【期末总复习】神经网络与深度学习蒲公英书

这篇具有很好参考价值的文章主要介绍了【期末总复习】神经网络与深度学习蒲公英书。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

浅层学习

【期末总复习】神经网络与深度学习蒲公英书

one-hot向量

相似度的概念

局部表示和分布式表示示例

学习器

准确率

【期末总复习】神经网络与深度学习蒲公英书

机器学习的三个基本要素:模型、学习准则、优化算法

【概念】期望风险

 【概念】损失函数

【期末总复习】神经网络与深度学习蒲公英书

 【运用】三分类问题

【期末总复习】神经网络与深度学习蒲公英书

 【概念】过拟合

 【概念】欠拟合

超参数 

【选择 / 判断】验证集概念

【期末总复习】神经网络与深度学习蒲公英书

线性回归 

经验风险最小化中的平方损失函数 

【期末总复习】神经网络与深度学习蒲公英书

什么时候出现不可逆的情况

【期末总复习】神经网络与深度学习蒲公英书

机器学习模型的四种偏差和方差组合情况(左下过拟合,右上欠拟合)

 【期末总复习】神经网络与深度学习蒲公英书

 监督学习

两类线性可分 

感知器收敛性

 支持向量机超平面距离

 【概念】支持向量

【期末总复习】神经网络与深度学习蒲公英书

sigmoid型函数 

零中心化

【期末总复习】神经网络与深度学习蒲公英书

死亡relu问题

理论上无限逼近 

【期末总复习】神经网络与深度学习蒲公英书

 误差的反向传播

【简单计算】一维卷积示例 

常用卷积:窄卷积、宽卷积、等宽卷积

【期末总复习】神经网络与深度学习蒲公英书

【期末总复习】神经网络与深度学习蒲公英书

 汇聚层、最大汇聚

 汇聚层中最大汇聚过程示例

 转置卷积

 【选择 / 名词解释】空洞卷积

循环神经网络特点:短期记忆 

简单循环网络+层内连接

【期末总复习】神经网络与深度学习蒲公英书

 循环神经网络的通用近似定理

【期末总复习】神经网络与深度学习蒲公英书

图灵完备

 计算梯度的两个概念

【期末总复习】神经网络与深度学习蒲公英书

 梯度爆炸、梯度消失

【期末总复习】神经网络与深度学习蒲公英书

权重消失 

长程依赖问题 

门控机制

【期末总复习】神经网络与深度学习蒲公英书

 长短期记忆

更新门

 【概念】小批量梯度下降法

学习率与批量之间的关系

哪些方法需要调整参数以实现最小化代价函数

学习速率大会发生什么问题

【概念】逆时衰减公式

【期末总复习】神经网络与深度学习蒲公英书

【概念】ADAgrad

【期末总复习】神经网络与深度学习蒲公英书

【概念】权重衰减

新架构的测试时间(加隐藏层)会涉及哪些因素

【期末总复习】神经网络与深度学习蒲公英书

【期末总复习】神经网络与深度学习蒲公英书

【概念、计算方法】软、硬注意力

【期末总复习】神经网络与深度学习蒲公英书

阐述bagging和boosting的关联性和关系

图灵机结构概念、功能、组成部分

【期末总复习】神经网络与深度学习蒲公英书

输入归一化的目的

 逐层归一化

【期末总复习】神经网络与深度学习蒲公英书 【期末总复习】神经网络与深度学习蒲公英书

 【期末总复习】神经网络与深度学习蒲公英书

【期末总复习】神经网络与深度学习蒲公英书

【期末总复习】神经网络与深度学习蒲公英书

adam算法的阐述

【期末总复习】神经网络与深度学习蒲公英书

自适应学习率的方法有哪些

【概念】学习率预热的描述

【期末总复习】神经网络与深度学习蒲公英书

【概念 / 选择】rmsprop阐述

【概念 / 判断】adadelta相关说法

【期末总复习】神经网络与深度学习蒲公英书

神经网络中什么方法处理过拟合

【期末总复习】神经网络与深度学习蒲公英书

【概念】丢弃法的阐述

【期末总复习】神经网络与深度学习蒲公英书

【期末总复习】神经网络与深度学习蒲公英书

【概念】三角循环学习率

常见的超参数、超参数优化方法和计算

【概念】L1L2正则化、用处

【期末总复习】神经网络与深度学习蒲公英书

记忆网络典型结构的概念、各部分作用、功能

【期末总复习】神经网络与深度学习蒲公英书

【期末总复习】神经网络与深度学习蒲公英书 

 

自训练算法的伪代码(框图)介绍

adaboost伪代码

【期末总复习】神经网络与深度学习蒲公英书文章来源地址https://www.toymoban.com/news/detail-489914.html

到了这里,关于【期末总复习】神经网络与深度学习蒲公英书的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • Python中的深度学习:神经网络与卷积神经网络

    当下,深度学习已经成为人工智能研究和应用领域的关键技术之一。作为一个开源的高级编程语言,Python提供了丰富的工具和库,为深度学习的研究和开发提供了便利。本文将深入探究Python中的深度学习,重点聚焦于神经网络与卷积神经网络的原理和应用。 深度学习是机器学

    2024年02月08日
    浏览(41)
  • 计算机竞赛 深度学习卷积神经网络垃圾分类系统 - 深度学习 神经网络 图像识别 垃圾分类 算法 小程序

    🔥 优质竞赛项目系列,今天要分享的是 深度学习卷积神经网络垃圾分类系统 该项目较为新颖,适合作为竞赛课题方向,学长非常推荐! 🧿 更多资料, 项目分享: https://gitee.com/dancheng-senior/postgraduate 近年来,随着我国经济的快速发展,国家各项建设都蒸蒸日上,成绩显著。

    2024年02月07日
    浏览(54)
  • 深度学习卷积神经网络垃圾分类系统 - 深度学习 神经网络 图像识别 垃圾分类 算法 小程序 计算机竞赛

    🔥 优质竞赛项目系列,今天要分享的是 深度学习卷积神经网络垃圾分类系统 该项目较为新颖,适合作为竞赛课题方向,学长非常推荐! 🧿 更多资料, 项目分享: https://gitee.com/dancheng-senior/postgraduate 近年来,随着我国经济的快速发展,国家各项建设都蒸蒸日上,成绩显著。

    2024年02月04日
    浏览(52)
  • 【机器学习】——深度学习与神经网络

    目录 引入 一、神经网络及其主要算法 1、前馈神经网络 2、感知器 3、三层前馈网络(多层感知器MLP) 4、反向传播算法 二、深度学习 1、自编码算法AutorEncoder 2、自组织编码深度网络 ①栈式AutorEncoder自动编码器 ②Sparse Coding稀疏编码 3、卷积神经网络模型(续下次) 拓展:

    2024年02月09日
    浏览(42)
  • 【机器学习】——神经网络与深度学习

    目录 引入 一、神经网络及其主要算法 1、前馈神经网络 2、感知器 3、三层前馈网络(多层感知器MLP) 4、反向传播算法 二、深度学习 1、自编码算法AutorEncoder 2、自组织编码深度网络 ①栈式AutorEncoder自动编码器 ②Sparse Coding稀疏编码 3、卷积神经网络模型(续下次) 拓展:

    2024年02月10日
    浏览(49)
  • 深度学习|卷积神经网络

    卷积神经网络(Convolutional Neural Network,CNN)是一种深度学习神经网络结构,主要用于 图像识别 、 计算机视觉 等领域。该结构在处理图像等高维数据时表现出色,因为它具有共享权重和局部感知的特点,一方面减少了权值的数量使得网络易于优化,另一方面降低了模型的复

    2024年02月11日
    浏览(40)
  • 深度学习,卷积神经网络

      CV领域发展 CV领域是计算机视觉(Computer Vision)领域的简称。 计算机视觉是指利用计算机模拟人类视觉系统的科学,让计算机具有类似于人类在观察外界的视觉、图像的能力,包括图像处理、图像分析、图像理解等。 计算机视觉领域发展有以下特点: 视觉系统的出现和不

    2024年02月15日
    浏览(51)
  • 深度学习循环神经网络

    循环神经网络(Recurrent Neural Network,RNN)是一种广泛应用于序列数据、自然语言处理等领域的神经网络。与传统的前馈神经网络不同,循环神经网络的输入不仅取决于当前输入,还取决于之前的状态。这使得循环神经网络可以对序列数据进行建模,具有记忆和递归的能力。

    2024年02月13日
    浏览(39)
  • 深度学习和神经网络

    人工神经网络分为两个阶段: 1 :接收来自其他n个神经元传递过来的信号,这些输入信号通过与相应的权重进行 加权求和传递给下个阶段。(预激活阶段) 2:把预激活的加权结果传递给激活函数 sum :加权 f:激活函数 神经元         神经元是组成神经网络的最基本单位,

    2024年02月16日
    浏览(24)
  • 深度学习(神经网络)

    提出 形式神经元模型(M-P模型) (1943) 提出 感知器 (1958) 感知器无法解决线性不可分问题(1969) 提出 神经认知机 (1980) 提出 霍普菲尔德模型 (1982) 提出 误差反向传播算法 (1986) 提出 卷积神经网络 (1989) 提出 将 预训练和自编码器 与 深度神经网络 相结合 (20

    2024年02月08日
    浏览(55)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包