機器學習與深度學習筆記

1/2ページ

深度學習方法(十三):卷積神經網路結構變化——可變形卷積網路deformable convolutional networks

上一篇我們介紹了:深度學習方法(十二):卷積神經網路結構變化——Spatial Transformer Networks,STN創造性地在CNN結構中裝入了一個可學習的仿射變換,目的是增加CNN的旋轉、平移、縮放、剪裁性。為什麼要做這個很奇怪的結構呢?原因還是因為CNN不夠魯棒,比如把一張圖片顛倒一 […]

三十分鐘理解計算圖上的微積分:Backpropagation,反向微分

神經網路的訓練演算法,目前基本上是以Backpropagation (BP) 反向傳播為主(加上一些變化),NN的訓練是在1986年被提出,但實際上,BP 已經在不同領域中被重複發明了數十次了(參見 Griewank (2010)[1])。更加一般性且與應用場景獨立的名稱叫做:反向微分 (rever […]

機器學習方法:迴歸(二):稀疏與正則約束ridge regression,Lasso

歡迎轉載,轉載請註明:本文出自Bin的專欄blog.csdn.net/xbinworld。 “機器學習方法“系列,我本著開放與共享(open and share)的精神撰寫,目的是讓更多的人瞭解機器學習的概念,理解其原理,學會應用。希望與志同道合的朋友一起交流,我剛剛設立了了一個技術交流QQ群:43 […]

深度學習方法(七):最新SqueezeNet 模型詳解,CNN模型引數降低50倍,壓縮461倍!

歡迎轉載,轉載請註明:本文出自Bin的專欄blog.csdn.net/xbinworld。 技術交流QQ群:433250724,歡迎對演算法、技術感興趣的同學加入。 繼續前面關於深度學習CNN經典模型的整理,之前介紹了CNN網路Lenet,Alexnet,Googlenet,VGG,Deep Res […]

機器學習方法:迴歸(一):線性迴歸Linear regression

歡迎轉載,轉載請註明:本文出自Bin的專欄blog.csdn.net/xbinworld。 開一個機器學習方法科普系列:做基礎回顧之用,學而時習之;也拿出來與大家分享。數學水平有限,只求易懂,學習與工作夠用。週期會比較長,因為我還想寫一些其他的,呵呵。 content: linear regress […]

深度學習/機器學習入門基礎數學知識整理(二):梯度與導數,矩陣求導,泰勒展開等

導數與梯度 導數:一個一元函式函式在某一點的導數描述了這個函式在這一點附近的變化率。 f′(a)=limh→0f(a h)−f(a)h f'(a) = \lim_{h \rightarrow 0} \frac{f(a h)-f(a)}{h} 梯度:多元函式的導數就是梯度。 一階導數,即梯度(grad […]

[重磅]Deep Forest,非神經網路的深度模型,周志華老師最新之作,三十分鐘理解!

歡迎轉載,轉載請註明:本文出自Bin的專欄blog.csdn.net/xbinworld。 技術交流QQ群:433250724,歡迎對演算法、技術感興趣的同學加入。 深度學習最大的貢獻,個人認為就是表徵學習(representation learning),通過端到端的訓練,發現更好的feature […]

深度學習方法(十):卷積神經網路結構變化——Maxout Networks,Network In Network,Global Average Pooling

歡迎轉載,轉載請註明:本文出自Bin的專欄blog.csdn.net/xbinworld。 技術交流QQ群:433250724,歡迎對演算法、技術感興趣的同學加入。 最近接下來幾篇博文會回到神經網路結構的討論上來,前面我在“深度學習方法(五):卷積神經網路CNN經典模型整理Lenet,Alexnet […]

深度學習方法(十一):卷積神經網路結構變化——Google Inception V1-V4,Xception(depthwise convolution)

歡迎轉載,轉載請註明:本文出自Bin的專欄blog.csdn.net/xbinworld。 技術交流QQ群:433250724,歡迎對演算法、機器學習技術感興趣的同學加入。 上一篇講了深度學習方法(十):卷積神經網路結構變化——Maxout Networks,Network In Network,G […]

深度學習方法(五):卷積神經網路CNN經典模型整理Lenet,Alexnet,Googlenet,VGG,Deep Residual Learning

歡迎轉載,轉載請註明:本文出自Bin的專欄blog.csdn.net/xbinworld。 技術交流QQ群:433250724,歡迎對演算法、技術感興趣的同學加入。 關於卷積神經網路CNN,網路和文獻中有非常多的資料,我在工作/研究中也用了好一段時間各種常見的model了,就想著簡單整理一下,以備查 […]