dlmuwxw

摘要： 一、优化目标模型建立 目标 1：出车顺序车身需满足动力属性间隔要求 \[u_j= \begin{cases} 0 \quad ,\text{第 } j \text{ 辆车身的动力属性为燃油} \\ 1 \quad ,\text{第 } j \text{ 辆车身的动力属性为混动} \end{cases 阅读全文

摘要： 问题背景 小明创办了一家手机公司，他不知道如何估算手机产品的价格。为了解决这个问题，他收集了多家公司的手机销售数据。该数据为二手手机的各个性能的数据，最后根据这些性能得到4个价格区间，作为这些二手手机售出的价格区间。 主要包括： battery_power：电池一次可储存的总能量，单位为毫安时 bl 阅读全文

摘要： 批量归一化(Batch Normalization) 流程： \[x \rightarrow W_{h_1} \cdot x + b_{h_1} \rightarrow s_1 \rightarrow \frac{s_1 - \mu_B}{\sqrt{\sigma_B^2 + \epsilon}} 阅读全文

摘要： Dropout正则化 在神经网络中模型参数较多，在数据量不足的情况下，很容易过拟合。Dropout（随机失活）是一个简单有效的正则化方法。 在训练过程中，Dropout的实现是让神经元以超参数\(p\)的概率停止工作或者激活被置为0，未被置为0的进行缩放，缩放比例为\(1/(1-p)\)。训练过程可 阅读全文

摘要： 一、学习率衰减的基本思想 学习率衰减（Learning Rate Scheduling）是在训练过程中逐步降低学习率的策略。训练初期使用较大学习率实现快速收敛，训练后期减小学习率使模型在最优解附近精细调整，避免震荡。 二、等间隔学习率衰减（StepLR） 策略说明 每隔固定数量的 epoch，学习率 阅读全文

摘要： 一、梯度下降相关介绍： 概述： 梯度下降是结合 本次损失函数的导数（作为梯度） 基于学习率 来更新权重 公式： W新 = W旧 - 学习率 * 梯度 存在的问题： 1. 遇到平缓区域，梯度下降（权重更新）可能会慢 2.可能会遇到鞍点（梯度为0） 3.可能会遇到 局部最小值 解决思路： 从上述的学习率 阅读全文

摘要： 一、回归损失函数的定义 1.回归任务损失函数-MAE损失函数 Mean absolute loss(MAE)也被称为L1 Loss，是以绝对误差作为距离。损失函数公式: \[\mathcal{L} = \frac{1}{n}\sum_{i=1}^{n} \big| y_i - f_\theta(x_ 阅读全文

摘要： 一、多分类任务损失函数 1.定义 在多分类任务通常使用softmax将logits转换为概率的形式，所以多分类的交叉熵损失也叫做softmax损失，它的计算方法是： \[\mathcal{L} = -\sum_{i=1}^{n} \mathbf{y}_i \log\big(S\big(f_\thet 阅读全文

摘要： 本章通过讲解神经网络搭建案例，演示一个建议的神经网络是如何搭建的 导包 import torch import torch.nn as nn from torchsummary import summary # 计算模型参数，查看模型结构 一、搭建神经网络，即：自定义继承：nn.Module 1.代 阅读全文

摘要： 4.1 建立指标与指标体系 根据赛题的要求，建立指标体系； 指标体系中包括4个一级指标，一级指标下面又包括二级指标，二级指标下面也有三级指标 4.2.1.1 碳排放总量及变化趋势 1.给出统计数据表 论文中给出了碳排放总量及年增长率统计表，从纯数据的角度上给出增长率 2.绘制折线图 绘制各产业碳排放 阅读全文