weixin_46714700的博客

学习内容机器学习介绍误差和梯度下降深度学习介绍和反向传播机制网络设计的技巧卷积神经网络总结观看深度学习的内容,通过学习加强了自身深度学习的知识,下一步继续学习相关内容,加强机器学习的实践引用链接: Datawhale-李宏毅深度学习...

CNN-卷积神经网络卷积神经网络（Convolutional Neural Network, CNN）是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。 卷积神经网络由一个或多个卷积层和顶端的全连通层（对应经典的神经网络）组成，同时也包括关联权重和池化层（pooling layer）CNN 解决了什么问题？在 CNN 出现之前，图像对于人工智能来说是一个难题，有2个原因：1、图像需要处理的数据量太大，导致成本很高，效率很低2、图像在数字化的过程中很难

局部最小值和鞍点如何区分局部最小点和鞍点一般区分鞍点和局部最优的方法是使用神经网络 loss surface 的 Hessian 矩阵，通过计算 Hessian 矩阵的特征值，进行判断：当 Hessian 矩阵的特征值有正有负的时候，神经网络的一阶导数为 0 的点是鞍点；当 Hessian 矩阵的特征值是非负的时候，神经网络的一阶导数为 0 的点是局部极小值点；当 Hessian 矩阵最小特征值小于零，则为严格鞍点（包含了局部最大）另外一种判断是否是鞍点的方法：若某个一阶导数为0的点在至少一个方向上

深度学习深度学习是机器学习的一个分支(最重要的分支)机器学习是人工智能的一个分支深度学习可以说是在传统神经网络基础上的升级，约等于神经网络假设深度学习要处理的信息是“水流”，而处理数据的深度学习网络是一个由管道和阀门组成的巨大水管网络。网络的入口是若干管道开口，网络的出口也是若干管道开口。这个水管网络有许多层，每一层由许多个可以控制水流流向与流量的调节阀。根据不同任务的需要，水管网络的层数、每层的调节阀数量可以有不同的变化组合。对复杂任务来说，调节阀的总数可以成千上万甚至更多。水管网络中，每一层的每

偏差和方差方差的含义：方差度量了同样大小的训练集的变动所导致的学习性能的变化，即刻画了数据扰动所造成的影响。 （2）偏差定义： 期望输出与真实标记的差别称为偏差（bias），即： 偏差的含义：偏差度量了学习算法的期望预测与真实结果的偏离程度，即刻画了学习算法本身的拟合能力偏差、方差与bagging、boosting的关系？Bagging算法是对训练样本进行采样，产生出若干不同的子集，再从每个数据子集中训练出一个分类器，取这些分类器的平均，所以是降低模型的方差（variance）。Bagging算法和R

回归方程损失函数（Loss function）机器学习中的监督学习本质上是给定一系列训练样本，尝试学习映射关系，使得给定一个函数公式，即便这个样本不在训练样本中，也能够输出，尽量与真实的接近。损失函数是用来估量模型的输出与真实值之间的差距，给模型的优化指引方向均方差损失（Mean Squared Error Loss）均方差（Mean Squared Error，MSE）损失是机器学习、深度学习回归任务中最常用的一种损失函数，也称为 L2 Loss平均绝对误差损失（Mean Absolute Er

李宏毅深度学习-机器学习介绍机器学习机器学习是人工智能的一种形式，它使系统能够从数据中学习而不是通过显式程序学习。 随着算法采集训练数据，它可以基于这些数据生成更精确的模型。 机器学习模型是使用数据训练机器学习算法时生成的输出。 经过训练后，当您为模型提供输入信息时，您将获得相应的输出结果。机器学习定义机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能。机器学习是对能通过经验自动改进的计算机算法的研究。机器学习是用数据或以往的经验，以此优化计算