榜单
服务器优惠
AI论文
IT文库
-
3.1 线性回归
3.1 线性回归 3.1.1 线性回归的基本要素 3.1.1.1 模型定义 3.1.1.2 模型训练 (1) 训练数据 (2) 损失函数 (3) 优化算法 3.1.1.3 模型预测 3.1.2 线性回归的表示方法 3.1.2.1 神经网络图 3.1.2.2 矢量计算表达式 小结 3.1 线性回归 线性回归输出是一个连续值，因此适... -
支持向量机（SVM）
Deeplearning Algorithms tutorial 支持向量机 算法背景 应用领域 优缺点 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... -
数字识别
数字识别 说明: 背景介绍 模型概览 Softmax回归(Softmax Regression) 多层感知机(Multilayer Perceptron, MLP) 卷积神经网络(Convolutional Neural Network, CNN) 卷积层 池化层 常见激活函数介绍 数据介绍 Fluid API 概述 配置说明 Prog... -
数字识别
数字识别 说明: 背景介绍 模型概览 Softmax回归(Softmax Regression) 多层感知机(Multilayer Perceptron, MLP) 卷积神经网络(Convolutional Neural Network, CNN) 卷积层 池化层 常见激活函数介绍 数据介绍 Fluid API 概述 配置说明 Prog... -
10. 自然语言处理
10.1 词嵌入（word2vec） 10.2 近似训练 10.3 word2vec的实现 10.4 子词嵌入（fastText） 10.5 全局向量的词嵌入（GloVe） 10.6 求近义词和类比词 10.7 文本情感分类：使用循环神经网络 10.8 文本情感分类：使用卷积神经网络（textCNN） 10.9 编码器—解码器（seq2seq... -
深度信念网络(Deep Belief Machines)
Deeplearning Algorithms tutorial 深度信念网络(Deep Belief Machines) 应用示例 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... -
BIRCH
Deeplearning Algorithms tutorial BIRCH 相关应用 优缺点 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... -
LeNet-5
LeNet-5 LeNet-5 架构也许是最广为人知的 CNN 架构。 如前所述，它是由 Yann LeCun 于 1998 年创建的，广泛用于手写数字识别（MNIST）。 它由表 13-1 所示的层组成。 有一些额外的细节要注意： MNIST 图像是28×28 像素，但是它们被零填充到32×32 像素，并且在被输入到网络之前被归一化。 网络... -
偏差和方差间的权衡
偏差和方差间的权衡 偏差和方差间的权衡 你可能听过“偏差和方差间的权衡”。目前，在大部分针对学习算法的改进中，有一些能够减少偏差，但代价是增大方差，反之亦然。于是在偏差和方差之间就产生了“权衡”。 例如，加大模型的规模（在神经网络中增加神经元/层，或增加输入特征），通常可以减少偏差，但可能会增加方差。另外，加入正则化一般会增加偏差，但能减少方差。 ...