码迷,mamicode.com
首页 >  
搜索关键字:梯度    ( 2016个结果
从 0 开始机器学习 - 神经网络反向 BP 算法!
最近一个月项目好忙,终于挤出时间把这篇 BP 算法基本思想写完了,公式的推导放到下一篇讲吧。 一、神经网络的代价函数 神经网络可以看做是复杂逻辑回归的组合,因此与其类似,我们训练神经网络也要定义代价函数,之后再使用梯度下降法来最小化代价函数,以此来训练最优的权重矩阵。 1.1 从逻辑回归出发 我们从 ...
分类:编程语言   时间:2020-06-20 00:46:05    阅读次数:98
Adam梯度下降算法分析
(一)、什么是Adam算法?Adam(Adaptive momentum)是一种自适应动量的随机优化方法(A method for stochastic optimization),经常作为深度学习中的优化器算法。 (二)、Adam算法如何实现? ? ...
分类:编程语言   时间:2020-06-19 21:04:55    阅读次数:82
深度学习
神经网络 BPNN 感知机 神经网络入门 反向传播 tensorflow tf基础 控制依赖项 变量命名域和tensorboard 一元线性回归 模型持久化 交叉熵 global_steps的使用 手写数据集实现 CNN 激活函数 CNN过拟合 手写数据集CNN模型 权重初始化-CNN 批归一化 自 ...
分类:其他好文   时间:2020-06-18 17:49:05    阅读次数:63
机器学习:梯度下降
作者|Renu Khandelwal 编译|VK 来源|Medium 什么是梯度下降? 梯度下降法是一种减少成本函数的迭代机器学习优化算法,使我们的模型能够做出准确的预测。 成本函数(C)或损失函数度量模型的实际输出和预测输出之间的差异。成本函数是一个凸函数。 为什么我们需要梯度下降? 在神经网络中 ...
分类:其他好文   时间:2020-06-17 19:53:07    阅读次数:51
【NLP-03】Word2Vec
目录 word2vec 简介 CBOW与Skip-Gram模型 优化方法 优点 word2vec API讲解 三个最常见的应用 一句话简述:2013年Google发明,使用跳字节模型(skip-gram)或连续词袋模型(continuous bag of words ,CBOW)训练词向量(初始位o... ...
分类:其他好文   时间:2020-06-16 20:35:06    阅读次数:50
医学成像原理——磁共振图像的建立
一、编码 梯度线圈 用两个电流方向相反的线圈,得到中间线性变化的磁场————梯度场。 在腔体中使用三对梯度线圈,得到$G_x,G_y,G_z$三个方向上的梯度场。在z方向选层,然后在xOy平面进行频率编码与相位编码。 选层(z方向) 根据B1场频率不同(比如64-65MHz),激发的就是中间1.5T ...
分类:其他好文   时间:2020-06-15 00:02:29    阅读次数:122
Python_DL_麦子学院(算法与应用_进阶)_14~20 _Cross entropy函数
5.1 Cross-Entropy Cost 上节实现了一个简单的神经网络所需要的所有function,包括梯度下降算法,BP算法等,利用python实现最简单的神经网络。从本节课开始介绍另外一种cost function。 我们理想情况是让神经网络学习更快。 假设简单模型:只有一个输入、一个神经元 ...
分类:编程语言   时间:2020-06-13 23:19:15    阅读次数:82
次梯度和次微分
本文摘自张贤达的《矩阵分析与应用》第四章第5节 ...
分类:其他好文   时间:2020-06-13 19:21:55    阅读次数:55
方向导数与梯度
方向导数是单侧的右极限 可微==>方向导数一定存在 方向余弦,x的方向余弦,x/根号 x^2 + y^2 + z^2 梯度 ...
分类:其他好文   时间:2020-06-13 15:46:11    阅读次数:84
Python 图像处理 OpenCV (9):图像处理形态学开运算、闭运算以及梯度运算
前文传送门: 「Python 图像处理 OpenCV (1):入门」 「Python 图像处理 OpenCV (2):像素处理与 Numpy 操作以及 Matplotlib 显示图像」 「Python 图像处理 OpenCV (3):图像属性、图像感兴趣 ROI 区域及通道处理」 「Python 图 ...
分类:编程语言   时间:2020-06-13 12:46:26    阅读次数:68
2016条   上一页 1 ... 9 10 11 12 13 ... 202 下一页
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!