学习笔记（2):讲给入门者的深度学习-无监督学习

最新推荐文章于 2025-11-25 14:31:30 发布
转载 最新推荐文章于 2025-11-25 14:31:30 发布 · 227 阅读 · 0
文章标签：

#深度学习 #人工智能 #实例 #函数

期待更多深度学习课程，特别是结合实际案例讲解，强调实践应用而非过多理论，帮助学习者快速上手解决实际问题。
深度学习知识点全面总结
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
01-05 36万+
本文详细介绍深度学习概念及原理，参考网上相关资料汇总，内容包含众多章节，包括神经网络基础及常见深度学习网络结构介绍，用于个人学习总结，适合深度学习初学者学习。同时介绍机器学习常见的分类算法：SVM、神经网络、随机森林、逻辑回归、KNN、贝叶斯。常见的监督学习算法：感知机、SVM、人工神经网络、决策树、逻辑回归.........
NVIDIA深度学习基础-理论与实践入门课程笔记及测验参考代码
一只快乐的小蒟蒻~
12-20 2701
NVIDIA深度学习基础-理论与实践入门课程笔记及测验参考代码。
深度学习－无监督学习(2)
weixin_38498942的博客
09-17 1152
一、简介 接续上一节我们对无监督学习的介绍，接下来我们将对其中的两大模块展开介绍，在介绍之前会对流行数据让大家有一定的了解。 二、无监督学习 数据流形： 流形学习的目标是在保持特征特性的同时，将原来位于高维空间中的数据嵌入到低维空间中。这是可能的，因为要使任何高维数据有趣，它必须本质上是低维的。例如，人脸图像可能被表示为高维空间中的点（假设您的相机具有5MP，因此考虑到每个像素由三个值[r，g，b]组成，您的图像位于15M维空间中），但并非每张5MP图像都是一张脸。在此高维空间中，人脸位于子流形上。 子流形
李宏毅机器学习——无监督学习(四)
日积月累，天道酬勤
02-17 761
引言 本文主要介绍深度自动编码器(Deep Auto encoder)，做的事情还是降维，不过降维的时候是使用神经网络。 自动编码器 把很多隐藏层的神经网络当成编码器，输入一个图像后能得到一个编码。比如传入784维的手写数字，得到的编码通常会小于784维。 现在问题是我们如何得到这样一个编码器呢。要训练这个编码器我们需要同时训练一个解码器，能更加编码解码成原来的784维图像数据。 这件事情其实...
深度学习与PyTorch入门实战教程
01-30
亚洲排名第1的新加坡国立大学AI团队倾情打造，资深研究员龙龙老师主讲，帮助人工智能、深度学习初学者快速、深刻理解深度学习算法原理与实践。【莫烦老师】权威推荐：在教学中，龙龙老师以简短高效的方式，从深度学习的多个角度向我们展开了论述，非常适合想对深度学习有全方位了解的朋友。【PyTorch中文网】：讲解简单易懂、由浅入深，是一门值得推荐的课程。课程特色：1. 通俗易懂，快速入门对深度学习算法追本溯源、循序渐进式讲解，学员不需要任何机器学习基础，只需要写过代码即可轻松上手。2. 实用主导，简单高效使用新手最容易掌握的深度学习框架PyTorch实战，比起使用TensorFlow的课程难度降低了约50%，而且PyTorch是业界最灵活，最受好评的框架。3. 案例为师，实战护航基于计算机视觉和NLP领域的经典数据集，从零开始结合PyTorch与深度学习算法完成多个案例实战。4. 持续更新，永久有效一次购买，永久有效。深度学习课程会持续更新下去，内容和学术界最前沿算法保持同步。
无监督深度学习图像分类思路
NEVERGUVEIP的博客
06-15 1万+
原址：     https://blog.youkuaiyun.com/m0_37160535/article/details/79790860非监督分类——非监督分类只能把样本区分为若干类别，而不能给出样本的描述，（以什么标准来聚类呀）如果有具体的分类标准，这和监督学习有啥区别，卷积神经网络训练就是训练滤波器。举个例子，狗和猫的分类，如果一开始的聚类标准是都有四条腿，那它们属于一类呀。无监督学习一开始的分类...
深度学习－无监督学习(1)
weixin_38498942的博客
09-17 6135
一、简介 如前几节内容所述，无监督学习是关于在没有标签信息的情况下学习信息。这里的“信息”一词表示“结构”，例如，即使您不知道这些组的含义，您也想知道数据集中有多少组。此外，我们还使用无监督学习来可视化您的数据集，以便尝试从数据中学习一些见解。 二、未标记的数据示例 考虑以下数据集（X具有2个特征）： 一种称为“聚类”的无监督学习算法用于推断数据集中有多少个不同的组。 在这里，我们仍然不知道这些组的含义，但是我们知道有4个组看起来非常不同。 在这种情况下，我们选择一个低维数据集，但在现实生活中，它可能是
强化学习极简入门：通俗理解MDP、DP MC TD和Q学习、策略梯度、PPO
热门推荐
结构之法 算法之道
02-10 11万+
强化学习里面的概念、公式，相比ML/DL特别多，初学者刚学RL时，很容易被接连不断的概念、公式给绕晕，而且经常忘记概念与公式符号表达的一一对应(包括我自己在1.10日之前对好多满是概念/公式的RL书完全看不下去，如今都看得懂了，故如果读文本之前，你正在被RL各种公式困扰，相信看完这篇RL极简入门后就完全不一样了)。
《吴恩达深度学习》学习笔记（上）
weixin_41554699的博客
02-23 1399
我们把一个有输入和输出的计算单元叫做“神经元”。最简单的神经元就是一个线性函数。比如预测房价和房屋面积的关系时，我们会用一个线性函数去拟合。这个线性函数就是一个神经元。事实上，一个神经元不仅包含一个线性函数，还包括一个激活函数。这里提到了激活函数 ReLU 的概念，其具体内容应该会在后面的课程里介绍。如图所示举例，不同的X变量如房子大小/房间数量/邮编地段 最后会得到一个房价的预测，省去了中间的自己完成推算的过程。在用一个神经元来表示房价和房屋面积的关系时，神经元的输入是房屋面积，输出是房价。而用。
给深度学习研究生的入门建议（未完待续ing）
诸神缄默不语的博客
03-02 1万+
本文介绍深度学习领域研究生可选择的入门路线
（课程笔记）深度学习入门 - 1 - OverView
LorensChaos的博客
08-27 514
定义：神经网络（Neural Network）是一种模仿人脑神经系统结构和功能的计算模型，用于解决各种机器学习任务。它由多个节点（神经元）以及连接这些节点的权重组成。光看定义对于入门者和初学者是枯燥的，因为它是经过大量的历史沉淀下来较为精炼的语句。而我们需要搞懂一个问题，为什么深度学习的发展选择了神经网络，为什么神经网络就能够满足我们人类生活中的需求，为什么它这么强大？
深度学习入门：基于Python的理论与实现【笔记及理解】
二十四桥明月夜的博客
12-08 1263
第一章 python入门 数据类型：Python中的type()函数 列表（数组）： >>> a = [1, 2, 3, 4, 5] # 生成列表 >>> a[0:2] # 获取索引为0到2（不包括2！）的元素 [1, 2] >>> a[1:] # 获取从索引为1的元素到最后一个元素 ...
VTK初学者入门学习笔记详解
标签“初学者 VTK学习笔记 入门”进一步明确了文档的目标受众和内容属性。这些关键词不仅有助于资源分类与检索，也反映出该资料的重点在于打基础、讲原理、重实践。一个完整的VTK入门学习体系通常包括以下几个方面：...
深度学习之单目深度估计：无监督学习篇
3D视觉工坊
06-22 3683
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达作者：桔子毛https://zhuanlan.zhihu.com/p/29968267本文仅做学术分享，如有侵权，请联系删除。Pre...
鱼类识别系统【最新版】Python+TensorFlow+Vue3+Django+人工智能+深度学习+卷积神经网络算法
2301_78372746的博客
11-24 1184
鱼类识别系统，基于TensorFlow搭建卷积神经网络算法，通过收集了包括‘墨鱼’、‘多宝鱼’、‘带鱼’、‘石斑鱼’等在内的30种鱼类图像数据集进行训练，最后得到一个识别精度较高的模型，然后搭建Web可视化操作平台。前端后端：Django算法：TensorFlow、卷积神经网络算法具体功能系统分为管理员和用户两个角色，登录后根据角色显示其可访问的页面模块。登录系统后可发布、查看、编辑文章，创建文章功能中集成了markdown编辑器，可对文章进行编辑。
基于Matlab的交通设施识别：从理论到实践
2503_94165661的博客
11-22 910
1-85 基于Matlab的交通设施识别基于Matlab的交通设施识别。GUI设计+图像处理 基于数字图像处理，设计实现一个自然场景下公路交通限速标志分割和识别的程序。要求系统具有界面，并实现以下功能： 1）读入自然场景下包含交通标志的图像；2）对图像进行预处理；3）限速交通标志的分割；4）交通标志区域的定位。5）对限速标志中的数字进行分离和识别。具有完整试验文档。数据可更换自己的，程序已调通，可直接运行。在智能交通系统（ITS）日益发展的今天，交通设施识别是其中关键的一环。
MixFormer: A Mixed CNN–Transformer Backbone
最新发布
2401_87277167的博客
11-25 596
​ 尽管基于自注意力机制的Transformer模型近年来通过建模长程语义依赖关系推动了医学影像分析的发展，但其在捕捉局部空间细节方面的能力仍逊于卷积神经网络（CNN）。本研究提出了一种新型分割网络（SEG），其核心是基于CNN-Transformer混合架构（MixFormer）的特征提取主干网络，旨在提升医学图像分割性能。MixFormer在网络下采样过程中有机融合了Transformer的全局信息建模能力和CNN的局部特征提取优势。
深度学习日记2025.11.20
leiming6的博客
11-20 585
在深度学习里通常指：。它是衡量的指标，比参数量更能反映“推理时到底要算多少”。
深度学习理论与实战：MNIST 手写数字分类实战
2501_92613722的博客
11-25 525
本文介绍了使用深层神经网络进行MNIST手写数字分类的完整流程。首先讲解了多分类问题的核心工具：Softmax函数将网络输出转换为概率分布，交叉熵损失衡量预测准确性。接着详细说明MNIST数据集的预处理方法，包括标准化和拉平处理。然后通过PyTorch搭建4层全连接网络，使用ReLU激活函数解决梯度消失问题，并展示了训练过程的关键代码。最后指出通过调整网络层数、激活函数等参数可以进一步优化模型性能，为后续学习更复杂网络结构奠定基础。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值