论文的过程通常包括以下几个步骤：一、理解论文内容：首先彻底理解论文，包括其理论基础、模型架构、使用的数据集、实验设置和得到的结果。
M.D·2024-01-20 06:16

Pytorch第2周：深度学习基础 - Day 8-9: 神经网络基础

Pytorch第2周：深度学习基础-Day8-9:神经网络基础学习目标：理解神经网络的基础概念。学习如何使用PyTorch的nn模块构建神经网络。
M.D·2024-01-20 06:16

卷积神经网络入门

三、卷积神经网络4、ResNet18识别草书实战4.1数据展示4.2导入的库4.3数据预处理部分4.4切割数据集并定义数据加载器4.5训练网络4.6可视化损失函数、精度变化总结前言近年来,卷积神经网络(
朱笨笨·2024-01-20 05:47

SuperPoint和SuperGlue 的算法介绍及学习应用经验分享

这里写目录标题I.SuperPoint和SuperGIue的背景介绍特征点提取和匹配特征点的构成基于神经网络的方法优化方向一：增强特征点检测和描述子生成优化方向二：增强匹配和外点去除策略背景和效果神经网络真的优于传统方案吗
醉酒柴柴·2024-01-20 03:00

行为检测论文笔记【综述】基于深度学习的行为检测方法综述

对这些方法进行了全面的梳理和总结，介绍了行为检测任务的详细定义和面临的主要挑战;从时序行为检测和时空行为检测2个方面对相关文献做了细致地分类，综合分析了每一类别中不同研究方法的思路和优缺点，并阐述了基于弱监督学习、图卷积神经网络
计算机视觉-杨帆·2024-01-20 03:26

Tensorflow2.0笔记 - 不使用layer方式，简单的MNIST训练

本笔记不使用layer相关API，搭建一个三层的神经网络来训练MNIST数据集。前向传播和梯度更新都使用最基础的tensorflowAPI来做。
亦枫Leonlew·2024-01-20 03:20

介绍 TensorFlow 的基本概念和使用场景

它能够实现各种机器学习模型的训练和推理，包括神经网络、决策树、支持向量机等。TensorFlow的基本概念是张量（Tensor）和计算图（Graph）。
雪梅零落·2024-01-20 03:13

（2023版）斯坦福CS231n学习笔记：DL与CV教程 (12) | 视觉模型可视化与可解释性（Visualizing and Understanding）

前言笔记专栏：斯坦福CS231N：面向视觉识别的卷积神经网络（23）课程链接：https://www.bilibili.com/video/BV1xV411R7i5CS231n:深度学习计算机视觉（2017
女王の专属领地·2024-01-20 01:15

loss函数之NLLLoss，CrossEntropyLoss

对于包含个样本的batch数据，是神经网络的输出，并进行归一化和对数化处理。是样本对应的类别标签，每个样本可能是种类别中的一个。
ltochange·2024-01-20 00:18

推荐系统模型(一) DFN 详解 Deep Feedback Network for Recommendation

腾讯在DeepFeedbackNetworkforRecommendation一文中，提出了一个新颖的推荐系统模型，该模型使用了一个新的神经网络框架，考虑了用户显式/隐式的正负反馈，通过大量的实验证实了该模型的有效性和鲁棒性
WitsMakeMen·2024-01-20 00:42

分类预测 |基于核主成分分析-改进蜣螂算法优化最小二乘支持向量机KPCA-IDBO-LSSVM的分类预测算法研究 Matlab实现

更多Matlab完整代码及仿真定制内容点击智能优化算法神经网络预测雷达通信无线传感器电力系统信号处理图像处理路径规划元胞自动机无人机内容介绍在机器学习领域，支持向量机（SVM）是一种常用的分类和回归方法
matlab科研助手·2024-01-19 23:16

分类预测 | Matlab实现KPCA-IDBO-LSSVM基于核主成分分析-改进蜣螂算法优化最小二乘支持向量机的分类预测

更多Matlab完整代码及仿真定制内容点击智能优化算法神经网络预测雷达通信无线传感器电力系统信号处理图像处理路径规划元胞自动机无人机内容介绍在机器学习领域，支持向量机（SVM）是一种常用的分类和回归方法
机器学习之芯·2024-01-19 23:46

Matlab KPCA-ISSA-SVM基于核主成分分析和改进麻雀搜索算法优化支持向量机的分类组合预测...

更多Matlab完整代码及仿真定制内容点击智能优化算法神经网络预测雷达通信无线传感器电力系统信号处理图像处理路径规划元胞自动机无人机内容介绍在机器学习领域中，支持向量机(SupportVectorMachine
Matlab科研辅导帮·2024-01-19 23:46

多输入多输出 | Matlab实现ISSA-CNN-BiGRU-Attention基于改进麻雀算法优化卷积-长短期记忆神经网络结合SE注意力机制的多输入多输出回归预测

多输入多输出|Matlab实现ISSA-CNN-BiGRU-Attention基于改进麻雀算法优化卷积-长短期记忆神经网络结合SE注意力机制的多输入多输出回归预测目录多输入多输出|Matlab实现ISSA-CNN-BiGRU-Attention
机器学习之心·2024-01-19 23:45

【话题】自然语言处理的发展

深度学习是一种基于神经网络的机器学习方法，它能够通过大规模的数据训练模型，从而在各种NLP任务中取得更好的性能。另外，预训练模型的兴起也为N
RisunJan·2024-01-19 23:39

YoloV5改进策略：BAM瓶颈注意力模块|BAM详解以及代码注释|CBAM姊妹篇|有效涨点

论文：《BAM:瓶颈注意力模块》https://arxiv.org/pdf/1807.06514.pdf近期深度神经网络的进展主要通过架构搜索来增强其表示能力。
静静AI学堂·2024-01-19 19:24

YOLOv8改进 | 主干篇 | 华为移动端模型Ghostnetv1改进特征提取网络

一、本文介绍本文给大家带来的改进机制是华为移动端模型Ghostnetv1，华为的GhostNet是一种轻量级卷积神经网络，旨在在计算资源有限的嵌入式设备上实现高性能的图像分类。
Snu77·2024-01-19 19:45

（一）深度学习入门：感知机模型

感知机定义二、感知机与逻辑电路三、感知机的局限性四、感知机的优越性前言感知机是深度学习算法的基本单元，本文简单介绍了感知机的定义，探究了感知机与逻辑门电路之间的联系，在此基础上解释了感知机的局限性和优越性，为神经网络的学习提供了先备知识
油炸大聪明·2024-01-19 17:04

（二）深度学习入门：神经网络的前向传播

目录前言一、神经网络的基本结构二、激活函数三、神经网络输出层的设计前言上一篇我们解决了感知机模型的基本定义和应用，本次我们在感知机的基础上探讨感知机构成神经网络的一些细节，了解神经网络前向传播的过程，重点理解激活函数存在的意义
油炸大聪明·2024-01-19 17:33

【昇思技术公开课笔记-大模型】Transformer理论知识

什么是TransformerTransformer是一种神经网络结构，由Vaswani等人在2017年的论文“AttentionIsAllYouNeed”中提出，用于处理机器翻译、语言建模和文本生成等自然语言处理任务
JeffDingAI·2024-01-19 16:21

多特征变量序列预测(四)Transformer-BiLSTM风速预测模型

目录往期精彩内容：前言1多特征变量数据集制作与预处理1.1导入数据1.2数据集制作与预处理2基于Pytorch的Transformer+BiLSTM预测模型2.1定义Transformer+BiLSTM
建模先锋·2024-01-19 16:07

pytorch踩坑之model.eval()和model.train()输出差距很大

每次训练结束后进行验证集的推理测试；对于含有dropout和batchnorm层的神经网络在推理前需要用model.eval()设置dropout和batchnorm的冻结。
ZhengHsin·2024-01-19 15:24

Python+OpenCV+OpenPose实现人体姿态估计（人体关键点检测）

目录1、人体姿态估计简介2、人体姿态估计数据集3、OpenPose库4、实现原理5、实现神经网络6、实现代码1、人体姿态估计简介人体姿态估计(HumanPostureEstimation)，是通过将图片中已检测到的人体关键点正确的联系起来
weixin_44079197·2024-01-19 15:56

Python数据分析案例37——基于分位数神经网络(QRNN)的汇率预测

之前写过分位数随机森林，分位数XGboost，分位数Lightgbm的文章：Xgboost和Lightgbm结合分位数回归(机器学习与传统统计学结合)本次带来一个小案例，分位数神经网络，神经网络是最简单的
阡之尘埃·2024-01-19 14:09

AI大模型里经常提到的“炼丹”、“挖矿”、“蒸馏”是什么意思？

“炼丹”、“挖矿”、“蒸馏”这些术语都来自于机器学习和深度学习领域，特别是在训练大型神经网络模型时常用到。炼丹：这是一个来自中国的网络用语，原意是道教中的炼金术，用来寻求长生不老的药丹。
AI明说·2024-01-19 14:02

R语言--ELM极限学习机（elmNNRcpp包）

极限学习机(ExtremeLearningMachine)是一种单隐含层前馈神经网络(Single-hiddenLayerFeedforwardNeuralNetwork)。特点是输入层和隐含层的连接
FTDdata·2024-01-19 14:13

【知识---深度学习中的Softmax说明及使用】

这通常用于神经网络的输出层，以获得每个类别的概率。Softm
fyc300·2024-01-19 14:24

[SS]语义分割_转置卷积

2、运算步骤二、常见参数一、概念1、定义转置卷积（TransposedConvolution），也被称为反卷积（Deconvolution）或逆卷积（InverseConvolution），是一种卷积神经网络中常用的操作
IAz-·2024-01-19 14:22

如何提升大模型的推理和规划能力：思维链 CoT + 由少至多提示 Least-to-Most Prompting

2021年，OpenAI在训练神经网络过程中有一个意外发现。神经网络他可以很好地模仿现有的数据，很少犯错误。
Debroon·2024-01-19 13:01

idx-ubyte文件解析

2017-11-1902:19Mnist手写数字数据库是著名的神经网络入门级训练集，它图像文件的后缀名一般为idx3-ubyte,图像标签文件后缀名为idx1-ubyte。
lindorx·2024-01-19 12:12

YOLOv8改进 | 融合改进篇 | 华为VanillaNet + BiFPN突破涨点极限

一、本文介绍本文给大家带来的改进机制是华为VanillaNet主干配合BiFPN实现融合涨点，这个主干是一种注重极简主义和效率的神经网络我也将其进行了实验，其中的BiFPN不用介绍了从其发布到现在一直是比较热门的改进机制
Snu77·2024-01-19 12:36

多模型图像特征可视化

卷积可视化可以帮助深度学习研究者更好地理解卷积的概念和原理，从而更好地设计和优化卷积神经网络。
伪_装·2024-01-19 11:31

IMDB电影评论的情感分析——paddle

项目地址：IMDB电影评论的情感分析-飞桨AIStudio星河社区(baidu.com)1.实验介绍1.1实验目的理解并掌握循环神经网络的基础知识点，包括模型的时序结构、模型的前向传播、反向传播等掌握长短时记忆网络
伪_装·2024-01-19 11:23

机器学习-滑窗

一种采用时间敏感网络，例如LSTM。直接将时间序列数据作为特征输入。另一种是先进行特征工程，将时间序列数据切段，对每段内的时间序列数据进行特征提取。再将众多特征作为常规机器学习算法的输入。
dufudouhenmang·2024-01-19 11:44

【CNN】卷积神经网络CNN输出特征图计算+参数量计算+计算量计算

目录一、输出特征图大小计算1.一维（通道）输入数据1.1步长stride为1，padding为01.2增加步长stride，padding不动1.3增加步长stride，同时还增加padding2.n维（通道）输入数据二、卷积网络参数量计算2.1权重weights的参数量：2.2偏差bias的参数量：2.3总参数量就为：三、卷积网络计算量计算一、输出特征图大小计算1.一维（通道）输入数据假设输入图
桐秋廿·2024-01-19 11:03

Keras学习记录

Keras学习笔记keras.iokeras.io-zhkeras-cnKeras是一个高层神经网络API，Keras由纯Python编写而成并基Tensorflow、Theano以及CNTK后端．Keras
深思海数_willschang·2024-01-19 11:28

表示学习内容摘录 《深入浅出神经网络：GNN原理解析》

4.1.1表示学习的意义机器学习算法的性能严重依赖于数据的特征，因此在传统机器学习中，大部分的工作都在于数据的处理和转换上，以期得到好的特征使得机器学习算法更有效。这样的特征工程是十分费时费力的，这也暴露了传统机器学习方法中存在的问题，这些方法没有能力从数据中去获得有用的知识，而特征工程的目的则是将人的先验知识转化为可以被机器学习算法识别的特征，以弥补其自身的缺点。如果存在一种可以从数据中得到有判
认知计算_茂森·2024-01-19 11:25

机器学习入门总结和各类常用神经网络汇总(第二篇)

（七）GAN（generativeadversarialnetwork）生成式对抗网络GAN的核心为，让一个简单的随机的分布，经过网络的计算后生成一个有规律的分布。例如一张图片或者一段声音。这个网络主要分成两个部分：generator、discriminator。他们两个的工作分别为，一个用于生产图片，另一个用来判断生产出来的图片够不够真实。GAN是很难训练出来的，首先generator和disc
小黄不头秃·2024-01-19 11:20

机器学习（一）—— 简介

参考书籍《机器学习和深度学习：原理、算法、实战》文章目录1工业界流行的机器学习算法2机器学习3深度学习4预备知识5监督学习与无监督学习1工业界流行的机器学习算法线型回归逻辑回归决策树随机森林梯度提升机人工神经网络卷积神经网络循环神经网络贝叶斯技术支持向量机进化方法马尔可夫逻辑网络隐马尔可夫模型生成对抗网络
奶盖加芝士·2024-01-19 10:15

神经网络算法 - 一文搞懂自然语言处理

目录一、NLP的本质二、NLP的原理三、NLP的应用一、NLP的本质核心逻辑：NLP就是人类和机器之间沟通的桥梁！NLP（自然语言处理）定义：NLP是一种机器学习技术，使计算机能够解读、处理和理解人类语言。语言翻译与沟通的桥梁：人类通过语言来交流，狗通过汪汪汪来交流。机器也有自己的交流方式，那就是数字信息。不同的语言之间是无法沟通的，需要翻译才能交流，NLP就是人类和机器之间沟通的桥梁！为什么NL
之乎者也··2024-01-19 09:42

ResNet

目录一、ResNet介绍1、深度网络的退化问题2、退化问题的应对方式(残差学习)3、ResNet的网络结构二、代码实现1、ResNet块2、ResNet-18模型3、训练模型一、ResNet介绍残差神经网络
奉系坤阀·2024-01-19 09:50

Python数据分析案例36——基于神经网络的AQI多步预测(空气质量预测)

案例背景不知道大家发现了没，现在的神经网络做时间序列的预测都是单步预测，即(需要使用X的t-n期到X的t-1期的数据去预测X的t期的数据)，这种预测只能预测一个点，我需要预测X的t+1期的数据就没办法了
阡之尘埃·2024-01-19 08:36

李沐《动手学深度学习》线性神经网络 softmax回归

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目录系列文章一、softmax回归（一）问题背景（二）网络架构
丁希希哇·2024-01-19 08:36

一个简单的KNN实现方法

对于许多离散问题，经过神经网络解决再通过softmax之后每一个值在[0,1]之间的连续变量，想要将其离散化，即离散化到每个元素都是binary-variable，即0-1，这时可以用KNN方法，其实就是找到与这个向量的方差最小的
远离科研，保命要紧·2024-01-19 08:03
上一页 31 32 33 34 35 36 37 38 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他