深度学习-学习笔记-链接收集

最新推荐文章于 2025-12-09 20:01:58 发布
原创 最新推荐文章于 2025-12-09 20:01:58 发布 · 132 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#神经网络

本文精选神经网络核心知识点，涵盖VGG、ResNet、GoogLeNet等经典模型，深入解析网络结构与创新点，推荐d2l.ai为学习资源。
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.........
李宏毅2022深度学习与机器学习笔记（一）
weixin_58112990的博客
11-14 1325
梯度下降：首先假设函数只有一个未知参数w，然后随机选取一个初始值w0，然后计算函数在w0的导数，然后更新w0得到w1，然后计算函数在w1点处的导数，然后更新w1得到w2，然后一次类推，不断的迭代更新参数w，直到在某一点w处的函数的导数等于0，或者预先设置了一个迭代次数，达到了这个迭代次数，就停止更新w的值，也许会存在局部最小值的情况，但是线性模型当中不存在这个问题。有了训练数据之后，需要评估一个函数的好坏，也就是一组参数的好坏，对于损失函数LOSS来说，输入是一组参数，输出表示这一组参数有多么的坏。
深度学习-模型预测（论文笔记）
qq_38029916的博客
09-05 6842
一、Traffic Flow Prediction with Big Data:A deep Learning Approach -摘要：浅层交通模型已经不能满足真实世界的应用，提出了一种同时考虑时间和空间内在联系的基于深度学习的预测方法。堆叠自编码器模型采用贪婪分层的方式，学习产生的交通流量特点。实验证明本文提出的方法在交通流量预测方面有很高的性能。 -1.介绍：交通流量预测主要依赖于历史数据和来自各种传感器的实时数据（感应涡流、雷达、相机、GPS、社交媒体）。现有的交通流量预测系统和模型都是采用浅层
【深度学习-学习笔记01】
weixin_44655342的博客
07-12 764
本文内容为个人在学习笔记，搜集整理了深度学习学习过程中的一些相关知识。
Facenet实现人脸特征比对-深度学习学习笔记-2
记录我的学习历程
08-05 3131
Facenet是谷歌在2015年发表在CVPR上的一种人脸识别算法。输入一张人脸图片通过(Deep Architecture就是传统的CNN)卷积神经网络提取该图片的特征向量(Embedding)对特征向量进行L2标准化得到一个长度固定为128的特征向量计算特征向量与存储的人脸特征向量的距离判断距离是否小于阈值来识别人脸简单来说,Facenet将人脸识别问题转化为了计算特征向量之间距离的问题。
Retinaface实现人脸检测与关键点定位-深度学习学习笔记-1
记录我的学习历程
08-05 2821
这是是我的学习笔记，记录我复现与拓展的学习过程，万分感谢大佬的开源和无私奉献。本文部分内容来自网上搜集与个人实践。如果任何信息存在错误,欢迎读者批评指正。本文仅用于学习交流,不用作任何商业用途。
TensorFlow-深度学习笔记
卷心菜的博客
09-10 2833
黑马程序员4天快速入门python深度学习笔记 个人学习笔记，有参考别人的内容，如有侵权，联系删除
《动手学深度学习》学习笔记 第5章 深度学习计算
weixin_42046845的博客
01-02 1352
书里为了让读者更好的理解，有大篇幅的描述性的文字，内容很多，笔记只保留主要内容，同时也是对之前知识的查漏补缺
刘二大人《PyTorch深度学习实践》笔记 + 作业
qq_39804263的博客
06-14 6223
课程链接 1. Overview 人类智能（Human Intelligence） 推理 infer 预测（prediction）：实体——抽象概念 而 machine learning 就是把推理的大脑变成算法 How to develop learing system？ 基于规则的算法（人工智能程序）：依赖于规则，需要非常专业的背景知识来制定规则，构建知识库。如果是很复杂的目标，是很难把规则做通的，肯定会漏一些，导致算法有缺陷。规则只会越来越多，越来越庞大，直到人类无法维护。注意，基于规则的并不是
机器学习-深度学习-自学笔记
要旅游的每一天的博客
04-19 737
别怕深度学习，这玩意就是已经商业化了！一旦商业化就是代表不需要太多学习成本就可以实现功能！所以说现在难只不过是自己基础太低，低到不行！所以不担心研究生做的很多的事情也就是调参！调参很玄学的事情！很靠经验的！调参需要很长时间，现在好像都可以丢给计算机去调参的！
精选资源
python深度学习视频教程资料、笔记及源码
06-02
2.up主学习笔记 3.python深度学习教程pdf B站视频地址：https://www.bilibili.com/video/BV12U4y1y7uy/ 笔记，资料制作收集不易，谢谢理解。 如果链接失效的话，请在B站私聊我，我会立马更新。
Python深度学习（神经网络的数学基础）----学习笔记（三）
xiekengli8279的博客
10-29 896
第2章 神经网络的数学基础 2.1 初识神经网络 需要解决的问题：将手写数字的灰度图像（28像素x28像素）划分到10个类别中（0~9）。 MNIST数据集包含60000张训练图像和10000张测试图像，由美国国家标准与技术研究院（National Institute of Standards and Technology）在20世纪80年代收集得到。 MNIST数据集预先加载在Keras库中，其中包括4个Numpy数组。 from keras.datasets import mnist # 加载ker
Day 33 简单的神经网络
ekprada的博客
12-09 552
从今天开始，我们将正式进入深度学习的领域。虽然机器学习只需要三行代码就能调用模型，但神经网络的灵活性更高，我们可以对模型结构、训练过程做非常多的定制。神经网络：它就像一个复杂的函数，输入数据，输出预测结果。梯度下降：这是让模型"学习"的方法，通过不断调整参数来减少误差。PyTorch：这是目前最流行的深度学习框架之一，我们接下来的项目都会基于它来开发。
DL_神经网络在MLP、CNN和RNN(LSTM)之后(至2025)的发展
qjworkman的博客
12-05 445
从LSTM的“记忆”开始，我们逐步赋予机器注意力、创造力、跨模态理解力、高效推理力——而这一切，仍在加速演进中。总结：LSTM之后的演进主线。
反向传播算法是什么？和神经网络的关系？
严文文 Chris
12-04 596
神经网络是“大脑结构”，反向传播是“学习方法”。大脑= 硬件（有1000亿神经元怎么连接）反向传播= 学习方法（考试后如何高效复习）没有反向传播的神经网络，就像有肌肉没教练的运动员——潜力巨大，但不知道怎么进步。有了反向传播，神经网络才从“静态结构”变成了真正的学习系统——能从错误中学习，越变越聪明。
神经网络的前向传播、反向传播、优化器分别是什么？有什么关系？
严文文 Chris
12-04 738
组件作用类比输出前向传播计算预测结果模拟考试预测值 + 损失反向传播计算每个参数的梯度试卷分析每个权重的调整方向优化器根据梯度更新参数学习方法新的参数值记住这个循环for 每个训练周期:# 前向预测 = 网络(输入数据)损失 = 比较(预测, 真实标签)# 反向梯度 = 反向传播(损失)# 优化优化器.更新参数(梯度)
离散 Hopfield 神经网络：图像联想记忆与恢复实验
qq_43013173的博客
12-09 322
Hopfield网络是一种递归神经网络，通过Hebbian学习规则训练权重，能够存储和恢复模式。实验创建了树和笑脸两种模式，添加10%-25%噪声后，网络成功恢复了原始图像。Hopfield网络具有联想记忆能力，可用于模式识别、优化计算等领域，但也存在存储容量有限、易收敛到伪模式等局限。未来可通过连续Hopfield网络、Boltzmann机等方法改进网络性能。
大话机器学习-1.神经网络
m0_56263746的博客
12-09 179
神经网络是一层一层组织起来的一个层状结构。简单来说，就是由输入层，隐藏层，输出层组成。用于接受数据，节点数等于输入特征的维度。也就是神经网络进行思考的地方。就是产生预测结果。神经网络最重要的一个步骤就是学习，那么他是如何学习呢？实质上就是重复“进行前向传播计算损失函数进行反向传播进行更新权重”，从而重复“反向传播”从而的得到最优参数。
2026年人机交互、神经网络与深度学习国际学术会议
最新发布
2503_93659005的博客
12-09 550
2026年1月9-11日，人机交互与深度学习国际会议将在上海举行。会议聚焦HCI与深度学习的融合技术体系，涵盖感知层（语音/视觉/体感交互）、建模层（用户行为预测）和交互层（自然语言/VR/AR）三大维度。征稿主题包括基于CNN的手势识别、Transformer意图理解和LSTM情感化交互等前沿技术。会议官网：https://ais.cn/u/vEZvAr，欢迎学界业界人士投稿参会，共同探讨智能交互技术发展与国际合作机遇。
.NET Framework深度解析：C#学习笔记
“C#学习笔记包含了对.NET Framework的深入探讨，涵盖了其定义、组成、特点以及C#在其中的角色。笔记特别关注了.NET Framework的开发环境Visual Studio (VS)、C#语言的编译过程，包括链接、MSIL、JIT编译以及无用...
评论
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