2021年10月22日
摘要：
神经网络与深度学习（更新至第6讲 循环神经网络）_哔哩哔哩_bilibili 注解： 1.非线性的问题假如用线性方程去拟合，那会出现欠拟合的情况。 2.解决办法就是用Ф(X)代替X，如下图： 注解： 1.依然可以把多项式回归模型写成线性的形式y=wTФ(x)，有了这样一个线性形式的话，就可以利用线性
阅读全文
posted @ 2021-10-22 12:10
一杯明月
阅读(605)
推荐(0)
2021年10月21日
摘要：
神经网络与深度学习（更新至第6讲 循环神经网络）_哔哩哔哩_bilibili 注解： 1.在这个例子中，x是个一维的标量，在很多问题中，x是一个一维的向量。 注解： 1.如果不加偏置，相当于模型穿过原点，如果加上偏置，相当于直线上移了一点。 2.可以通过增广的权重向量和增广的特征向量把在形式上b消除
阅读全文
posted @ 2021-10-21 21:07
一杯明月
阅读(515)
推荐(0)
摘要：
神经网络与深度学习（更新至第6讲 循环神经网络）_哔哩哔哩_bilibili 上一讲说模型迭代的时候要在验证集上错误率不再下降为止，为何要强调是验证集，而不是训练集呢？这就涉及到模型的泛化和正则化。 注解： 1.欠拟合：直线。 2.正常：二次曲线。 3.过拟合：比二次曲线复杂的曲线（增加了模型的复杂
阅读全文
posted @ 2021-10-21 14:27
一杯明月
阅读(289)
推荐(0)
摘要：
神经网络与深度学习（更新至第6讲 循环神经网络）_哔哩哔哩_bilibili 注解： 1.在假定的空间中建立一个最优的模型，利用这个模型建立x和y之间的关系。 2.需要有一个准则来判断学习到的模型是好是坏。 注解： 1.左边是线性模型，右边是非线性模型。 注解： 1.函数的预测值f(x,θ*)与真实
阅读全文
posted @ 2021-10-21 00:54
一杯明月
阅读(192)
推荐(0)
2021年10月20日
摘要：
神经网络与深度学习（更新至第6讲 循环神经网络）_哔哩哔哩_bilibili 本节知识点：哪些事情的预测属于机器学习？ 注解： 1.这个问题的输出是一个连续值，这样的问题都称为回归问题。 注解： 1.这个问题的输出的也是一个连续值，这样的问题都称为回归问题。 注解： 1.这个问题的输出的也是一个连续
阅读全文
posted @ 2021-10-20 18:39
一杯明月
阅读(108)
推荐(0)
摘要：
注解： 1.对于声音识别和手写数字识别，人类很难（特别难）通过总结某种规则用程序实现声音识别和手写数字识别。 2.所以，需要通过构造很多很多的训练样本，训练神经网络，让计算机（某个神经网络）去总结规则，实现声音识别或者手写数字识别，这就是需要利用机器学习的原因。 注解： 1.机器学习不是说在训练数据
阅读全文
posted @ 2021-10-20 18:00
一杯明月
阅读(74)
推荐(0)
摘要：
注解： 1.随机变量和随机事件不等价，一个随机事件可以定义很多随机变量。 2.随机变量是定义在一个随机事件里面的变量，可以有很多种定义方法，比如可以定义出现某一个值的概率，也可以定义出现奇数的概率。 3.概率分布就是所定义的一个随机变量取所有可能值的概率的一个表。对于离散型的随机变量来说，概率分布就
阅读全文
posted @ 2021-10-20 12:25
一杯明月
阅读(892)
推荐(0)
posted @ 2021-10-20 11:08
一杯明月
阅读(59)
推荐(0)
posted @ 2021-10-20 11:07
一杯明月
阅读(70)
推荐(0)
2021年10月19日
摘要：
神经网络与深度学习（更新至第6讲 循环神经网络）_哔哩哔哩_bilibili axon 英 [ˈæksɒn] 美 [ˈæksɑːn] n. 轴索，[解剖]轴突（神经细胞） telodendria 终端（树）突 nucleus 英 [ˈnjuːkliəs] 美 [ˈnuːkliəs] n. 原子核；细
阅读全文
posted @ 2021-10-19 21:41
一杯明月
阅读(453)
推荐(0)
浙公网安备 33010602011771号