深度学习复习总览(一)

简介: 深度学习复习总览(一)

一:绪论

人工智能:使一部机器人像人一样进行感知、认知、决策、执行的人工程序或系统。

标志事件表:

57.png

人工智能诞生:1956年的达特茅斯会议

三个层面:目前处于第二个

58.png分类

59.png


三起两落

60.png


其中第一次是感知机的出现,第二次是BP的出现,第三次是包括是三个,分别是:逐层预训练算法、深度学习算法在ImageNet以及2016年的AlphaGo。

61.png


62.png63.pngimage.pngimage.png


二:基础知识

1.机器学习三要素:模型、学习准则、优化算法。

模型:映射函数。

学习准则:经验风险最小化。

优化算法:梯度下降。


2.神经网络

一般是非凸函数


3.梯度下降

随机梯度下降—SGD

批量梯度下降

小批量梯度下降


4.范数

向量:

L1范数:各个元素的绝对值之和。

L2范数:每个数的平方的和,然后再开方。

L无穷:向量中最大值。

矩阵:

L范数:每个数的p次方,然后累加,然后再开p次方


5.感知机

阶跃激活函数,没有隐藏层。算机器学习的一个第一个阶段。


66.png



目录
相关文章
|
机器学习/深度学习
深度学习复习总览(五)
深度学习复习总览(五)
87 0
|
机器学习/深度学习
深度学习复习总览(四)
深度学习复习总览(四)
142 0
|
机器学习/深度学习
深度学习复习总览(三)
深度学习复习总览(三)
129 0
|
机器学习/深度学习 PyTorch 算法框架/工具
深度学习复习总览(二)
深度学习复习总览(二)
86 0
|
9月前
|
机器学习/深度学习 运维 安全
深度学习在安全事件检测中的应用:守护数字世界的利器
深度学习在安全事件检测中的应用:守护数字世界的利器
328 22
|
6月前
|
机器学习/深度学习 编解码 人工智能
计算机视觉五大技术——深度学习在图像处理中的应用
深度学习利用多层神经网络实现人工智能,计算机视觉是其重要应用之一。图像分类通过卷积神经网络(CNN)判断图片类别,如“猫”或“狗”。目标检测不仅识别物体,还确定其位置,R-CNN系列模型逐步优化检测速度与精度。语义分割对图像每个像素分类,FCN开创像素级分类范式,DeepLab等进一步提升细节表现。实例分割结合目标检测与语义分割,Mask R-CNN实现精准实例区分。关键点检测用于人体姿态估计、人脸特征识别等,OpenPose和HRNet等技术推动该领域发展。这些方法在效率与准确性上不断进步,广泛应用于实际场景。
660 64
计算机视觉五大技术——深度学习在图像处理中的应用
|
10月前
|
机器学习/深度学习 传感器 数据采集
深度学习在故障检测中的应用:从理论到实践
深度学习在故障检测中的应用:从理论到实践
693 6
|
8月前
|
机器学习/深度学习 人工智能 运维
深度学习在流量监控中的革命性应用
深度学习在流量监控中的革命性应用
242 40
|
6月前
|
机器学习/深度学习 数据采集 存储
深度学习在DOM解析中的应用:自动识别页面关键内容区块
本文探讨了如何通过深度学习模型优化东方财富吧财经新闻爬虫的性能。针对网络请求、DOM解析与模型推理等瓶颈,采用代理复用、批量推理、多线程并发及模型量化等策略,将单页耗时从5秒优化至2秒,提升60%以上。代码示例涵盖代理配置、TFLite模型加载、批量预测及多线程抓取,确保高效稳定运行,为大规模数据采集提供参考。
115 0
|
8月前
|
机器学习/深度学习 运维 资源调度
深度学习在资源利用率优化中的应用:让服务器更聪明
深度学习在资源利用率优化中的应用:让服务器更聪明
300 6

热门文章

最新文章