文章分类 -  深度学习

标记
摘要：1 2 3 4 5 6 阅读全文
posted @ 2017-12-22 16:34 yanganling 阅读(77) 评论(0) 推荐(0)
机器学习中的交叉验证
摘要：交叉验证简介 交叉验证详解 机器学习中的交叉验证 为什么要用交叉验证 阅读全文
posted @ 2017-12-21 16:57 yanganling 阅读(142) 评论(0) 推荐(0)
写的比较好的博文
摘要：通俗理解卷积神经网络 讲的好的卷积 阅读全文
posted @ 2017-12-19 22:03 yanganling 阅读(91) 评论(0) 推荐(0)
深度学习笔记四——CNN的前向传播算法
摘要：一、输入层到卷积层的前向传播过程 输入可以是任意维度的张量，过程的公式可表示成如下： $a^2= \sigma(z^2) = \sigma(a^1*W^2 +b^2)$ 其中，上标表示层数，星号表示卷积，b为偏倚，$\sigma$表示激活函数。 这里需要我们自定义的参数有： 1、卷积核，比如有k个， 阅读全文
posted @ 2017-12-18 21:09 yanganling 阅读(693) 评论(0) 推荐(0)
深度学习笔记三——CNN基本结构
摘要：CNN的结构： 卷积层和池化层可以灵活使用，卷积层和池化层后是全连接层。其中卷积层使用的激活函数是ReLU(x)$=max(0,x)$,全连接层就是DNN的结构，输出层使用了Softmax激活函数。 CNN中的卷积公式不是数学中严格意义上的卷积，CNN中一个二维的卷积公式为$s(i,j)=(X*W) 阅读全文
posted @ 2017-12-18 10:39 yanganling 阅读(1616) 评论(0) 推荐(0)
深度学习笔记二
摘要：机器学习中的过拟合与规则化（解释了$L_0,L_1$ill-condition，和condition number）https://www.zhihu.com/question/35508851?sort=created L0范数是指向量中非0的元素的个数；L1范数是指向量中各个元素绝对值之和，也有 阅读全文
posted @ 2017-12-14 22:45 yanganling 阅读(110) 评论(0) 推荐(0)
深度学习笔记一
摘要：梯度下降小结 相关概念： 1、步长（Learning rate）:步长决定了在梯度下降迭代的过程中，每一步沿梯度负方向前进的长度。 2、特征（feature）:指的是样本中输入部分，比如样本（$x_0,y_0$）,（$x_1,y_1$）,则样本特征为x，样本输出为y。 3、假设函数（hypothes 阅读全文
posted @ 2017-12-10 16:55 yanganling 阅读(125) 评论(0) 推荐(0)