文章目录改善深层神经网络-优化算法Gradient CheckingMini-batch 训练指数加权平均（Exponentially weighted averages）理解指数加权平均指数加权平均的Bias纠正Gradient descent with momentum(动量)RMSPropAdam optimization algorithm学习衰减率(rate decay) 改善深层神经
转载
2023-08-21 22:45:05
122阅读
# 深度学习和神经网络
## 简介
深度学习是一种机器学习算法，通过构建神经网络来模拟人脑的工作方式，以实现自动化处理和分析数据的功能。神经网络是深度学习的基本组成部分，它由许多连接节点组成，每个节点都可以处理和传递信息。
## 神经网络的结构
神经网络由多个层级组成，每个层级都包含多个节点。最常见的神经网络结构是多层感知机（Multi-Layer Perceptron，MLP），它由输入
原创
2023-12-15 04:47:43
70阅读
先来说一下这几者之间的关系：人工智能包含机器学习，机器学习包含深度学习（是其中比较重要的分支）。深度学习源自于人工神经网络的研究，但是并不完全等于传统神经网络。所以深度学习可以说是在传统神经网络基础上的升级。
原创
2022-05-27 22:30:28
3035阅读
Keras是一种高级神经网络API，能够在Tensorflow，Theano和CNTK之上运行。它通过高标准，模块化和可扩展的API实现快速试验。Keras也可以在CPU和GPU上运行。Keras 由Francois Chollet开发和维护，是Tensorflow核心的一部分，这使得Tensorflows是高级API的首选。本文是关于如何使用Keras进行深度学习。在本文中，我们将介绍Keras
转载
2024-01-02 15:18:44
114阅读
前言在了解了卷积网络之后，不难发现，基本上所有的卷积网络都是按照："卷积层->池化层->卷积层->池化层…->全连接层->输出层"这样的形式进行堆叠排列的。这样的层级结构在Keras中使用Sequential模型来实现极为方便。在Keras中实现卷积网络首先，卷积网络是神经网络的一种，因此卷及网络中需要有各种层与激活函数。这些层有全连接层(Dense Layer)、卷
转载
2023-10-05 19:44:35
136阅读
A Survey of Model Compression and Acceleration for Deep Neural Networks 一、研究背景在神经网络方面，早在上个世纪末，Yann LeCun等人已经使用神经网络成功识别了邮件上的手写邮编。至于深度学习的概念是由Geoffrey Hinton等人首次提出，而在2012年，Krizhevsky等人采用深度学习算法
转载
2024-04-07 20:49:18
98阅读
一. 前言：作为AI入门小白，参考了一些文章，想记点笔记加深印象，发出来是给有需求的童鞋学习共勉，大神轻拍！【毒鸡汤】：算法这东西，读完之后的状态多半是 --> “我是谁，我在哪？” 没事的，吭哧吭哧学总能学会，毕竟还有千千万万个算法等着你。 本文货很干，堪比沙哈拉大沙漠，自己挑的文章，含着泪也要读完！二. 科普：生物上的神经元就是接收四面八方的刺激（输入），然后做出反应（输出），给它
转载
2024-03-15 23:30:04
86阅读
到目前为止，我们已经看到了如何根据权重来计算神经网络的输出，但是，我们还没有看到这些权重的实际来源。训练是调整神
原创
2022-04-15 14:26:16
1081阅读
1.深度学习的概念深度学习（deeping learning）是机器学习的分支，是一种以人工神经网络为架构，对数据进行特征学习的算法。2.机器学习与深度学习的区别2.1区别1：特征提取 从特征提取角度： 1.机器学习没有人工的提取的过程 2.深度学习没有复杂的人工提取的过程，特征提取的过程可以通过神经网络自动完成2.2 区别2：数据量 从数据量角度出发： 1.深度学习需要大量的训练数据集，会有更高
转载
2024-01-12 09:51:34
223阅读
卷积循环对抗 https://.bilibili./video/BV1P4411f7hK?from=search&seid=11050701886370868058CNN模型 RNN LSTM词向量分割卷积神经网
原创
2021-12-27 17:27:41
379阅读
# 实现神经网络深度学习教程
## 整体流程
首先，让我们看一下整个实现神经网络深度学习的流程。我们可以通过以下表格展示：
| 步骤 | 描述 |
| ---- | ---- |
| 1 | 数据准备 |
| 2 | 构建神经网络模型 |
| 3 | 训练神经网络模型 |
| 4 | 评估神经网络模型 |
| 5 | 使用神经网络模型进行预测 |
## 详细步骤和代码解释
### 数据准
原创
2024-03-11 03:52:34
12阅读
随着AlphaGo与李世石大战的落幕，人工智能成为话题焦点。AlphaGo背后的工作原理"深度学习"也跳入大众的视野。什么是深度学习，什么是神经网络，为何一段程序在精密的围棋大赛中可以大获全胜？人工智终将会取代人类智慧吗？《神经网络与深度学习》是一本介绍神经网络和深度学习算法基本原理及相关实例的书籍
原创
2021-08-05 14:53:42
696阅读
转载：http://zhangtielei.com/posts/blog-neural-nets.html有一次，我和Vito（我的合伙人）聊起了当下热门的几种技术趋势。当谈及它们在未来可能的发展前景的时候，Vito说了下面的一段话：人工智能是个信息革命到蒸汽机规模之间的机会，相比之下虚拟现实应该是移动互联网级别的，而用户个性化服务应该是伴生规模的。如果人工智能技术
原创
2021-07-12 10:07:52
267阅读
本篇文章主要面向产品、业务、运营人员等任何非技术人员通俗易懂地讲解什么是深度学习和神经网络，二者的联系和区别是什么。无需技术背景也可以有一个比较全面清晰的认识。同时也为为大家讲解TensorFlow、Caffe、Pytorch等深度学习框架和目前工业界深...
转载
2023-05-15 13:37:54
254阅读
深层神经网络学习检测记录构建深层神经网络的基本函数符号说明所必须的资料相关文件的导入初始化参数测试initialize_parameters函数L层神经网络的初始化定义L层神经网络初始化函数测试L层网络初始化函数构建前向传播函数损失函数构建反向传播函数更新参数w和b深度神经网络应用，图像分类导入相关文件和库加载数据集并展示一个图像展示数据集的信息重塑图像的类型数据预处理定义一个两层神经网络模型输
转载
2024-03-07 18:23:47
64阅读
Writed by changfei_lovelife~目录1.卷积神经网络 2.深层卷积网络实例探究第一部分 卷积神经网络1.边缘检测器原理：利用过滤器，与原图矩阵进行卷积计算，可实现垂直/水平边缘检测。卷积运算：逐元素相乘，然后相加 解释：检测器能区别明到暗和暗到明：水平检测器：检测器中的值不一定是定值：2.卷积的操作：Padding&步长Padding: 如果我们有一个n×n的图像，
转载
2024-04-07 22:36:47
97阅读
5.1 神经元模型神经网络目前使用的最广泛的定义为“神经网络是由具有适应性的简单单元组成的广泛并行互联的网络，它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应。神经网络中最基本的成分是神经元模型，即上述定义的简单单元。 在生物神经网络中，每个神经元与其他神经元相连，当它兴奋时，就会向相连的神经元发送化学物质，从而改变这些神经元内的电位；如果某神经元的电位超过了阈值，那么它就会被激活，即兴
转载
2023-12-26 14:31:05
229阅读
人工神经网络——前馈神经网络——多层神经网络——CNN、DNN、DBN。CNN（卷积神经网络）CNN、RNN、LSTM等各种神经网络都是基于FCNN（全连接神经网络）出发的，最基础的原理都是由反向传播而来。反向传播示意图：神经网络的训练是有监督的学习，也就是输入X 有着与之对应的真实值Y ，神经网络的输出Y 与真实值Y 之间的损失Loss 就是网络反向传播的东西。整个网络的训练过程就是不断缩小损失
转载
2023-09-21 08:21:18
902阅读
1、概述 本来想用卷积神经网络来预测点东西，但是效果嘛......，还是继续学习图像类的应用吧～前面学习的神经网络都是一些基础的结构，这些网络在各自的领域中都有一定效果，但是解决复杂问题肯定不够的，这就需要用到深度神经网络。深度神经网络是将前面所学的网络组合起来，利用各自网络的优势，使整体效果达到最优。这一节就简单的记下一些常用的深度神经网络模型，因为tensorflow等框架都将这些网络实现了，
转载
2023-10-03 20:24:38
304阅读
有哪些深度神经网络模型目前经常使用的深度神经网络模型主要有卷积神经网络(CNN)、递归神经网络(RNN)、深信度网络(DBN)、深度自动编码器(AutoEncoder)和生成对抗网络(GAN)等。递归神经网络实际.上包含了两种神经网络。一种是循环神经网络(RecurrentNeuralNetwork);另一种是结构递归神经网络(RecursiveNeuralNetwork)，它使用相似的网络结构递
转载
2023-08-03 06:54:54
672阅读
