- 博客(4)
- 收藏
- 关注
RSS订阅原创 厦大研究生课程：神经网络设计-实验（mnist、cifar10）
本文通过三个实验系统研究了神经网络模型的设计与优化方法。实验1使用MLPClassifier进行手写数字分类，结果表明学习率0.01、单隐藏层100节点的网络结构性能最佳（准确率97.5%）。实验2采用MLPRegressor预测学生成绩，发现特征标准化对模型性能影响显著，标准化处理后的MSE降低至0.2219。实验3对比了MLP和CNN在CIFAR-10分类任务中的表现，CNN凭借参数共享和空间特征提取优势取得72%准确率，显著优于MLP的52%。研究还探讨了过拟合问题，提出通过正则化、数据增强和早停等策
2025-12-10 11:20:33
733
原创 利用机器学习实现良/恶性乳腺癌诊断
通过分析特征之间的相关性，选择一组具有代表性的特征，从而减少特征冗余，提高模型的效率和性能。接下来，代码根据选择出的代表性特征构造了一个新的特征集，并将目标变量（标签）添加到新的特征集中。使用支持向量机（SVM）模型对不同核函数（线性核、多项式核、高斯核和 Sigmoid 核）进行参数调优和性能评估，特别是针对高斯核（RBF 核）和 Sigmoid 核的 gamma 参数进行搜索，以找到最佳的 gamma 值。）最相关的特征，从而减少数据的维度，降低模型的复杂度，同时提高模型的训练效率和预测性能。
2025-12-10 11:14:14
999
原创 服务器部署UMamba分割MRI：causal_conv1d和mamba_ssm离线下载（pip不可用）、修改batch_size和epoch
本文介绍了mamba_ssm和causal-conv1d库的离线安装步骤，以及UMamba模型的参数修改方法。首先详细说明了如何下载匹配CUDA、Torch和Python版本的安装包，并提供了检查ABI设置的代码。然后指导通过pip安装下载的whl文件。最后指出修改UMamba模型参数（batchsize和epoch）的具体文件路径，包括nnUNetPlans.json和nnUNetTrainer.py两个配置文件。整个流程涵盖了从库安装到模型参数调整的关键步骤。
2025-11-24 17:27:34
261
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人