PTA 7-9 题目集总结：（1）前言：总结三次题目集的知识点、题量、难度等情况 在第七次作业中，题目集7的题量不算多，只有两道题，分别为图形卡片排序游戏以及图形卡片分组游戏，但总体的工作量 却不少，因为是两道大题，不是那种看一眼就开始 写的题目，题目集7的知识点主要有类的继承、多态性
转载
2024-04-18 09:29:46
53阅读
前言改进机器学习算法模型的方法有很多例如：获得更多的训练样本——通常是有效的，但代价较大，下面的方法也可能有效。减少特征的数量获得更多的特征增加多项式特征减少正则化程度增加正则化程度但是，我们不应该随机选择上面的某种方法来改进算法，而是运用一些机器学习诊断法来帮助了解上面哪些方法对我们的算法是有效的。1 评估一个假设通常认为选择参量使训练误差最小化，当得到一个非常小的训练误差，人们会认为是一件好事
转载
2024-07-15 13:55:55
77阅读
逻辑回归模型是经典的二分类模型，因其计算方式也可用于预测概率。在进行预测时主要用到了权重向量 、偏置 b对于样本特征 ，其先计算该样本的得分 ，而后使用sigmoid激活函数将 的值域变换到 [0, 1]，将该值作为概率，以 为分界线对样本进行二分类：而 均通过梯度下降法进行求解。求解时使用的损失函数为交叉熵，记
转载
2024-03-22 08:39:58
208阅读
这是一次作业，内容是给出两张图像，检测特征点和匹配特征点。要求不能用诸如OpenCV的现成特征点检测函数。于是就只能造轮子了，写了这个Matlab版的sift。（其实就是把c语言的opensift翻译成了matlab以下是算法流程，其实网上的类似博文已经很多了，只不过我看的过程中也看得不很明白，只能对照着好几个看，所以干脆自己又写了一遍。下面的图均来自于参考资料中，然而参考资料的图也是来自于参考资
从下面两个问题解释一下一、目的1. 提升模型的收敛速度如果选择不归一化，对于数量级相差比较大的数据，绘制的图就类似于椭圆，梯度下降运算会很慢。 选择归一化，对于数量级相差比较大的数据，绘制的图就类似圆形，梯度下降速度很快，少走很多弯路。 具体说下是如何影响速度的呢？ 如下图，的取值范围为[0,2000]，而的取值范围为[1,5]，假如只有这两个特征，对其进行优化时，会得到一个窄长的椭圆形，导致在梯
转载
2024-07-18 20:12:31
99阅读
1、sigmoid函数及其应用 图1：sigmoid 函数 如图1为sigmoid函数，它是神经网络中的一种激活函数，可以将输出限制在(0,1)范围内。目前我能想到的sigmoid函数在神经网络中的两种应用是：a、 作为神经网络中间层的一个激活函数，对于这种应用而言，sigmoid函数有两个特性是
转载
2024-02-23 23:14:07
269阅读
神经网络本质上是利用线性变换加激活函数达到非线性变换的效果，从而将原始的输入空间特征投向稀疏可分的空间。最后去做分类或者回归。正是因为有激活函数，才使得神经网络有能力去模拟出任意一个函数。 本文简单介绍下常见的激活函数，以及它们各自的优缺点。sigmoid 上图是sigmoid函数的图像，表达式为σ(x)=1/(1+e−x)
σ
转载
2024-05-15 07:03:23
168阅读
一、什么是激活函数神经网络中的每个神经元节点接受上一层神经元的输出值作为本神经元的输入值，并将输入值加权求和后传递给下一层，在多层神经网络中，上层节点的输出和下层节点的输入之间具有一个函数关系，这个函数称为激活函数（又称激励函数）。二、激活函数的作用——为什么要使用激活函数没有激活函数，无论神经网络有多少层，输出都是输入的线性组合。激活函数给神经元引入了非线性因素，使得神经网络可以逼近任何非线性函
转载
2024-04-11 10:39:47
263阅读
1. 小波基的选择： 小波基经典小波函数主要有haar小波、dbN小波、coifN小波、symlet小波、meyer小波等等选择小波基是常用的指标如下： （1）正交性 小波基函数的正交性保证了小波变换能够将信号分解到相互正交的各个子空间中，并提高了离散小波变换的计算能力。 （2）紧支性 小波的紧支性使得小波变换能够对具有位置特性的信号进行有效地表示，且小波的支撑越小，其定位的精度越高，局部化能力越
转载
2024-03-15 15:08:03
108阅读
以下内容主要来自邱锡鹏老师的《神经网络与深度学习》第四章和博客的整理。1 Sigmoid型函数 Sigmoid型函数是指一类S型曲线函数，为两端饱和函数。常用的Sigmoid型函数有Logistic函数和Tan
转载
2024-08-08 15:19:45
228阅读
激活函数层神经网络如果只由卷积运算组成，则无法形成复杂的表达空间，也很难提取出高语义的信息。因此还需要加入非线性的映射，又称为激活函数，可以逼近任意的非线性函数，用来提升整个神经网络的表达能力。常用Sigmoid、ReLU和Softmax函数。Sigmoid函数Sigmoid函数又称为Logistic函数，在机器学习的二分类模型中，常用的逻辑回归就是使用了Sigmoid函【对机器
转载
2023-09-05 16:42:28
368阅读
1、使用System.currentTimeMillis()函数代码如下：long start = System.currentTimeMillis();
long finish = System.currentTimeMillis();
long timeElapsed = finish - start;2、使用System.nanoTime()函数代码如下：long start = Sys
转载
2023-05-31 20:01:25
104阅读
一、概述Sigmoid信念网络（Sigmoid Belief Network，SBN）是一种有向图模型，这里的信念网络指的就是贝叶斯网络，也就是有向图模型，sigmoid指的就是sigmoid函数：在Sigmoid信念网络中同样有两观测变量和隐变量，不过他们的连接是有向的，并且节点全部服从0-1分布，并且概率值与sigmoid函数有关。Sigmoid信念网络的概率图如下所示：Sigmoid信念网络
转载
2024-04-01 20:19:19
96阅读
sigmoid函数的特性及硬件实现方法--含matlab代码实现及讲解1. 简介2. sigmoid函数的特性介绍2.1 sigmoid(x)与sigmoid(-x)的关系2.2 sigmoid函数与tanh函数的关系2.3 sigmoid函数的n阶导数2.4 当x=n*ln2时的数值2.5 其他关系式3. 硬件实现方案4. matlab代码实现及讲解 1. 简介sigmoid是神经网络中常用的
转载
2024-03-21 10:45:49
292阅读
激活函数的作用：1、主要作用是改变之前数据的线性关系，使网络更加强大，增加网络的能力，使它可以学习复杂的事物，复杂的数据，以及表示输入输出之间非线性的复杂的任意函数映射；2、另一个重要的作用是执行数据的归一化，将输入数据映射到某个范围内，再往下传递，这样做的好处是可以限制数据的扩张，防止数据过大导致的溢出风险。一、sigmoid函数公式： 图像：特点：1、从图中可以看到，当输入大于5或小
转载
2024-04-14 16:23:56
580阅读
还记得的另外一篇博客逻辑回归里面提到的Sigmoid激活函数吗？ 这里我详细的聊聊Sigmoid和其它计算机视觉中常用的激活函数那激活函数干什么的呢？我们可以这样感性的理解：在逻辑回归（二分类问题）中，激活函数可以根据传入的值，判断这个事物属于哪一类在深度学习的神经元中，可以根据传入的值的大小，判断这个神经元是否能继续传递值（不能传递，就是死了，不激活嘛）Sigmoid激活函数作用逻辑回归里面提到
转载
2024-04-09 10:58:53
88阅读
什么是sign函数？什么是sigmoid函数？
① sign(x)将大于0的分为1，小于0的分为-1。
② sigmoid(x)将大于0.5的分为1，小于0.5的分为0。
Python基础积累
函数
def fun1():
'''testing'''
print('in the fun1')
return 1
# 定义一个过程 实质就是无返回值的函数
def fun2():
'''testing2
转载
2024-07-19 11:57:25
144阅读
数学基础logistic函数logistic函数也就是经常说的sigmoid函数，它的几何形状也就是一条sigmoid曲线。Sigmoid 是常用的非线性的激活函数，可以将全体实数映射到（0， 1）区间上，其采用非线性方法将数据进行归一化处理；sigmoid函数通常用在回归预测和二分类（即按照是否大于0.5进行分类）模型的输出层中。 优点：
转载
2024-05-14 21:54:53
218阅读
梯度消失问题和梯度爆炸问题，总的来说可以称为梯度不稳定问题。【要背住的知识】：用ReLU代替Sigmoid，用BN层，用残差结构解决梯度消失问题。梯度爆炸问题的话，可以用正则化来限制。sigmoid的导数是【0，0.25】.出现原因两者出现原因都是因为链式法则。当模型的层数过多的时候，计算梯度的时候就会出现非常多的乘积项。用下面这个例子来理解：这是每层只有1个神经元的例子，每个神经元的激活函数都是
转载
2024-08-24 20:44:03
105阅读
# Java中的Sigmoid函数
## 简介
在机器学习和神经网络中，Sigmoid函数是一种常用的激活函数，它将输入的实数映射到0到1之间的范围。Sigmoid函数的形状类似于S形曲线，因此得名。在神经网络中，Sigmoid函数常用于将输入的加权和转化为输出的概率。
## Sigmoid函数的定义
Sigmoid函数的数学公式如下：
