Arbicoral的博客

目录一、为什么用卷积神经网络CNN？1、small region2、same patterns3、下采样 subsampling二、CNN架构1、卷积层 Convolution2、池化层 Max Pooling3、全连接层 Fully connected4、卷积层 Convolution 与 全连接层 Fully connected之间的关系三、CNN学到了什么？四、CNN的应用1、Deep Dream2、Deep Style一、为什么用卷积神经网

目录一、局部最小值 Local Minima 与鞍点 Saddle point1、为什么Saddle point 和 Local Minima 不好优化？2、如何区分 Saddle point 和 Local Minima ？二、批次 Batch 与动量法 Momentum1、Batch 和Epoch1）随机梯度下降 Stochastic Gradient Descent2）小批量梯度下降 Mini-batch Gradient Descent3）全批量梯度下降 Batc

1、回归的定义回归官方定义：指研究一组随机变量(Y1 ，Y2 ，…，Yi)和另一组(X1，X2，…，Xk)变量之间关系的统计分析方法，又称多重回归分析。通常Y1，Y2，…，Yi是因变量，X1、X2，…，Xk是自变量。简单来说，回归就是找出变量之间存在何种关系，并将这种关系清晰直观地表达出来。2、回归的例子 股市预测 自动驾驶 商品推荐 3、建模步骤4、步骤优化...