- 博客(22)
- 收藏
- 关注
RSS订阅原创 迁移学习理论与应用
迁移学习（Transfer Learning）是一种机器学习技术，旨在将一个任务（源任务）上学到的知识迁移到另一个相关但不完全相同的任务（目标任务）上，从而提高目标任务的学习效果。这种方法的核心思想是利用不同任务之间的共同特征或模式，通过在源任务上预训练的模型参数来加速目标任务的学习过程。迁移学习的方法可以分为基于实例的迁移、基于特征的迁移、基于模型的迁移和基于关系的迁移。迁移学习的优势在于它能够显著减少新任务所需的数据量和训练时间，特别是在数据稀缺的情况下，能够有效提高模型的泛化能力和性能。
2024-11-19 18:05:10
517
原创 卷积神经网络（CNN）：算法、原理与应用
卷积操作包括在输入图像上应用多个可学习的滤波器（或称卷积核），每个滤波器会产生一个特征图（Feature Map），表示输入图像的不同特征，如边缘、纹理等。与传统的全连接神经网络（Fully Connected Neural Networks）不同，CNN能够利用图像的局部性和稀疏连接的特点，大幅减少参数量和计算复杂度，同时提高模型的泛化能力。为了解决这些问题，研究人员不断探索更高效的CNN架构，如轻量级的MobileNet、EfficientNet，以及具有更好解释性的模型和更高效的数据增强技术。
2024-08-30 22:12:03
1029
2
原创 KPCA非线性降维
然而，一种新的算法通过使用Gram矩阵生成Gram-power矩阵来解决这一问题，该方法的空间复杂度为O(m)，时间复杂度降低到O(pkm)，从而提高了处理大规模数据集的能力。：改进核主成分分析方法将流形学习保持局部结构的思想融入KPCA的目标函数中，使得到的特征空间不仅具有原始样本空间的整体结构，还保持样本空间相似的局部近邻结构。因此，进一步的代码优化和参数微调是必要的。：采用一种计算优化的方法来解决问. 题，而不是直接采用原来的数据点定义核矩阵计算主成分，我们提出了基于聚类的代表点的方法来计算核矩阵。
2024-08-17 13:33:54
892
原创 使用python和matlab实现BP神经网络算法的分析比较
分析和比较使用Python和MATLAB实现BP神经网络算法实现的复杂度、代码可读性、库支持、性能以及应用的灵活性等
2024-08-15 11:30:13
1285
原创 机器学习中的多模态学习
多模态学习是一种结合多种不同类型或模态的数据和信息进行统一建模和分析的学习方法。其核心目标是通过机器学习的方法实现对多源模态信息的处理和理解。
2024-08-15 11:07:35
839
原创 计算机视觉的算法分析
卷积神经网络是计算机视觉中最重要的算法之一，通过模拟人类视觉系统的工作原理，将图像分解为多个卷积层和池化层，实现图像的特征提取和分类。CNN在图像分类、人脸识别和医疗图像分析等应用中表现优异。边缘检测用于检测图像中强度变化显著的边缘，常用算法包括Canny、Sobel和Prewitt等。这些算法在物体检测和分割中具有重要作用。目标检测和识别是计算机视觉中的核心任务之一。
2024-08-14 00:39:59
801
原创 粒子群算法优化BP方法
粒子群算法（Particle Swarm Optimization, PSO）是一种基于群体智能的全局优化算法，通过模拟鸟群或鱼群等自然界中的集体行为来实现优化。它在多个领域得到了广泛应用，包括函数优化、图像压缩、基因聚类以及机器学习中的参数优化等。
2024-08-13 12:57:36
1244
原创 遗传算法概述
遗传算法（Genetic Algorithm, GA）是一种基于自然选择和遗传学原理的搜索方法，用于解决优化问题。其基本思想是模拟生物进化过程中的自然选择、遗传和变异现象，通过迭代改进种群以找到最优解。
2024-08-13 12:43:50
777
原创 使用sklearn库用于机器学习
Scikit-learn（简称Sklearn）是一个基于Python的开源机器学习库，广泛用于数据挖掘和数据分析。它建立在NumPy、SciPy和Matplotlib等库的基础上，提供了大量现成的机器学习算法和工具，包括分类、回归、聚类、降维等多种任务
2024-08-12 11:24:28
718
原创 基于Python训练完成的机器学习模型如何封装成桌面应用
有时候需要将训练完成的模型封装成桌面应用，本文描述封装成基于Python的桌面应用程序的方法。模型封装是指将模型及其预处理和后处理步骤打包在一起，形成一个独立的服务单元。确保机器学习模型已经训练完成并且能够在本地环境中正确运行。Python有多种GUI库可供选择，如Tkinter、PyQt5、Kivy等。这些库各有优缺点，但它们都提供了丰富的组件和控件，适合不同层次的应用开发需求。使用所选的GUI库设计一个直观、易用的图形用户界面。
2024-08-12 11:05:58
1990
原创 BP与RBF神经网络算法的对比
BP（反向传播）神经网络和RBF（径向基函数）神经网络都是常用的前馈神经网络，但它们在结构、训练方法、性能等方面存在显著差异。
2024-08-11 11:20:55
746
原创 BP神经网络算法调参
BP神经网络的调参需要综合考虑多种因素，并通过系统的实验和验证来找到最优的参数组合。它通过对损失函数增加一个系数惩罚项——即在原公式基础上增加所有系数的二次方值的和，从而限制权重的大小。BP神经网络的调参是一个复杂且关键的过程，涉及多个超参数的优化和调整。
2024-08-11 10:57:12
1427
原创 回归预测算法及应用
线性回归简单线性回归：只涉及一个自变量和一个因变量，建立两者之间的线性关系模型。多元线性回归：涉及多个自变量和一个因变量，通过找到最佳拟合直线来预测因变量的变化。岭回归：在传统线性回归的基础上加入正则化项，以解决多重共线性问题。Lasso回归：类似于岭回归，但使用L1正则化项，可以实现特征选择功能。弹性网络回归：结合了岭回归和Lasso回归的优点，适用于高维数据。
2024-08-10 12:32:29
1028
原创 聚类算法综述及应用
聚类算法作为数据挖掘和机器学习的重要工具，在处理大规模数据集和复杂数据结构方面具有显著优势。随着深度学习技术的发展，基于深度神经网络的聚类算法正在迅速发展，并在多个领域展现出强大的应用潜力。未来，随着算法的不断改进和创新，聚类算法将在更多领域发挥重要作用
2024-08-10 12:13:33
1165
原创 使用Python编程实现动态规划
动态规划是一种通过将问题分解成相互重叠的子问题来解决的方法。它通过存储子问题的解，避免了重复计算，从而提高了算法的效率。动态规划广泛应用于路径规划、序列匹配等问题，将通过一个实际问题的解决过程来深入了解其应用。选择一个简单而具有代表性的问题：在给定的矩形格中寻找从左上角到右下角的最短路径。每个格子都有一个权值，代表通过该格子的代价。目标是找到一条路径，使得通过路径的总代价最小。
2023-12-25 22:24:56
381
1
原创 BP神经网络算法优化思路
BP神经网络是一种广泛应用的机器学习方法，通过反向传播算法实现端到端的学习和优化。本文介绍了BP神经网络的基本概念、结构及其优化方法，包括梯度下降法、Momentum梯度下降法、AdaGrad自适应学习率算法、RMSProp自适应学习率算法和Adam自适应学习率算法。在实际应用中，可以根据问题的特点选择合适的优化方法以提高模型的性能和泛化能力。
2023-09-08 22:10:37
927
1
原创 局域网共享打印机及常见问题
共享打印机在使用过程中可能会遇到各种问题，但通过以上方法，大部分问题都可以得到解决。在使用过程中，注意保持网络连接的稳定性，定期更新驱动程序和清理喷头，以确保共享打印机的正常运行。
2023-09-08 22:01:12
1484
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人