一、人工智能流派人工智能：让机器具备人的思维和意识。人工智能三学派：行为主义：基于控制论，构建感知-动作控制系统。（控制论，如平衡、行走、避障等自适应控制系统。）符号主义：基于算数逻辑表达式，求解问题时先把问题面熟为表达式，再求解表达式。（可用公式描述、实现理性思维，如专家系统。）连接主义：仿生学，模仿神经元连接关系。（仿脑神经元连接，实现感性思维，如神经网络。）用计算机仿出神经网络连接干系关系，
转载
2023-10-18 07:27:25
119阅读
神经网络全称为人工神经网络（ANN）,它来源于人类对自身大脑认知能力的研究与模仿，神经网络的理论与相关技术就是为了实现对人类思维的认知。因此，神经网络它是一门涉及到神经生理科学、数理科学、信息科学以及计算机科学等学科的综合交叉学科。它是由大量类似于生物神经元的处理单元相互连接而成的非线性复杂网络系统。它是用一定的简单数学模型来对生物神经网络结构进行描述，并在一定算法下，使其能够在某种程度上模拟生物
转载
2023-06-30 22:03:47
488阅读
人工智能有哪几个主要学派。目前人工智能的主要学派有下面三家：(1)符号主义(symbolicism)，又称为逻辑主义(logicism)、心理学派(psychologism)或计算机学派(computerism)，其原理主要为物理符号系统(即符号操作系统)假设和有限合理性原理。(2)连接主义(connectionism)，又称为仿生学派(bionicsism)或生理学派(physiologism)
转载
2023-10-15 23:04:28
585阅读
神经网络与深度学习（邱锡鹏）第一部分 机器学习基础第1章 绪论深度学习是机器学习的一个分支，指从有限样例中通过算法总结出一般性的规律，并可以应用到新的未知数据上。一种可以比较好解决贡献度分配问题的模型是人工神经网络（Artificial Neural Network，ANN），也简称神经网络。贡献度分配问题（Credit Assignment Problem，CAP）：即一个系统中不同的组件（
转载
2024-01-12 12:25:21
45阅读
当下互联网圈最火的要数"人工智能"了,而人工智能是基于神经网络的,这里简单描述一下"神经网络"人的神经元
人的神经元
简化版神经元
简化版
上图中的圆圈表示一个"感知器",它可以接受多个输入,产出一个结果,结果只有两种情况(是)与(否)举个例子,今天有去看电影的想法,但是否出行,受3个因素影响有没有可以
转载
2023-10-14 08:43:07
0阅读
Long Short Term 网络—— 一般就叫做 LSTM ——是一种 RNN 特殊的类型，可以学习长期依赖信息。LSTM 由
Hochreiter & Schmidhuber (1997)提出，并在近期被
Alex Graves进行了改良和推广。在很多问题，LSTM 都取得相当巨大的成功，并得到了广泛的使用。
LSTM 通过刻
转载
2023-05-26 13:56:36
211阅读
上篇主要讨论了决策树算法。首先从决策树的基本概念出发，引出决策树基于树形结构进行决策，进一步介绍了构造决策树的递归流程以及其递归终止条件，在递归的过程中，划分属性的选择起到了关键作用，因此紧接着讨论了三种评估属性划分效果的经典算法，介绍了剪枝策略来解决原生决策树容易产生的过拟合问题，最后简述了属性连续值/缺失值的处理方法。本篇将讨论现阶段十分热门的另一个经典监督学习算法–神经网络（neural n
转载
2023-09-30 10:38:31
187阅读
感谢中国人民大学的胡鹤老师，课程理论实践结合，讲得很好~神经网络是从生物领域自然的鬼斧神工中学习智慧的一种应用。人工神经网络（ANN）的发展经历的了几次高潮低谷，如今，随着数据爆发、硬件计算能力暴增、深度学习算法的优化，我们迎来了又一次的ANN雄起时代，以深度学习为首的人工神经网络，又一次走入人们的视野。感知机模型perceptron不再处理离散情况，而是连续的数值，学习时权值在变化，从而记忆存储
转载
2023-07-25 22:25:49
136阅读
## LSTM属于深度神经网络的实现方法
### 1. LSTM简介
LSTM（Long Short-Term Memory）是一种特殊的循环神经网络（RNN），它能够学习长期依赖关系并在处理序列数据时表现出色。与传统的RNN相比，LSTM引入了记忆单元和门控机制，使其能够更好地捕捉序列中的长期依赖关系。
### 2. LSTM在深度神经网络中的应用
LSTM通常作为深度神经网络的一层来使用，
原创
2023-07-28 15:19:24
371阅读
卷积神经网络是一种多层神经网络，擅长处理图像特别是大图像的相关机器学习问题。卷积网络通过一系列方法，成功将数据量庞大的图像识别问题不断降维，最终使其能够被训练。CNN最早由Yann LeCun提出并应用在手写字体识别上（MINST）。LeCun提出的网络称为LeNet，其网络结构如下：这是一个最典型的卷积网络，由卷积层、池化层、全连接层组成。其中卷积层与池化层配合，组成多个卷积组，逐层提取特征，最
转载
2023-10-08 08:54:42
169阅读
卷积神经网络又称为CNN，在类别上是属于前馈神经网络的一种，是深度学习的代表算法之一。在上世纪八十年代末被提出之后一直处于沉寂之中，进入2010年后，随着计算机理论知识和计算机硬件算力的不断发展卷积神经网络又开始热门起来。如今CNN已经发展出了十数种十分具有代表性的模型，CNN也已广泛应用于计算机视觉、自然语言处理等领域。一
转载
2023-11-10 19:37:00
91阅读
目录前言正文图注意力机制层(Graph Attentional Layer)层的输入注意力系数归一化注意力系数通过邻居节点更新自身节点层的输出GAT相比于先前研究的优势附作者简介 前言之前在推荐排序上开发的一个算法，取得了不错的效果。其中就用到了图神经网络模块，该模块的一部分思想源于GraphSage和GAT，因此对GAT的算法及代码理解还是比较深的，上一篇博文介绍了GraphSage：《Gra
转载
2023-11-14 12:44:28
62阅读
深度学习之卷积神经网络（8）BatchNorm层BatchNorm层概念BatchNorm层实现1. 向前传播2. 反向更新3. BN层实现4. 完整代码 卷积神经网络的出现，网络参数量大大减低，使得几十层的深层网络称为可能。然而，在残差网络出现之前，网络的加深使得网络训练变得十分不稳定，甚至出现网络长时间不更新甚至不收敛的现象，同时网络对超参数比较敏感，超参数的微量扰动也会导致网络的训练轨迹
转载
2023-06-16 03:08:41
120阅读
关于kNN的一切@(神经网络) 文章目录关于kNN的一切kNN定义kNN思想Implementation of kNN总结不要脸环节 kNN定义在模式识别领域中，最近邻居法（KNN算法，又译K-近邻算法，K Nearest-Neighbor ）是一种用于分类和回归的非参数统计方法[1]。在这两种情况下，输入包含特征空间（Feature Space）中的k个最接近的训练样本。
——Wik
转载
2023-10-29 11:03:30
199阅读
介绍U-Net于2015年提出，广泛用于图像分割问题。其初是专门为医学图像分割而设计的。该方法取得了良好的效果，并在以后的许多领域得到了应用。相对于很多其他语义分割网络，其规模较小，所以也可以用于一些实时的任务。结构 这个结构概括来说前期不断的卷积池化来进行下采样，然后再不断卷积上采样，形成一个U形。而下采样的结果还会合成至对应的上采样结果，实现抽象与细节的结合。 下采样即不断抽象的过程，当抽象程
转载
2024-01-29 05:25:40
39阅读
输出：节点嵌入。 我们还可以嵌入更大的网络结构，子图，图形。 关键思路：基于本地网络邻居生成节点嵌入 直觉：节点使用神经网络聚合来自邻居的信息 已经提出了具有神经网络差异选择的许多模型变体。 直觉：网络邻居定义了一个计算图 每个节点都基于其邻域定义一个计算图！ 通过邻居聚合获得节点表示 过池化节点表示来获取图形表示 图神经网络在以下方面实现了
转载
2023-12-07 23:12:03
31阅读
RNN简介RNN是两种神经网络模型的缩写，一种是递归神经网络（Recursive Neural Network），一种是循环神经网络（Recurrent Neural Network）。虽然这两种神经网络有着千丝万缕的联系，但是本文主要讨论的是第二种神经网络模型——循环神经网络（Recurrent Neural Network）。 循环神经网络是指一个随着时间的推移，重复发生的结构。在自然语言处理
转载
2024-03-07 12:24:00
37阅读
算法学习一、BP神经网络 BP(back propagation)神经网络是1986年由Rumelhart和McClelland为首的科学家提出的概念，是一种按照误差逆向传播算法训练的多层前馈神经网络，是目前应用最广泛的神经网络。从结构上讲，BP神经网络具有输入层、隐藏层和输出层；从本质上讲，BP算法就是以网络误差平方为目标函数、采用梯度下降法来计算目标函数的最小值。 人工神经网络无需事先确定输入
转载
2023-06-14 17:02:29
95阅读
文章目录残差网络（ResNet）恒等变换跳跃连接残差块ResNet模型结构实现残差块ResNet利用ResNet50进行CIFAR10分类数据集损失函数优化器训练可视化 残差网络（ResNet）残差网络（Residual Network，简称 ResNet）是由微软研究院于 2015 年提出的一种深度卷积神经网络。它的主要特点是在网络中添加了“残差块”（Residual Block），有效地解决
转载
2024-04-29 19:27:09
56阅读
神经网络1 人工神经元1.1 人工神经元模型1.2 激活函数类型2 人工神经元网络2.1 神经网络类型2.1.1 前馈型神经网络2.1.2 反馈型神经网络2.2人工神经元网络特点2.3 神经网络举例2.3.1 多层感知机网络2.3.2 BP网络2.3.3 深度神经网络2.3.3.1 深度信念网络2.3.3.1 卷积神经网络 1 人工神经元1.1 人工神经元模型1.2 激活函数类型2 人工神经元网
转载
2023-11-24 00:29:03
41阅读
