深度学习复习1

最新推荐文章于 2025-12-11 22:53:49 发布
原创 最新推荐文章于 2025-12-11 22:53:49 发布 · 772 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：

#数据挖掘 #深度学习 #图论

本文介绍了图论的基本概念，如顶点、边、有向图与无向图等，并探讨了图的不同类型及其应用场景，同时概述了机器学习的主要分类，包括监督式学习、非监督式学习和强化学习。

机器学习包括监督式、非监督式、强化学习三种

图论中，图由顶点（实体、对象）和连接顶点的边（关系）构成，记为

有向图与无向图

非加权图与加权图

连通图与非连通图

二部图

邻居与度

出度与入度

子图与路径

同构图与异构图

属性图：标签与属性

非显式图

图数据的应用场景：社交网络、电子购物、化学分子、交通网络、场景图

精选资源
深度学习+期末复习题+总结
06-21
我自己总结的一些题目，仅供参考！
山东大学软件学院深度学习复习笔记
04-17
山东大学软件学院的深度学习复习笔记是一份详尽的学习资料，涵盖了感知机、神经网络、激活函数、学习策略等核心知识点。感知机作为深度学习的起点，是一种简单的线性分类器，它通过将输入特征进行线性组合，并应用...
深度学习期末复习
qq_50273182的博客
12-30 3661
经过前面的操作之后，可以确定传递信息的删除（遗忘门进行信息的删除后）和增加（信息门进行信息的加入），即可以进行“细胞状态”的更新。图像分割中的传统做法：为了增大感受野，通常都会选择pooling操作，但是也会丢失一部分信息。第二个“门”：”输入门“：（很明显对于输入，也要进行筛选之后，才能送入到细胞状态）使用相同的权重值（卷积核参数），可以减少模型参数数量和计算量，使得网络对于。特征降维：把冗余信息去除，把最重要的特征抽取出来。​ c. 常见的降采样有最大池化，平均池化。什么时候我们需要用到迁移学习。
深度学习与神经网络复习（自用）
2301_80852187的博客
04-28 1405
深度学习定义：一般是指通过训练多层网络结构对未知数据进行分类或回归深度学习分类：有监督学习方法——深度前馈网络、卷积神经网络、循环神经网络等；无监督学习方法——深度信念网、深度玻尔兹曼机，深度自编码器等。深度神经网络的基本思想是通过构建多层网络，对目标进行多层表示，以期通过多层的高层次特征来表示数据的抽象语义信息，获得更好的特征鲁棒性。激活函数（Activation Function），就是在人工神经网络的神经元上运行的函数，负责将神经元的输入映射到输出端，旨在帮助网络学习数据中的复杂模式。
神经网络与深度学习复习大纲
weixin_53500031的博客
01-04 2514
神经网络期末复习
深度学习复习题
2301_80414572的博客
12-24 1702
C.
【山东大学】深度学习——复习笔记
欢迎你。
06-07 7718
山东大学软件学院深度学习期末复习笔记，《深度学习：入门》和《深度学习：进阶》
【无标题】深度学习期末复习要点
shmilylqd的博客
06-10 3125
深度学习期末复习题
深度学习复习总结
weixin_43389568的博客
11-02 1101
深度学习总结
python深度学习实战期末考试复习资料
m0_64745373的博客
12-29 1524
深度学习期末的复习资料，希望帮助各位期末考试
深度学习期中复习
vimpirespider的博客
04-19 947
第一章 深度学习和机器学习差异 机器学习 基本问题：分类，回归，聚类，降维 算法：KNN，贝叶斯，决策树，SVM，逻辑回归，随机森林，集成学习 改变结构，实现不同的玩法，适应不同场合 深度学习 主要是解决分类，回归，模拟 感知机，多层神经网络，卷积，递归，GAN 统一的计算单元，通过变换参数和连接实现不同应用场合 1.深度学习与机器学习的主要区别是在于性能。当数据量很少的时候，深度学习的性能并不好，因为深度学习算法需要大量数据才能很好理解其中蕴含的模式。 2.深度学习算法严
精选资源
山东大学2020年深度学习复习提纲
12-20
深度学习复习提纲 深度学习是人工智能的核心技术之一，涉及到机器学习、神经网络、自然语言处理等多个领域。以下是山东大学2020年深度学习复习提纲的知识点总结： 1. 超参数：超参数是指在机器学习模型中需要人为...
精选资源
【自用】深度学习期末复习资料
06-14
1. 深度学习基本概念： 深度学习是一种基于对数据进行表征学习的方法，用多层次和计算手段，得到结果的一种方法。机器学习是通过学习算法从数据中学习模型的过程，通过算法使机器从大量数据中学习规律，从而能对新...
精选资源
山东大学2019级智能班神经网络与深度学习复习
01-05
山东大学2019级智能班神经网络与深度学习复习 本资源是山东大学2019级智能班神经网络与深度学习的复习笔记，涵盖了深度学习的基本概念、神经网络的基本结构、损失函数、优化方法、激活函数、批量归一化、Dropout、...
python+springboot+django/flask基于数据挖掘的高考志愿推荐系统
2501_91488339的博客
12-10 804
 &emsp高考志愿填报是每位高考生必须面对的重要环节，它直接关系到考生的未来学习和职业发展。然而，由于高考志愿的复杂性和多样性，很多考生在填报志愿时感到困惑和迷茫。传统的志愿填报方式主要依赖学校老师的经验、招生简章和家长的经验判断，存在信息获取不全面、分析不精准等问题。
DefaultCPUAllocator: can‘t allocate memory
weixin_45776000的博客
12-11 304
【代码】DefaultCPUAllocator: can‘t allocate memory。
深度学习中 z-score 标准化理解
最新发布
musk1212的博客
12-11 483
摘要： z-score标准化是深度学习中关键的数据预处理方法，通过将数据转换为均值为0、标准差为1的分布，有效提升模型训练效率并消除特征量纲差异。其核心公式为z=(x-μ)/σ，适用于加速收敛、平衡多特征权重及异常值检测等场景。与Min-Max归一化相比，z-score对异常值更鲁棒，是神经网络训练的首选方法。需注意避免数据泄露问题（测试集必须使用训练集的μ和σ），并处理标准差为0的特殊情况。批量归一化(BatchNorm)是z-score的动态扩展版本。
基于深度学习的网络流量异常检测系统
XiaoMu_001的博客
12-11 628
本项目旨在构建一个基于深度学习的高效网络流量异常检测系统。系统采用 **B/S 架构**，前后端分离设计。后端基于 **Django** 框架，前端采用 **Vue 3** + **Element Plus**。核心检测引擎利用 **PyTorch** 构建深度学习模型（MLP 和 1D-CNN），能够对网络流量数据进行实时或离线分析，精准识别良性流量及多种类型的网络攻击（如 DoS, PortScan, Web Attack 等）
机器学习与深度学习基础（五）：深度神经网络经典架构简介
TracyCoder的博客
12-11 378
本文学习要点：1.深度神经网络分层架构：全连接层卷积层池化层2.深度神经网络代表:CNN：CNN、AlexNet、VGG-Net、GoogLeNet（Inception）、ResNet（残差连接）编码器-解码器架构：序列到序列模型（Seq2Seq）
深度学习期末复习题及总结要点
资源摘要信息: "深度学习+期末复习题+总结" 本资源是一份深度学习领域的期末复习题集，旨在帮助学习者回顾和巩固本学期所学的深度学习相关知识。资源内容涵盖了深度学习的基础概念、算法原理、模型架构以及实际应用...
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