摘要:
元学习——MAML、Reptile与ANIL 作者:凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/ 之前介绍过元学习——从MAML到MAML++,这次在此基础上进一步探讨,深入了解MAML的本质,引出MAML高效学习的原因究竟是快速学习,学到一个很厉害的初始
阅读全文
posted @ 2021-08-18 15:05
凯鲁嘎吉
阅读(4645)
推荐(1)
摘要:
纪念第一个Pytorch/TensorFlow程序 作者:凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/ 截止今日,写了17篇有关Deep Learning的博文,如下所示 没想到吧,我的电脑连Python都没安装,之前一直用的Notepad++看的程序 说
阅读全文
posted @ 2021-08-16 10:06
凯鲁嘎吉
阅读(809)
推荐(0)
摘要:
Python小练习:打印index为True布尔类型对应数据 作者:凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/ Python小练习:给定一个矩阵X与index(向量,布尔类型),按照index打印数据X对应行所在的元素。 1. Python程序 impo
阅读全文
posted @ 2021-07-28 16:13
凯鲁嘎吉
阅读(478)
推荐(0)
摘要:
元学习——Meta-Learning in Neural Networks: A Survey 作者:凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/ 这篇博文是对“Meta-Learning in Neural Networks: A Survey”的阅读理
阅读全文
posted @ 2021-07-16 15:46
凯鲁嘎吉
阅读(1117)
推荐(0)
摘要:
元学习——从MAML到MAML++ 作者:凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/ Few-shot learning领域最近有了实质性的进展。这些进步大多来自于将few-shot learning作为元学习问题。Model-Agnostic Meta
阅读全文
posted @ 2021-07-08 10:43
凯鲁嘎吉
阅读(3256)
推荐(1)
摘要:
MATLAB实例:非线性方程数值解法(迭代解) 作者:凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/ 很久之前写过一篇关于“MATLAB用二分法、不动点迭代法及Newton迭代(切线)法求非线性方程的根”,本博文相当于之前这一篇的延续与拓展,介绍四种求解一元
阅读全文
posted @ 2021-05-01 21:09
凯鲁嘎吉
阅读(6851)
推荐(0)
摘要:
MATLAB数值实验:函数逼近法求方程的数值解 作者:凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/ 这篇博客主要通过给定的数学迭代公式,利用MATLAB来迭代求解多项分数阶微分方程的数值解,主要用到的是函数逼近法,一种是非线性化数值解法,一种为线性化数值解
阅读全文
posted @ 2021-04-20 19:54
凯鲁嘎吉
阅读(1818)
推荐(0)
摘要:
浅谈范数正则化 作者:凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/ 这篇博客介绍不同范数作为正则化项时的作用。首先介绍了常见的向量范数与矩阵范数,然后说明添加正则化项的原因,之后介绍向量的$L_0$,$L_1$,$L_2$范数及其作为正则化项的作用,对三者
阅读全文
posted @ 2021-04-08 16:58
凯鲁嘎吉
阅读(2962)
推荐(0)
摘要:
一类涉及矩阵范数的优化问题 作者:凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/ 这篇博文主要探讨一下有关矩阵范数的优化问题,我们知道,矩阵按行或列拆开就是向量,因此矩阵范数优化问题在某种程度上可以转化为向量范数的优化,而向量拆开是一个个数值,因此向量优化问
阅读全文
posted @ 2021-04-03 10:14
凯鲁嘎吉
阅读(5190)
推荐(2)
摘要:
MATLAB小实例:读取Excel表格中多个Sheet的数据 作者:凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/ 问题描述:用MATLAB读取Excel表格中多个Sheet的数据,并将这些数据按行拆分为多组。 1. 程序 clear clc % 读取一个E
阅读全文
posted @ 2021-04-01 15:04
凯鲁嘎吉
阅读(11395)
推荐(0)