深度学习-基础知识学习笔记
来源:互联网 发布:js获取tr下的第一个td 编辑:程序博客网 时间:2024/05/23 16:32
专业名词解析:
人工智能:人工智能是指,在不接触情况下,一个人和对方进行一系列的问答,如果在相当长的一段时候,都无法判断对方是人还是计算机,可以认为这个机器是智能的。
人工智能包括:机器感知(计算机视觉,自然语言处理),学习(模式识别,机器学习,增强学习),记忆(知识表示),决策(规划,数据挖掘)等。
感知器:模拟人类感知能力的数学模型,感知器是一种最简单的神经网络。
人工神经网络(神经网络):是机器学习算法中比较接近生物神经网络的数学模型。
深度学习:是从机器学习中的神经网络发展出来的一种新领域。甚至逐渐超出机器学习的范畴,朝着人工智能的方向快速发展。
logistic函数
用来将一个实数空间的数映射到(0,1)区间。
softmax函数
将多个标量映射为一个分布函数。
例如,
机器学习基础知识
机器学习是从观测数据(样本)中寻找规律,并利用学习到的规律(模型)对未知数据进行预测。目前,主流的机器学习的算法是基于统计的,也叫统计机器学习。
决策函数:一种输入与输出之间的映射关系。
衡量决策函数的好坏的一个准则:定义一个损失函数,然后再所有的训练样本上评价决策函数的风险。这里的风险是在已知的训练样本(经验数据)上计算得来的,因此成为经验风险。我们的目标变为,找到一个参数使得经验风险最小
过拟合:模型在训练样本的错误率很低,但是在未知数据的错误率很高。
过拟合的原因:训练数据少和噪声等原因。
泛化错误:一般表现为,模型在训练集和测试集上错误率的差距。
解决过拟合:在经验风险最小化原则上加上参数的正则化,称为结构风险最小化原则。
机器学习算法类型:有监督学习 和 无监督学习 和 增强学习。
有监督学习:利用一组已知输入和输出的数据来对模型的参数进行学习,使得模型预测的输出标记和真实标记尽可能一致。
有监督学习:根据输出的类型可分为 回归 和 分类。
(线性)回归:已知的输出是连续的,模型的输出也是连续的。
分类:已知的输出是离散的类别标记,则是分类问题。在分类问题中,通过学习得到的决策函数f也叫分类器。
无监督学习:用来学习的数据不包括输出目标,需要学习算法自动获取到一些有价值的信息。一个典型的无监督学习为聚类。
增强学习:暂无。
特征学习:原始数据的特征有很多,有一些是无用或者冗余或者易变的。因此需要提取有效的、稳定的特征。特征学习就是自动的学习有效特征。特征学习分为 特征选择 和 特征提取。
特征选择:从很多特征集合中选择有效的特征子集。
特征提取:构造一个新的特征空间,并将原始特征投影在新的特征空间中。
参数学习算法
参数学习算法为,从训练集的样本中,自动学习决策函数的参数。
梯度下降法 和 最小二乘法 都是参数学习算法
梯度下降法
梯度下降法是求解无约束优化问题时较为常用的方法。
项目1
- 项目2
定义 A
定义 B
- 项目3
定义 C
定义 D
定义D内容
代码块
代码块语法遵循标准markdown代码,例如:
@requires_authorizationdef somefunc(param1='', param2=0): '''A docstring''' if param1 > param2: # interesting print 'Greater' return (param2 - param1 + 1) or Noneclass SomeClass: pass>>> message = '''interpreter... prompt'''
脚注
生成一个脚注1.
目录
用 [TOC]
来生成目录:
- logistic函数
- softmax函数
- 机器学习基础知识
- 参数学习算法
- 代码块
- 脚注
- 目录
- 数学公式
- UML 图
- 离线写博客
- 浏览器兼容
数学公式
使用MathJax渲染LaTex 数学公式,详见math.stackexchange.com.
行内公式,数学公式为:
Γ(n)=(n−1)!∀n∈N 。块级公式:
更多LaTex语法请参考 这儿.
UML 图:
可以渲染序列图:
或者流程图:
关于 序列图 语法,参考 这儿,
关于 流程图 语法,参考 这儿.
离线写博客
即使用户在没有网络的情况下,也可以通过本编辑器离线写博客(直接在曾经使用过的浏览器中输入write.blog.csdn.net/mdeditor即可。Markdown编辑器使用浏览器离线存储将内容保存在本地。
用户写博客的过程中,内容实时保存在浏览器缓存中,在用户关闭浏览器或者其它异常情况下,内容不会丢失。用户再次打开浏览器时,会显示上次用户正在编辑的没有发表的内容。
博客发表后,本地缓存将被删除。
用户可以选择 把正在写的博客保存到服务器草稿箱,即使换浏览器或者清除缓存,内容也不会丢失。
注意:虽然浏览器存储大部分时候都比较可靠,但为了您的数据安全,在联网后,请务必及时发表或者保存到服务器草稿箱。
浏览器兼容
目前,本编辑器对Chrome浏览器支持最为完整。建议大家使用较新版本的Chrome。
IE9以下不支持
IE9,10,11存在以下问题
不支持离线功能
IE9不支持文件导入导出
IE10不支持拖拽文件导入
- 这里是 脚注 的 内容. ↩
- 深度学习-基础知识学习笔记
- Deep Learning 深度学习笔记1(基础知识)
- 深度学习基础知识整理-
- 深度学习FPGA实现基础知识18(Matconvnet学习笔记)
- 深度学习笔记(一)线性分类器(基础知识)
- 深度学习学习笔记
- 深度学习学习笔记
- 深度学习学习笔记
- 深度学习学习笔记
- 机器学习基础知识-神经网络与深度学习学习笔记(二)
- JAVA学习笔记(基础知识)
- ERP基础知识 [学习笔记]
- 【linux学习笔记】--基础知识
- css基础知识学习笔记
- [学习笔记]信息化基础知识
- 存储基础知识学习笔记
- SqlServer2008学习笔记 基础知识
- JVM学习笔记-基础知识
- php--- session
- struts2常用配置详解
- 优化HLS IP核的运行速度以及VIVADO工程中VDMA的配置
- compile WebKit in qt5.6(unfinished)
- 旋转图标
- 深度学习-基础知识学习笔记
- 如何将高程数据(等高线)转换成xi'an80或者beijing54坐标系
- [ReactNative]自定义alert对话框
- Python Scrapy爬虫框架
- 屏蔽'\n'在Window和Linux的区别写法
- 子串和
- StringUtils.hasText()说明
- Hibernate框架详解
- 基本的工具类