- 文章目录 前言最小化代价函数正则化在神经网络中的 L ... 文章目录 前言最小化代价函数正则化在神经网络中的 L ...
- 激活函数 为什么使用激活函数？ 线性激活函数一般用于输出。如果使用线性方程，而不使用激活函数，那么神经网络不管多少层，它的输出就仅仅是输入函数的线性变化 ReLu 又称为整流线性单元函数，表达... 激活函数 为什么使用激活函数？ 线性激活函数一般用于输出。如果使用线性方程，而不使用激活函数，那么神经网络不管多少层，它的输出就仅仅是输入函数的线性变化 ReLu 又称为整流线性单元函数，表达...
- 第一周测验 Introduction to Deep Learning 1.What does the analogy “AI is the new electricity” refer to? AI... 第一周测验 Introduction to Deep Learning 1.What does the analogy “AI is the new electricity” refer to? AI...
- 文章目录 前言什么是高偏差，高方差利用数据集误差判断拟合情况处理方式看模型在训练集上的表现看模型在开发集上的表现 后记 前言 这篇文章的内容主要是偏差与方差的相关解释 什么是高... 文章目录 前言什么是高偏差，高方差利用数据集误差判断拟合情况处理方式看模型在训练集上的表现看模型在开发集上的表现 后记 前言 这篇文章的内容主要是偏差与方差的相关解释 什么是高...
- 文章目录 前言机器学习介绍Question：人工智能，机器学习，深度学习，特征工程的关系？Question：机器学习的类别？Question：回归的主要应用？Question：什么是损失函数？Qu... 文章目录 前言机器学习介绍Question：人工智能，机器学习，深度学习，特征工程的关系？Question：机器学习的类别？Question：回归的主要应用？Question：什么是损失函数？Qu...
- 文章目录 前言结构化数据与非结构化数据的区别结构化数据非结构化数据 图片的矩阵表示输入输出格式Logistic Regression逻辑回归Gradient Descent梯度下降后记 ... 文章目录 前言结构化数据与非结构化数据的区别结构化数据非结构化数据 图片的矩阵表示输入输出格式Logistic Regression逻辑回归Gradient Descent梯度下降后记 ...
- 逻辑回归简介 逻辑回归虽然名称有回归两字，但是用来做分类算法的，大家都熟悉线性回归，一般形式是 Y ... 逻辑回归简介 逻辑回归虽然名称有回归两字，但是用来做分类算法的，大家都熟悉线性回归，一般形式是 Y ...
- 生成对抗网络主要分为生成器网络和判别器网络。 生成器网络：他以一个随机向量（潜在空间的一个随机点）作为输入，并将其解码成一张合成图像。判别器网络：以一张图像（真实的或合成的均可）作为输入，并预测该图像是来自训练集还是生成器网络创建。 本节将会介绍如何用 Keras 来实现形式最简单的 GAN。GAN 属于高级应用，所以本书不会深入介绍... 生成对抗网络主要分为生成器网络和判别器网络。 生成器网络：他以一个随机向量（潜在空间的一个随机点）作为输入，并将其解码成一张合成图像。判别器网络：以一张图像（真实的或合成的均可）作为输入，并预测该图像是来自训练集还是生成器网络创建。 本节将会介绍如何用 Keras 来实现形式最简单的 GAN。GAN 属于高级应用，所以本书不会深入介绍...
- 要解决的问题 1、RCNN和SPPnet分多步训练，先要fine tuning一个预训练的网络，然后针对每个类别都训练一个SVM分类器，最后还要用regressors对bounding-box进行回归，另外region proposal也要单独用selective search的方式获得，步骤比较繁琐。 2、时间和内存消耗比较大。... 要解决的问题 1、RCNN和SPPnet分多步训练，先要fine tuning一个预训练的网络，然后针对每个类别都训练一个SVM分类器，最后还要用regressors对bounding-box进行回归，另外region proposal也要单独用selective search的方式获得，步骤比较繁琐。 2、时间和内存消耗比较大。...
- 模拟退火算法基本思想 现代的模拟退火算法形成于20世纪80年代初，其思想源于固体的退火过程，即将固体加热至足够高的温度，再缓慢冷却。升温时，固体内部粒子随温度升高变为无序状，内能增大，而缓慢冷却时粒子又逐渐趋于有序，从理论上讲，如果冷却过程足够缓慢，那么冷却中任一温度时固体都能达到热平衡，而冷却到低温时将达到这一低温下的内能最小状态。... 模拟退火算法基本思想 现代的模拟退火算法形成于20世纪80年代初，其思想源于固体的退火过程，即将固体加热至足够高的温度，再缓慢冷却。升温时，固体内部粒子随温度升高变为无序状，内能增大，而缓慢冷却时粒子又逐渐趋于有序，从理论上讲，如果冷却过程足够缓慢，那么冷却中任一温度时固体都能达到热平衡，而冷却到低温时将达到这一低温下的内能最小状态。...
- 粒子群算法（PSO）基本思想 粒子群（PSO）算法最早是由美国电气工程师Eberhart和社会心理学家Kennedy在1995年基于群鸟觅食提出来的。 群鸟觅食其实是一个最佳决策的过程， 与人类决策的... 粒子群算法（PSO）基本思想 粒子群（PSO）算法最早是由美国电气工程师Eberhart和社会心理学家Kennedy在1995年基于群鸟觅食提出来的。 群鸟觅食其实是一个最佳决策的过程， 与人类决策的...
- # Title文章标题 VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION # Summary 网络架构如下图： 卷积神经网络的输入是一个固定大小的224×224 RGB图像。做的唯一预处理是从每个像素中减去在训练集上计算的RGB平均值。图像通... # Title文章标题 VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION # Summary 网络架构如下图： 卷积神经网络的输入是一个固定大小的224×224 RGB图像。做的唯一预处理是从每个像素中减去在训练集上计算的RGB平均值。图像通...
- 一、One—Hot编码 计算机在表示多结果的分类时，使用One-Hot编码是比较常见的处理方式。即每个对象都有对应的列。 二、最大似然率 下面是两幅图像，比较两幅图像，试通过概率的方法来讨论一下为什么右边的模型会更好。 假设第一幅图像的每个点是对应颜色的概率为下图： 如果假设点的颜色是相互独立的，则整个图表的概率为... 一、One—Hot编码 计算机在表示多结果的分类时，使用One-Hot编码是比较常见的处理方式。即每个对象都有对应的列。 二、最大似然率 下面是两幅图像，比较两幅图像，试通过概率的方法来讨论一下为什么右边的模型会更好。 假设第一幅图像的每个点是对应颜色的概率为下图： 如果假设点的颜色是相互独立的，则整个图表的概率为...
- 对输入的标准化（浅层模型） 处理后的任意一个特征在数据集中所有样本上的均值为0、标准差为1。 标准化处理输入数据使各个特征的分布相近 批量归一化（深度模型） 利用小批量上的均值和标准差，不断调整神经... 对输入的标准化（浅层模型） 处理后的任意一个特征在数据集中所有样本上的均值为0、标准差为1。 标准化处理输入数据使各个特征的分布相近 批量归一化（深度模型） 利用小批量上的均值和标准差，不断调整神经...
- 无监督分类（聚类） 该ee.Clusterer包处理Earth Engine 中的无监督分类（或 聚类）。这些算法目前基于Weka 中的同名算法。Clusterer代码编辑器中的参考文档中提供了有关每个的更多详细信息。 聚类器的使用方式与地球引擎中的分类器相同。聚类的一般工作流程是： 组合具有数字属性的特... 无监督分类（聚类） 该ee.Clusterer包处理Earth Engine 中的无监督分类（或 聚类）。这些算法目前基于Weka 中的同名算法。Clusterer代码编辑器中的参考文档中提供了有关每个的更多详细信息。 聚类器的使用方式与地球引擎中的分类器相同。聚类的一般工作流程是： 组合具有数字属性的特...
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
关于RISC-V生态发展的思考2025/09/02 周二 17:00-18:00
中国科学院计算技术研究所副所长包云岗教授
中科院包云岗老师将在本次直播中，探讨处理器生态的关键要素及其联系，分享过去几年推动RISC-V生态建设实践过程中的经验与教训。
回顾中 -
一键搞定华为云万级资源，3步轻松管理企业成本2025/09/09 周二 15:00-16:00
阿言 华为云交易产品经理
本直播重点介绍如何一键续费万级资源，3步轻松管理成本，帮助提升日常管理效率！
回顾中
热门标签