摘要：
经典的损失函数： ①交叉熵（分类问题）：判断一个输出向量和期望向量有多接近。交叉熵刻画了两个概率分布之间的距离，他是分类问题中使用比较广泛的一种损失函数。概率分布刻画了不同事件发生的概率。 熵的定义：解决了对信息的量化度量问题，香农用信息熵的概念来描述信源的不确定度，第一次用数学语言阐明了概率与信息 阅读全文
posted @ 2020-07-03 13:22
kkzhang
阅读(1793)
评论(0)
推荐(1)
摘要：
回顾经典卷积的操作：采样（即构建邻域）+聚合（聚合邻居结点的信息）。将固定数量的邻域结点排序后，与相同数量的卷积核参数相乘求和。 对于图结构数据如何定义卷积操作？ 1）构建邻域； 2）对邻域的点与卷积核参数内积； GNN，构建邻域的大小为p，p个固定数量的卷积核参数。GNN使用随机游走的方法，为每个 阅读全文
posted @ 2020-06-26 11:24
kkzhang
阅读(1638)
评论(0)
推荐(0)
摘要：
阅读全文
posted @ 2020-06-21 19:45
kkzhang
阅读(571)
评论(0)
推荐(0)
摘要：
阅读全文
posted @ 2020-06-21 19:30
kkzhang
阅读(655)
评论(0)
推荐(0)
摘要：
阅读全文
posted @ 2020-06-21 19:19
kkzhang
阅读(391)
评论(0)
推荐(0)
摘要：
以下学习内容参考了：🔗1，🔗2， 0、首先回忆CNN，卷积神经网络的结构和特点 处理的数据特征：具有规则的空间结构（Euclidean domains），都可以采用一维或者二维的矩阵描述。（Convolutional neural network (CNN) gains great succes 阅读全文
posted @ 2020-06-20 14:45
kkzhang
阅读(5832)
评论(5)
推荐(3)
摘要：
阅读过程中的其他解释： Batch和miniBatch:(广义)离线和在线的不同 阅读全文
posted @ 2020-06-18 21:14
kkzhang
阅读(230)
评论(0)
推荐(0)
摘要：
卷积的基本结构： 卷积层，Pooling池化层和激活函数层等操作是将原始数据映射到隐层特征空间； 全连接层则起到将学到的特征表示映射到样本标记空间的作用，做出预测； 目标函数的作用则是用来衡量该预测值与真实样本标记之间的误差。再当下的卷积神经网络中交叉熵损失函数和L2损失函数分别是分类问题和回归问题 阅读全文
posted @ 2020-06-18 17:10
kkzhang
阅读(380)
评论(0)
推荐(0)
摘要：
0、对于正则罚项的理解 1、岭回归（L2 ridge regression ） 是一种专用于共线性数据分析的有偏估计回归方法，实质上是一种改良的最小二乘估计法，通过放弃最小二乘法的无偏性，以损失部分信息、降低精度为代价获得回归系数更为符合实际、更可靠的回归方法，对病态数据的拟合要强于最小二乘法。 关 阅读全文
posted @ 2020-06-17 17:19
kkzhang
阅读(255)
评论(0)
推荐(0)
摘要：
使用anaconda安装tensorflow （windows10环境）🔗 遇到的问题：CondaHTTPError: HTTP 000 CONNECTION FAILED for url <https://mirrors.tuna.tsinghua.edu.cn/anaconda/ 解决方案：在 阅读全文
posted @ 2020-06-16 22:06
kkzhang
阅读(6547)
评论(0)
推荐(1)
浙公网安备 33010602011771号