内容选择
全部
内容选择
内容分类
  • 学堂
  • 博客
  • 论坛
  • 开发服务
  • 开发工具
  • 直播
  • 视频
  • 用户
时间
  • 一周
  • 一个月
  • 三个月
  • 深度学习的概念

    深度学习(DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向,它被引入机器学习使其更接近于最初的目标——人工智能(AI, Artificial Intelligence)。 深度学习学习样本数据的内在规律表示层次,

    作者: 某地瓜
    1859
    1
  • 深度学习之噪声

    的整流线性隐藏单元可以简单地学会使 hi 变得很大(使增加的噪声 ϵ 变得不显著)。乘性噪声不允许这样病态地解决噪声鲁棒性问题。另一种深度学习算法——批标准化,在训练时向隐藏单元引入加性乘性噪声重新参数化模型。批标准化的主要目的是改善优化,但噪声具有正则化的效果,有时没必要再使用Dropout。

    作者: 小强鼓掌
    1045
    3
  • 深度学习模型结构

    者目标等),再到更高层的目标、目标的行为等,即底层特征组合成了高层特征,由低到高的特征表示越来越抽象。深度学习借鉴的这个过程就是建模的过程。 深度神经网络可以分为3类,前馈深度网络(feed-forwarddeep networks, FFDN),由多个编码器层叠加而成,如多层感知机(multi-layer

    作者: QGS
    646
    2
  • 深度学习之过拟合

    化算法是基于梯度下降的,但是很多有用的损失函数,如 0 − 1 损失,没有有效的导数(导数要么为零,要么处处未定义)。这两个问题说明,在深度学习中我们很少使用经验风险最小化。反之,我们会使用一个稍有不同的方法,我们真正优化的目标会更加不同于我们希望优化的目标。

    作者: 小强鼓掌
    335
    1
  • 深度学习的应用

    计算机视觉香港中文大学的多媒体实验室是最早应用深度学习进行计算机视觉研究的华人团队。在世界级人工智能竞赛LFW(大规模人脸识别竞赛)上,该实验室曾力压FaceBook夺得冠军,使得人工智能在该领域的识别能力首次超越真人。语音识别微软研究人员通过与hinton合作,首先将RBMDBN引入到语音识别声学

    作者: QGS
    657
    1
  • 深度学习的应用

    计算机视觉香港中文大学的多媒体实验室是最早应用深度学习进行计算机视觉研究的华人团队。在世界级人工智能竞赛LFW(大规模人脸识别竞赛)上,该实验室曾力压FaceBook夺得冠军,使得人工智能在该领域的识别能力首次超越真人。语音识别微软研究人员通过与hinton合作,首先将RBMDBN引入到语音识别声学

    作者: QGS
    1524
    2
  • 深度学习VGG网络

    为多层非线性层可以增加网络深度来保证学习更复杂的模式,而且代价还比较小(参数更少)。简单来说,在VGG中,使用了3个3x3卷积核来代替7x7卷积核,使用了2个3x3卷积核来代替5*5卷积核,这样做的主要目的是在保证具有相同感知野的条件下,提升了网络的深度,在一定程度上提升了神经网

    作者: 我的老天鹅
    579
    16
  • 深度学习数据收集

    深度学习需要大量的数据集,但是现实是只有零星的数据,大家有什么收集数据的经验经历,还有什么收集数据的好办法

    作者: 初学者7000
    745
    3
  • 深度学习库 JAX

    JAX是一个似乎同时具备PytorchTensorflow优势的深度学习框架。 JAX 是 Google Research 开发的机器学习库,被称为“在 GPU/TPU上运行的具有自动微分功能的Numpy”,该库的核心是类似 Numpy 的向量矩阵运算。我个人认为,与NumpyPyTorch/T

    作者: QGS
    7165
    3
  • 深度学习之动量

    但其学习过程有时会很慢。动量方法 (Polyak, 1964) 旨在加速学习,特别是处理高曲率、小但一致的梯度,或是带噪声的梯度。动量算法积累了之前梯度指数级衰减的移动平均,并且继续沿该方向移动。动量的效果。动量的主要目的是解决两个问题:Hessian 矩阵的病态条件随机梯度

    作者: 小强鼓掌
    530
    3
  • 强化学习深度学习的结合

    从整个机器学习的任务划分上来看,机器学习可以分为有监督学习、无监督学习半监督学习及强化学习。图像、文本等深度学习的应用都属于有监督学习范畴。自编码器生成式对抗网络可以算在无监督深度学习范畴内。最后就剩下强化学习了。强化学习发展到现在,早已结合了神经网络迸发出新的活力,强化学习结合深度学习已经形成了深度强化学习(Deep

    作者: 黄生
    48
    2
  • 深度学习之PCA

    A中,这个消除是通过寻找输入空间的一个旋转(由 W 确定),使得方差的主坐标 z 相关的新表示空间的基对齐。虽然相关性是数据元素间依赖关系的一个重要范畴,但我们对于能够消除特征依赖更复杂形式的表示学习也很有兴趣。对此,我们需要比简单线性变换能做到更多的工具。

    作者: 小强鼓掌
    541
    1
  • 学习深度学习是否要先学习机器学习

    学习深度学习是否要先学习完机器学习,对于学习顺序不太了解

    作者: 飞奔的野马
    5969
    23
  • 深度学习深度模型中的优化

    深度学习算法在许多情况下都涉及到优化。例如,模型中的进行推断(如 PCA)涉及到求解优化问题。我们经常使用解析优化去证明或设计算法。在深度学习涉及到的诸多优化问题中,最难的是神经网络训练。甚至是用几百台机器投入几天到几个月来解决单个神经网络训练问题,也是很常见的。因为这其中的优化

    作者: 小强鼓掌
    338
    1
  • 什么是AI、机器学习深度学习

    也造就了深度学习的蓬勃发展,“深度学习”才一下子火热起来。击败李世石的Alpha go即是深度学习的一个很好的示例。Google的TensorFlow是开源深度学习系统一个比较好的实现,支持CNN、RNNLSTM算法,是目前在图像识别、自然语言处理方面最流行的深度神经网络模型

    作者: Amber
    11519
    6
  • 业务知识

    业务知识学习看看,笔记内容

    作者: yd_245637169
    16
    0
  • 深度学习-语义分割

    本质上即为每个类别创建一个输出通道。因为上图有5个类别,所以网络输出的通道数也为5,如下图所示:如上图所示,预测的结果可以通过对每个像素在深度上求argmax的方式被整合到一张分割图中。进而,我们可以轻松地通过重叠的方式观察到每个目标。argmax的方式也很好理解。如上图所示,每

    作者: @Wu
    642
    0
  • 深度学习

    深度学习是实现机器学习的一种技术。早期机器学习研究者中还开发了一种叫人工神经网络的算法,但是发明之后数十年都默默无闻。神经网络是受人类大脑的启发而来的:神经元之间的相互连接关系。但是,人类大脑中的神经元可以与特定范围内的任意神经元连接,而人工神经网络中数据传播要经历不同的层,传播

    作者: feichaiyu
    发表时间: 2019-12-16 00:07:41
    3780
    0
  • 深度学习学习纯优化有什么不同

    时所预测的输出,pˆdata 是经验分布。监督学习中,y 是目标输出。在本章中,我们会介绍不带正则化的监督学习,L的变量是 f(x; θ) y。不难将这种监督学习扩展成其他形式,如包括 θ 或者 x 作为参数,或是去掉参数 y,以发展不同形式的正则化或是无监督学习

    作者: 小强鼓掌
    346
    1
  • 机器学习深度学习的比较

    虽然,当数据很小时,深度学习算法表现不佳。这就是是深度学习算法需要大量数据才能完美理解的原因。但是,在这种情况下,我们可以看到算法的使用以及他们手工制作的规则。上图总结了这一事实。硬件依赖通常,深度学习依赖于高端机器,而传统学习依赖于低端机器。因此,深度学习要求包括GPU。这是它

    作者: @Wu
    541
    1