书栈网 · BookStack 本次搜索耗时 0.021 秒,为您找到 77706 个相关结果.
  • 二、历史

    二、历史 2.1 历史简介 2.2 目前状况 2.2.1 训练集大小 2.2.2 计算资源 2.2.3 算法优化 二、历史 2.1 历史简介 深度学习分为三个时期: 1940s-1960s :这时它被称作控制论cybernetics 。 1980s-1990s :这时它被称作连接机制connectionism 。 2006-- ...
  • Dropout

    Dropout 深度神经网络最流行的正则化技术可以说是 dropout。 它由 GE Hinton 于 2012 年提出,并在 Nitish Srivastava 等人的论文中进一步详细描述,并且已被证明是非常成功的:即使是最先进的神经网络,仅仅通过增加丢失就可以提高1-2%的准确度。 这听起来可能不是很多,但是当一个模型已经具有 95% 的准确率时,获...
  • 11.7. d2lzh包索引

    1336 2019-06-05 《动手学深度学习》
    11.7. d2lzh包索引 11.7. d2lzh包索引 函数、类等名称:定义所在章节 bbox_to_rect :物体检测和边界框 Benchmark :异步计算 corr2d :二维卷积层 count_tokens :文本情感分类:使用循环神经网络 data_iter :线性回归的从零开始实现 data_iter_consecut...
  • 稀疏自编码器

    稀疏自编码器 通常良好特征提取的另一种约束是稀疏性:通过向损失函数添加适当的项,自编码器被推动以减少编码层中活动神经元的数量。 例如,它可能被推到编码层中平均只有 5% 的显着活跃的神经元。 这迫使自编码器将每个输入表示为少量激活的组合。 因此,编码层中的每个神经元通常都会代表一个有用的特征(如果您每个月只能说几个字,您可能会试着让它们值得一听)。 为...
  • 学习矢量化(LVQ)

    Deeplearning Algorithms tutorial 学习矢量化 应用案例 Deeplearning Algorithms tutorial 谷歌的人工智能位于全球前列,在图像识别、语音识别、无人驾驶等技术上都已经落地。而百度实质意义上扛起了国内的人工智能的大旗,覆盖无人驾驶、智能助手、图像识别等许多层面。苹果业已开始全面拥抱机器学习...
  • AlexNet

    AlexNet ​AlexNet CNN 架构赢得了 2012 年的 ImageNet ILSVRC 挑战赛:它达到了 17% 的 top-5 的错误率,而第二名错误率只有 26%! 它由 Alex Krizhevsky(因此而得名),Ilya Sutskever 和 Geoffrey Hinton 开发。 它与 LeNet-5 非常相似,只是更大更深,...
  • 叠加的多个特征映射

    叠加的多个特征映射 ​到目前为止,为了简单起见,我们已经将每个卷积层表示为一个薄的二维层,但是实际上它是由几个相同大小的特征映射组成的,所以使用3D图表示其会更加准确(见图 13-6)。 在一个特征映射中,所有神经元共享相同的参数(权重和偏置,权值共享),但是不同的特征映射可能具有不同的参数。 神经元的感受野与前面描述的相同,但是它延伸到所有先前的层...
  • 引言

    神经网络与深度学习 译者的话: 神经网络与深度学习 神经网络和深度学习是一本免费的在线书。本书会教会你: 神经网络,一种美妙的受生物学启发的编程范式,可以让计算机从观测数据中进行学习 深度学习,一个强有力的用于神经网络学习的众多技术的集合神经网络和深度学习目前给出了在图像识别、语音识别和自然语言处理领域中很多问题的最好解决方案。本书将会教你在神...
  • 使用多层感知机进行文档分类

    多层感知机概述 生活中的神经网络 神经网络算法概述 数据集 特征提取 词袋&TFIDF n-gram&TFIDF one-hot编码 训练与效果验证 多层感知机概述 生活中的神经网络 人的大脑是由无数的神经元组成的复杂网络。神经元是具有长突起的细胞,它由细胞体和轴突、树突组成。 每个神经元可以有一或多个树突,可以接受刺激...
  • 五、 历史和现状

    五、 历史和现状 5.1 历史 5.2 神经科学基础 五、 历史和现状 5.1 历史 卷积神经网络是第一个解决重要商业应用的神经网络。 卷积神经网络是用反向传播训练的第一个有效的深度神经网络之一。 卷积神经网络提供了一种方法来特化神经网络,从而处理具有网格结构拓扑的数据。 这种方法在二维图像上是最成功的。 为了处理一维序列数据...