相關(guān)文章

• 

  【人工智能】— 邏輯回歸分類、對數(shù)幾率、決策邊界、似然估計(jì)、梯度下降

  考慮二分類問題，其中每個樣本由一個特征向量表示。 直觀理解：將特征向量 x text{x} x 映射到一個實(shí)數(shù) w T x text{w}^Ttext{x} w T x 一個正的值 w T x text{w}^Ttext{x} w T x 表示 x text{x} x 屬于正類的可能性較高。 一個負(fù)的值 w T x text{w}^Ttext{x} w T x 表示 x text{x} x 屬于負(fù)類的可能性

  2024年02月09日

  瀏覽(20)
• 

  【人工智能】— 神經(jīng)網(wǎng)絡(luò)、前向傳播、反向傳播、梯度下降、局部最小值、多層前饋網(wǎng)絡(luò)、緩解過擬合的策略

  前向傳播和反向傳播 都是神經(jīng)網(wǎng)絡(luò)訓(xùn)練中常用的重要算法。 前向傳播 是指將輸入數(shù)據(jù)從輸入層開始經(jīng)過一系列的權(quán)重矩陣和激活函數(shù)的計(jì)算后，最終得到輸出結(jié)果的過程。在前向傳播中，神經(jīng)網(wǎng)絡(luò)會將每一層的輸出作為下一層的輸入，直到輸出層得到最終的結(jié)果。 反向傳播

  2024年02月10日

  瀏覽(24)

• 【人工智能】神經(jīng)網(wǎng)絡(luò)、前向傳播、反向傳播、梯度下降、局部最小值、多層前饋網(wǎng)絡(luò)、緩解過擬合的策略

  前向傳播 是指將輸入數(shù)據(jù)從輸入層開始經(jīng)過一系列的權(quán)重矩陣和激活函數(shù)的計(jì)算后，最終得到輸出結(jié)果的過程。在前向傳播中，神經(jīng)網(wǎng)絡(luò)會將每一層的輸出作為下一層的輸入，直到輸出層得到最終的結(jié)果。 反向傳播 是指在神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中，通過計(jì)算損失函數(shù)的梯度，將

  2024年02月16日

  瀏覽(20)

• 機(jī)器學(xué)習(xí)梯度下降法筆記

  梯度下降法（Gradient Descent）是一種常用的優(yōu)化算法，用于在機(jī)器學(xué)習(xí)和深度學(xué)習(xí)中最小化或最大化一個函數(shù)的值。在機(jī)器學(xué)習(xí)中，梯度下降法常用于調(diào)整模型的參數(shù)，使得模型能夠更好地?cái)M合訓(xùn)練數(shù)據(jù)。 這個優(yōu)化算法的基本思想是通過迭代的方式，不斷調(diào)整參數(shù)的值，使得

  2024年02月15日

  瀏覽(21)
• 

  機(jī)器學(xué)習(xí)——線性回歸、梯度下降

  監(jiān)督學(xué)習(xí) ：學(xué)習(xí)數(shù)據(jù)帶有標(biāo)簽 無監(jiān)督學(xué)習(xí) ：沒有任何的標(biāo)簽，或者有相同的標(biāo)簽 其他：強(qiáng)化學(xué)習(xí)、推薦系統(tǒng)等 還是房價(jià)預(yù)測的例子， 訓(xùn)練集如下： 定義各個變量的含義如下： m——代表訓(xùn)練集中實(shí)例的數(shù)量 x——代表特征/輸入變量 y——代表目標(biāo)變量/輸出變量 (x,y)——代

  2024年02月07日

  瀏覽(25)
• 

  機(jī)器學(xué)習(xí)——梯度下降法

  問：梯度下降法一定能求得最小值？？？ 答： 在某些情況下，梯度下降法可以找到函數(shù)的最小值，但并非總是如此。這取決于函數(shù)的形狀和梯度下降法的參數(shù)設(shè)置。如果函數(shù)具有多個局部最小值，梯度下降法可能會收斂到其中一個局部最小值，而不是全局最小值。此外，如

  2023年04月08日

  瀏覽(21)
• 

  機(jī)器學(xué)習(xí)_梯度下降

  計(jì)算梯度向量其幾何意義，就是函數(shù)變化的方向，而且是變化最快的方向。對于函數(shù)f(x)，在點(diǎn)(xo,yo)，梯度向量的方向也就是y值增加最快的方向。也就是說，沿著梯度向量的方向 △f(xo)，能找到函數(shù)的最大值。反過來說，沿著梯度向量相反的方向，也就是 -△f(xo)的方向，梯度

  2024年01月19日

  瀏覽(42)
• 

  機(jī)器學(xué)習(xí)入門教學(xué)——人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)

  1、人工智能 人工智能相當(dāng)于人類的代理人，我們現(xiàn)在所接觸到的人工智能基本上都是弱AI，主要作用是正確解釋從外部獲得的數(shù)據(jù)，并對這些數(shù)據(jù)加以學(xué)習(xí)和利用，以便靈活的實(shí)現(xiàn)特定目標(biāo)和任務(wù)。 例如： 阿爾法狗、智能汽車 簡單來說： 人工智能使機(jī)器像人類一樣進(jìn)行感

  2024年02月09日

  瀏覽(94)

• 梯度下降與機(jī)器學(xué)習(xí)的關(guān)系

  梯度下降是一種優(yōu)化算法，常用于機(jī)器學(xué)習(xí)中的參數(shù)優(yōu)化問題。在機(jī)器學(xué)習(xí)中，我們通常需要通過調(diào)整模型的參數(shù)來最小化損失函數(shù)，從而使模型能夠更好地?cái)M合數(shù)據(jù)。梯度下降算法通過不斷迭代更新參數(shù)，沿著損失函數(shù)的負(fù)梯度方向移動，逐步接近最優(yōu)解。 以下是梯度下降

  2024年02月22日

  瀏覽(26)
• 

  人工智能|機(jī)器學(xué)習(xí)——基于機(jī)器學(xué)習(xí)的舌苔檢測

  基于深度學(xué)習(xí)的舌苔檢測畢設(shè)留檔.zip資源-CSDN文庫 目前隨著人們生活水平的不斷提高，對于中醫(yī)主張的理念越來越認(rèn)可，對中醫(yī)的需求也越來越多。在診斷中，中醫(yī)通過觀察人的舌頭的舌質(zhì)、苔質(zhì)等舌象特征，了解人體內(nèi)的體質(zhì)信息從而對癥下藥。 傳統(tǒng)中醫(yī)的舌診主要依賴

  2024年02月22日

  瀏覽(93)