摘要：第五周：卷积神经网络 part3 一、卷积神经网络 基本应用： 语音问答 2. 股票预测 3. 作词作诗 4. 图像理解 5. 视觉问答 循环神经网络和卷积神经网络的不同是什么？ 传统神经网络，卷积神经网络，输入和输出之间是相互独立的 RNN可以更好的处理具有时序关系的任务 RNN通过其循环结构引入 阅读全文

摘要：1.HybridSN class HybridSN(nn.Module): def __init__(self): super(HybridSN, self).__init__() self.conv1 = nn.Conv3d(1, 8, (7, 3, 3), stride=1, padding=0 阅读全文

摘要：第四周：卷积神经网络 part3 【第一部分】 问题总结 1.HybridSN 高光谱分类网络 HybridSN 网络解决的是对高光谱图像的的分类 加入了3D和2D卷积是的可以对高光谱图像进行很好的分类 其中1D、2D和3D的卷积区别在于 1D卷积是对只有一个维度的时间序列提取特征，比如信号、股价、 阅读全文

摘要：第三周：卷积神经网络 part2 【第一部分】 问题总结 1.在第二部分代码练习中可以发现每次的测试结果都会不同，是否这种差异存在于所有CNN模型 2.DSCMR中的J2损失函数的作用是什么 【第二部分】 代码练习 1、MobileNetV1 MobileNetV1 网络：简要阅读谷歌2017年的论 阅读全文

摘要：【第一部分】 视频学习心得 1.机器学习中的数学基础 机器学习对线性代数和概率统计的知识比较多。 矩阵秩的定义： 1.线性方程组的角度：度量矩阵行列之间的相关性 2.数据点分布的角度：表示数据需要的最小的基的数量 2.欠拟合 欠拟合：训练集的一般性质尚未被机器学习好（训练误差大） 解决方案：提高模型 阅读全文