1.神经网络和深度学习 课程地址：https://mooc.study.163.com/course/2001281002 /info 2.改善深层神经网络：超参数调试、正则化以及优化 3.结构化机器学习项目 4.卷积神经网络 卷积神经网络 卷积 以边缘检测为例，说明了不同的滤波器filter可以检 ...
分类：
其他好文 时间：
2018-12-18 10:52:33
阅读次数：
220
第四周：深层神经网络(Deep Neural Networks) 1、深层神经网络（Deep L-layer neural network） 在打算使用深层神经网络之前，先去尝试逻辑回归，尝试一层然后两层隐含层，把隐含层的数量看做是另一个可以自由选择大小的超参数，然后再保留交叉验证数据上评估，或者用 ...
分类：
其他好文 时间：
2018-12-17 02:15:27
阅读次数：
220
接上一部分，此篇将用tensorflow建立神经网络，对波士顿房价数据进行简单建模预测。 二、使用tensorflow拟合boston房价datasets 1、数据处理依然利用sklearn来分训练集和测试集。 2、使用一层隐藏层的简单网络，试下来用当前这组超参数收敛较快，准确率也可以。 3、激活函 ...
分类：
编程语言 时间：
2018-11-25 17:54:59
阅读次数：
328
写在前面 论文状态：Published in CVIU Volume 161 Issue C, August 2017 论文地址：https://arxiv.org/abs/1606.02228 github地址：https://github.com/ducha aiki/caffenet benc ...
分类：
Web程序 时间：
2018-11-13 10:29:09
阅读次数：
242
训练集作用：估计模型学习样本数据集，通过匹配一些参数来建立一个分类器。建立一种分类的方式，主要是用来训练模型的。验证集作用：确定网络结构或者控制模型复杂程度的参数，超参数对学习出来的模型，调整分类器的参数，如在神经网络中选择隐藏单元数。验证集还用来确定网络结构或者控制模型复杂程度的参数。测试集作用：检验最终选择最优的模型的性能如何主要是测试训练好的模型的分辨能力（识别率等）
分类：
其他好文 时间：
2018-11-12 19:52:22
阅读次数：
183
0. Paper link "MobileNets" 1. Overview MobileNets是一种基于深度可分割卷积的轻量流线型结构，引进了两个简单的全局超参数在延迟与准确率之间达到了平衡，并且超参数让model builder可以按照不同的应用场景的限制去选择合适大小 ...
分类：
移动开发 时间：
2018-10-29 16:07:12
阅读次数：
233
目前在研究Automated Machine Learning,其中有一个子领域是实现网络超参数自动化搜索，而常见的搜索方法有Grid Search、Random Search以及贝叶斯优化搜索。前两者很好理解，这里不会详细介绍。本文将主要解释什么是体统(沉迷延禧攻略2333)，不对应该解释到底什么 ...
分类：
其他好文 时间：
2018-10-28 20:51:20
阅读次数：
616
K means算法的缺点 优点：原理简单，实现容易 缺点： 1. 收敛较慢 2. 算法时间复杂度比较高 $O(nkt)$ 3. 不能发现非凸形状的簇 4. 需要事先确定超参数K 5. 对噪声和离群点敏感 6. 结果不一定是全局最优，只能保证局部最优 ...
分类：
编程语言 时间：
2018-10-26 13:19:07
阅读次数：
130
  评估模型预测的准确率 通过调整模型的超参数提高模型准确率 备注：数据基于加利福尼亚州 1990 ...
分类：
其他好文 时间：
2018-10-14 01:52:21
阅读次数：
177
