原创 Deep Learning：正則化（十）
Sparse Representations Weight decay acts by placing a penalty directly on the model parameters. Another strategy is
2020-06-25 22:34:02
9
原创 Python基礎：序列
列表 、元組 字符串的共同點： （1）都可以通過索引得到每一個元素 （2）默認索引值總是從0開始 （3）可以通過分片的方法得到一個範圍內的元素的集合 （4）有很多共同的操作符（重複操作符*、拼接操作符、成員關係操作符）
2020-06-25 22:34:02
原创 Python基礎：元組
元組：戴上了枷鎖的列表。列表可以任意修改其中的元素，非常靈活。而元組是不可以改變的。 由於和列表是近親關係，所以元組和列表在實際使用上是非常相似的。 創建和訪問元組 >>> tuple1 = (1, 2, 3, 4, 5, 6)
2020-06-25 22:34:02
原创 Deep Learning：正則化（十三）
Adversarial Training In order to probe the level of understanding a network has of the underlying task, we can sear
2020-06-25 22:34:02
原创 Deep Learning：Optimization for Training Deep Models(零)
Of all of the many optimization problems involved in deep learning, the most difficult is neural network training.
2020-06-25 22:34:02
1
原创 Deep Learning：正則化（九）
Parameter Tying and Parameter Sharing Thus far, in this chapter, when we have discussed adding constraints or penal
2020-06-25 22:34:02
原创 Deep Learning：正則化（十四）
Tangent Distance, Tangent Prop, and Manifold Tangent Classifier Many machine learning algorithms aim to overcome th
2020-06-25 22:34:02
4
原创 Deep Learning：Optimization for Training Deep Models(一)
How Learning Differs from Pure Optimization Optimization algorithms used for training of deep models differ from tr
2020-06-25 22:34:02
2
原创 Deep Learning：Optimization for Training Deep Models（二）
Challenges in Neural Network Optimization When training neural networks, we must confront the general non-convex ca
2020-06-25 22:34:02
原创 Tensorflow實例：實現基於LSTM的語言模型
RNN 人每次思考時不會重頭開始，而是保留之前思考的一些結果爲現在的決策提供支持。例如我們對話時，我們會根據上下文的信息理解一句話的含義，而不是對每一句話重頭進行分析。傳統的神經網絡不能實現這個功能，這可能是其一大缺陷。例如卷積神
2020-05-31 08:44:53
原创 Python機器學習應用-聚類之DBSCAN
DBSCAN密度聚類 DBSCAN算法是一種基於密度的聚類算法： 聚類的時候不需要預先指定簇的個數 最終的簇的個數不定 DBSCAN算法將數據點分爲三類： 核心點：在半徑Eps內含有超過MinPts數目的點。 邊界點：在半徑
2020-05-31 08:44:43
原创 Python機器學習應用之監督學習-人體運動狀態信息評級
背景介紹 可穿戴式設備的流行，讓我們可以更便利地使用傳感器獲取人體的各項數據，甚至生理數據。 當傳感器採集到大量數據後，我們就可以通過對數據進行分析和建模，通過各項特徵的數值進行用戶狀態的判斷，根據用戶所處的狀態提供給用戶更加精
2020-05-31 08:44:43
2
原创 Deep Learning：正則化（七）
Multi-Task Learning Multi-task learning (Caruana, 1993) is a way to improve generalization by pooling the examples
2020-02-21 16:12:06
原创 Python基礎：字符串
字符串一旦定義，便很難修改。 >>> str1 = 'I love fisc.com' >>> str1 'I love fisc.com' >>> type(str1) <class 'str'> 切片操作： >>> str1
2020-02-21 16:12:05
原创 Deep Learning：正則化（十二）
Dropout Dropout (Srivastava et al., 2014) provides a computationally inexpensive but powerful method of regularizin
2020-02-21 16:12:05