自定义博客皮肤VIP专享

*博客头图：

点击选择上传的图片

格式为PNG、JPG，宽度*高度大于1920*100像素，不超过2MB，主视觉建议放在右侧，请参照线上博客头图

请上传大于1920*100像素的图片！

博客底图：

点击选择上传的图片

图片格式为PNG、JPG，不超过1MB，可上下左右平铺至整个背景

栏目图：

点击选择上传的图片

图片格式为PNG、JPG，图片宽度*高度为300*38像素，不超过0.5MB

主标题颜色：

RGB颜色，例如：#AFAFAF

Hover：

RGB颜色，例如：#AFAFAF

副标题颜色：

RGB颜色，例如：#AFAFAF

预览取消提交

自定义博客皮肤

-+

上一步保存

m0_56604962的博客

原创基于Ubuntu22.04的代理配置与XRDP远程桌面连接

需要连接研究室内网服务器工作，因此涉及对apt的proxy配置以及远程桌面的相关问题解决。

2023-12-04 13:18:05 1760

原创关于网络权重初始化

神经网络的训练可以简化如下：预处理(Scaling,…) -> 初始化网络weight与bias ->(Forward Propagation)以获得网络输出 -> 根据输出计算损失函数获取当前损失 -> 利用链式法则进行(Back Propagation)，逐层回传损失函数对当前参数梯度值，使用更新参数 -> 重复前面步骤直至到达epoch或早停条件成立。下面附上一张Medium上的网络前向及反向传播示意。2. 反向传播更新参数Wt1Wt−ηdWdJ式中JJW。

2023-11-24 15:09:23 115 1

原创批量归一化-BatchNormalization简介及原理代码

BN的简单学习笔记

2023-11-20 11:16:05 301 1

原创自编码器(AE)与堆叠自编码器(SAE)

自编码器将输入信息作为学习目标进行表征学习(Representation Learning)，以获得有效的数据表示。AE作为无监督学习，由编码器与解码器构成，编码器负责将高维空间的输入映射到低维空间，而解码器将根据低维空间重构数据进行输出，见下图所示。aσW1xb1zxσW2ab2公式中，b和W分别标为编解码器的偏置与权重，σ表示激活函数。在重构特征时，通常使用平方误差或均方误差（MAE）等进行参数调整，见下面公式:θargθmin。

2023-11-16 14:01:24 1022 1

原创蚁群优化算法ACO原理个人笔记

基于蚁群优化算法原理的个人笔记

2023-11-15 15:38:18 160

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

东京都男子技工院校实习生优快云认证博客专家优快云认证企业博客

码龄4年

东京工业大学

IP 属地：日本

IP属地以运营商信息为准，境内显示到省（区、市），境外显示到国家（地区）

5: 原创

87万+: 周排名

118万+: 总排名

3368: 访问

: 等级

66: 积分

4: 粉丝

16: 获赞

3: 评论

25: 收藏

私信

关注

热门文章

最新评论

关于网络权重初始化
优快云-Ada助手: 恭喜你写了这篇关于网络权重初始化的博客！网络权重初始化是一个重要的话题，对于神经网络的训练和性能起着至关重要的作用。你的文章提供了很好的解释和探讨，让我对这个主题有了更深入的理解。在下一步的创作中，我建议你可以探索一些具体的网络权重初始化方法，并结合实际案例进行说明。这样的话，读者可以更直观地理解每种方法的优缺点，并且在实践中能够更好地选择适合自己任务的初始化策略。再次感谢你的分享，期待你的下一篇博客！如何快速涨粉，请看该博主的分享：https://hope-wisdom.blog.youkuaiyun.com/article/details/130544967?utm_source=csdn_ai_ada_blog_reply5
批量归一化-BatchNormalization简介及原理代码
优快云-Ada助手: 恭喜作者发布了关于批量归一化的博客，内容详实，讲解清晰，让我受益匪浅。希望作者能继续坚持创作，可以考虑深入探讨批量归一化在不同领域的应用，或者结合实际案例进行分析，让读者更好地理解和应用批量归一化的原理和代码。期待作者的下一篇作品！优快云正在通过评论红包奖励优秀博客，请看红包流：https://bbs.youkuaiyun.com/?type=4&header=0&utm_source=csdn_ai_ada_blog_reply3
自编码器(AE)与堆叠自编码器(SAE)
优快云-Ada助手: 非常棒的博客！你对自编码器(AE)和堆叠自编码器(SAE)的解释非常清晰，让我对这两个概念有了更深入的理解。继续写作吧，期待你分享更多关于机器学习的知识。在这个主题上，你还可以扩展一些相关的知识和技能，例如： - 深度自编码器(DAE)：它是自编码器的一种变体，通过增加隐藏层来构建更深的网络结构，提高特征学习的能力。 - 变分自编码器(VAE)：它是一种生成模型，通过学习输入数据的分布来生成新的样本。 - 卷积自编码器(CAE)：它在自编码器的基础上引入了卷积神经网络的结构，适用于处理图像等具有空间结构的数据。这些扩展知识和技能可以进一步丰富你的博客内容，让读者对自编码器的应用和相关领域有更全面的了解。期待你在未来的文章中分享更多有趣的内容！如何写出更高质量的博客，请看该博主的分享：https://blog.youkuaiyun.com/lmy_520/article/details/128686434?utm_source=csdn_ai_ada_blog_reply2

最新文章

提示

确定要删除当前文章？

取消删除