人脸识别、神经风格迁移监督学习：实现检测活体 定义：根据已有的数据集，知道输入和输出结果之间的关系。根据这种已知的关系，训练得到一个最优的模型。也就是说，在监督学习中训练数据既有特征(feature)又有标签(label)，通过训练，让机器可以自己找到特征和标签之间的联系，在面对只有特征没有标签的数据时，可以判断出标签。 通俗一点，可以把机器学习理解为我们教机器如何做事情。监督学习的分类：回归(R
转载
2024-01-04 07:00:18
63阅读
分类MLPClassifier参数说明:
hidden_layer_sizes : 元组形式,长度n_layers-2,默认(100,),第i元素表示第i个神经元的个数
activation: {‘identity’, ‘logistic’, ‘tanh’, ‘relu’},默认"relu"‘identity’: f(x) = x‘logistic’:f(x) = 1 / (1 + ex
转载
2023-09-26 16:59:54
91阅读
文章目录数据增强卷积神经网络的发展LeNetAlexNetVGGNetReseNet分类网络的实现模型训练损失函数优化器学习率训练与验证模型展示多标签分类验证码生成模型搭建模型训练验证码识别 数据增强数据增强是一种在训练模型过程中用于提高样本多样性，增强模型泛化能力的手段。在对图像进行数据增强时，必须保留图像中与标签对应的关键信息。使用了两种数据增强手段：随机裁剪和随机翻转。其中随机裁剪是先在图
转载
2023-11-09 08:41:10
94阅读
回归与分类是研究变量关系的两种统计学数学模型。是监督学习研究的两个问题。 分类问题的一种实现方式是线性回归，对所有预测结果以某个值为分界。然而，这种方法不够好，因为分类问题不能用线性方程表示。但分类问题依然是回归问题，预测的结果限定在少数离散的结果集中。一、逻辑回归与二分类1、逻辑回归做二分类
转载
2023-10-18 17:51:18
448阅读
这篇我们将开始介绍神经网络的基础：逻辑回归（Logistic Regression）。通过对逻辑回归模型结构的分析，为我们后面学习神经网络模型打下基础。 主要内容： 1、二分类问题；2、逻辑回归及其对应的代价函数形式；3、用计算图描述神经网络的正向、反向传播过程；4、在逻辑回归中使用梯度下降算法。1. Binary Classification逻辑回归模型一般用来解决二分类问题。 二分类指的
转载
2023-11-23 15:50:07
60阅读
在机器学习中，我们会使用二分类算法的Many-vs-Many（多对多）和One-vs-Rest（一对多）模式来进行多分类。其中，OvR是指将多个标签类别中的一类作为类别1，其他所有类别作为类别0，分别建立多 个二分类模型，综合得出多分类结果的方法。MvM是指把好几个标签类作为1，剩下的几个标签类别作为0，同样分别建立多个二分类模型来得出多分类结
转载
2023-10-08 11:17:04
130阅读
1.经典神经网络有:2012年提出的AlexNet和2014年提出的VGGNet,结构图分别如下：2.分类与回归：（1）分类(classfication)：就是经过经过一系列的卷积层和池化层之后，再经过全连接层得到样本属于每个类的得分，再用比如softmax分类其对其进行分类；（2）回归（regression）:相当于用一个矩形框来框住要识别的物体,即localization;如下：这里，回归用了
转载
2023-05-19 09:27:40
351阅读
本课程对应的作业，本人已翻译，放在github上，地址如下：https://github.com/fuhuaxu/deeplearning-ai-assignment/tree/master/lesson1上节课我们主要对深度学习（Deep Learning）的概念做了简要的概述。我们先从房价预测的例子出发，建立了标准的神经网络（Neural Network）模型结构。然后从监督式学习入手，介绍了
转载
2024-01-02 16:48:24
39阅读
生成训练数据# 生成训练数据
n_data = torch.ones(100, 2) # 数据的基本形态，全1矩阵，shape=（100，2）
x0 = torch.normal(2 * n_data, 1) # 类型0 x data (tensor), shape=(100, 2)
# print(torch.normal(2*n_data, 1))
# normal()传的两个值为均值和标
转载
2024-04-10 18:51:49
29阅读
神经网络一、线性回归与神经网络单层单个输出多个输出多层二、神经网络原理一般结构神经网络传播过程三、激活函数为什么要使用非线性激活函数常用的激活函数(1) sigmoid函数(2) Tanh函数 一、线性回归与神经网络神经网络是一种模拟人脑的神经网络以期能够实现类人工智能的机器学习技术。单层单个输出假设现需要预测房屋的出售价格，房屋通过以下特征，面积（）空气指数（），交通指数()，最终输出价格（）
转载
2023-08-11 12:45:40
391阅读
深度学习的基础简单单元就是线性回归，线性回归的背景知识我们都有很多丽了解，最简单的就是一元线性回归，复杂的神经网络就是很多（相当大）的线性单元构成，包括卷积等。为了体现微分的数值计算深入理解深度学习是如何工作的，尽管强大的深度学习框架可以减少大量重复性工作，但若过于依赖它提供的便利，会导致我们很难理解工作原理。因此，这里介绍如何只利用C++来实现一个一元线性回归的训练。原始数据集变量1234567
转载
2023-09-27 12:38:48
94阅读
线性回归的表示方法这节我们解释线性回归与神经网络的联系，以及线性回归的矢量计算表达式。神经网络图在深度学习中，我们可以使用神经网络图直观地表现模型结构。为了更清晰地展示线性回归作为神经网络的结构，下图使用神经网络图表示本节中介绍的线性回归模型。神经网络图隐去了模型参数权重和偏差。在如图所示的神经网络中，输入分别为 和 ，因此输入层的输入个数为2。输入个数也叫特征数或特征向量维度。图中网络的输出为，
转载
2023-09-21 06:07:35
102阅读
Pytorch总结三之 softmax回归用于分类问题在另⼀类情景中，模型输出可以是⼀个像图像类别这样的离散值。对于这样的离散值预测问题，我们可以使⽤诸如softmax回归在内的分类模型。和线性回归不同，softmax回归的输出单元从⼀个变成了多个，且引⼊了softmax运算使输出更适合离散值的预测和训练。本节以softmax回归模型为例，介绍神经⽹络中的分类模型。1. softmax 回归1.1
转载
2023-08-08 14:35:44
128阅读
1、逻辑回归 理解逻辑回归是理解BP神经网络的关键，逻辑回归相当于是BP神经网络的最后一层，也就是输出层（BP神经网络用于二分类问题）。下面给出逻辑回归的简单推导过程：公式中已经默认Z=WX+b，损失函数使用交叉熵损失函数修正：W导数中的X应该增加转置上面推导假设一次训练一个样本，如果训练多个样本，最后公式略有不同。由于求导、链式法则的应用都是Element-
转载
2023-07-04 17:40:07
403阅读
文章目录6 分类任务6.1 前置知识6.1.1 分类6.1.2 分类的网络6.2 动手6.2.1 读取数据6.2.2 functional模块6.2.3 继续搭建分类神经网络6.2.4 继续简化6.2.5 训练模型6.3 暂退法6.3.1 重新看待过拟合问题6.3.2 在稳健性中加入扰动6.3.3 暂退法实际的实现6.4 后话 6 分类任务在这一讲中，我们打算探讨一下神经网络中是如何处理分类任务
转载
2023-10-14 10:38:02
104阅读
关于多元线性回归，主要理解两个概念：softmax和交叉熵损失函数：一、softmax的基本概念： 1.分类问题 一个简单的图像分类问题，输入图像的高和宽均为2像素，色彩为灰度。图像中的4像素分别记为x1, x2, x3, x4。假设真实标签为狗、猫或者鸡，这些标签对应的离散值为y1, y2, y3。我们通常使用离散的数值来表示类别，例如y1=1, y2=2, y3=3。2
转载
2023-10-18 15:28:17
212阅读
《数据挖掘：R语言实战》第13章神经网络完整代码由于作者原因，里面的代码有些问题，特别是P226中的“模型差异分析”。我对此作了补充，得到的效果和作者介绍的基本一致。# class.ind()函数############################################
v1=c('a','b','a','c')
v2=c(1,2,1,3)
class.ind(v1)
class.
转载
2023-10-21 22:09:11
76阅读
介绍深度学习是机器学习最近的一个趋势，模拟高度非线性的数据表示。在过去的几年中，深度学习在各种应用中获得了巨大的发展势头（Wikipedia 2016a）。其中包括图像和语音识别，无人驾驶汽车，自然语言处理等等。有趣的是，深度学习的大部分数学概念已经被认识了几十年。然而，只有通过最近的一些发展，深度学习的全部潜力才得以释放（Nair and Hinton，2010; Srivastava et a
转载
2023-09-25 12:22:40
119阅读
多输入单输出网络预测气温数据处理网络模型构建网络模型简化 上一节我们介绍的是利用网络完成分类任务，即将输入的数据分为十个类别。那么今天，我们来介绍回归任务，即根据输入数据得到一个结果。 数据处理今天我们要完成的任务就是根据以往的气温数据对当下以及之后的气温进行估计的任务。我们先来引用库，然后再来看看我们的数据长什么样子：import numpy as np
import pandas as p
转载
2023-09-28 01:17:49
169阅读
8.1 BP神经网络的基本原理逻辑回归因其简单、高效、具有可解释性，在工业界得到了广泛的应用并大放异彩。但是，随着业务越来越复杂，分类任务的难度越来越高，逻辑回归渐渐力不从心。分类任务的难度主要体现在数据的线性不可分上——不同类别的数据犬牙交错，很难用一条简单的直线将数据点分开，如图8-1左图所示。为了降低数据分布的复杂性，一般会对特征进行变换和组合，使低维空间中的数据在高维空间中变成线性可分的，
转载
2023-11-08 22:12:46
148阅读
