<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Stuart_X的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Stuart_X</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Stuart_X]]></copyright><item><title><![CDATA[Datawhale X 李宏毅苹果书AI夏令营 深度学习入门 Task2 学习笔记]]></title><link>https://blog.youkuaiyun.com/Stuart_X/article/details/141750856</link><guid>https://blog.youkuaiyun.com/Stuart_X/article/details/141750856</guid><author>Stuart_X</author><pubDate>Sat, 31 Aug 2024 12:27:22 +0800</pubDate><description><![CDATA[函数类型Sigmoid计算由于涉及指数运算，因此成本较高快速梯度消失问题存在梯度消失的问题不易出现梯度消失现象函数范围(0,1)(0,1)使用场景适用于精确概率建模适用于实时系统学习效率较慢较快概率精度高相对低。]]></description><category></category></item><item><title><![CDATA[Datawhale X 李宏毅苹果书AI夏令营 深度学习入门 Task1 学习笔记]]></title><link>https://blog.youkuaiyun.com/Stuart_X/article/details/141565688</link><guid>https://blog.youkuaiyun.com/Stuart_X/article/details/141565688</guid><author>Stuart_X</author><pubDate>Mon, 26 Aug 2024 15:44:42 +0800</pubDate><description><![CDATA[回归任务的目标是找到一个输出为数值的函数。例如预测未来某天的空气质量（PM2.5）的数值，输入为当前的相关环境指标（如温度、污染物浓度等），输出是未来某个时间点的PM2.5数值。例如，语音识别系统根据声音信号生成对应文字，背后需要的就是一个复杂的函数。首先，随机选择参数初始值，然后通过计算损失函数的梯度，逐步调整参数，直到找到使损失最小的参数值。机器输出的结果不仅仅是一个数值或类别，而是一个复杂的结构。深度学习（DL）：是机器学习的一个分支，主要依赖于神经网络，能够处理更复杂的任务。𝑥1是当天的观看次数。]]></description><category></category></item></channel></rss>