• Coursera deeplearning.ai 深度学习笔记1-3-Shallow Neural Networks-浅层神经网络原理推导与代码实现

    时间:2022-12-14 18:07:49

    在掌握了逻辑回归算法后,先来学习浅层神经网络,之后再对深度神经网络进行学习。 1. 原理推导 1.1 神经网络表示 神经网络由输入层、隐含层和输出层构成。L层神经网络,隐含层为第1 ~ (L - 1)层,输出层为第L层。为了方便,将输入层写成第0层。 定义:上标[l]表示第l层,下标j表示...

  • Coursera deeplearning.ai 深度学习笔记4-1-Foundations of Convolutional Neural Networks-卷积神经网络基础及代码实现

    时间:2022-12-14 17:54:11

    1 卷积神经网络(Convolutional Neural Networks) 1.1 边缘检测(Edge Detection) 给定一个6 × 6的灰度图像数据X,需要对其进行垂直边缘检测,则构造一个3 × 3的矩阵F如下,也称作滤波器(Filter)或者核(Kernel): X...

  • deeplearning.ai之卷积神经网络

    时间:2022-12-14 17:35:08

    1. 卷积层的优点: 2. 经典网络架构介绍 LeNet-5 池化层为均值,而目前主流为max 激活函数为sigmod或者tanh,而目前主流为relu AlexNet Local Response Normalizatio...

  • deeplearning.ai 神经网络和深度学习 week4 深层神经网络

    时间:2022-12-14 17:30:38

    1. 计算深度神经网络的时候,尽量向量化数据,不要用for循环。唯一用for循环的地方是依次在每一层做计算。   2. 最常用的检查代码是否有错的方法是检查算法中矩阵的维度。       正向传播:     对于单个样本,第i层网络 z[i] = W[i]a[i-1] + b[i],        ...

  • Coursera deeplearning.ai 深度学习笔记1-4-Deep Neural Networks-深度神经网络原理推导与代码实现

    时间:2022-12-14 17:30:44

    在掌握了浅层神经网络算法后,对深度神经网络进行学习。 1. 原理推导 1.1 深度神经网络表示 定义:L表示神经网络总层数,上标[l]代表第l层网络,n[l]代表第l层的节点数,a[l]代表第l层的激活,W[l]和b[l]为第l层的参数。输入层为第0层a[0] = x,输出层为第L层a[L...

  • deeplearning.ai学习笔记(3) —— 深层神经网络

    时间:2022-12-14 17:25:50

    本文转载自吴恩达《深度学习》系列课程笔记 深层神经网络(Deep L-layer neural network) 在过去的几年中,DLI(深度学习学院 deep learning institute)已经意识到有一些函数,只有非常深的神经网络能学会,而更浅的模型则办不到。尽管对于任何给定的问...

  • 【deeplearning.ai】Neural Networks and Deep Learning——浅层神经网络

    时间:2022-12-14 17:25:50

    吴恩达的deeplearning.ai公开课,第二周内容的学习笔记。 一、基础知识 1、浅层神经网络结构 此网络为2层。在说神经网络的层数时,不包括输入层。 2、前向传播 训练时循环每个样本: 可以设: 将其向量化,去掉for循环: 3、激活函数 (1)tanh函数 (2)ReLu函数...

  • deeplearning.ai - 循环神经网络 (Recurrent Neural Networks)

    时间:2022-12-14 17:20:59

    序列模型 吴恩达 Andrew Ng Why sequence models Examples Speech recognition, Music generation, Sentiment classification, DNA sequence analysis, Mac...

  • 【deeplearning.ai】Neural Networks and Deep Learning——深层神经网络

    时间:2022-12-14 17:21:23

    吴恩达的deeplearning.ai公开课学习笔记。最近忙忘了整理,课程已被锁定,没能把编程作业保留下来……所以只把之前的笔记、公式整理了一下。水平有限,如有错误欢迎指出~ 一、多层神经网络 1、神经网络结构 以四层网络为例: 一些符号说明: 上一篇博文介绍了浅层网络(一个隐藏层)的前向传播...

  • deeplearning.ai - 深层神经网络(Deep Neural Networks)

    时间:2022-12-14 17:21:17

    神经网络和深度学习 吴恩达 Andrew Ng 深层神经网络(Deep Neural Networks) Deep L-layer Neural Networks 有一个隐藏层的神经网络,就是一个两层神经网络 算神经网络的层数时,只算隐藏层和输出层,输入层看作第0层 有...

  • deeplearning.ai 神经网络和深度学习 week1 深度学习概论

    时间:2022-10-31 15:41:10

    1. 预测房价、广告点击率:典型的神经网络,standard NN。图像:卷积神经网络,CNN。一维序列数据,如音频,翻译:循环神经网络,RNN。无人驾驶,涉及到图像、雷达等更多的数据类型:混合的神经网络。2. 结构化数据:数据的数据库,每一种特征都有明确的定义,如预测房价、广告点击率。目前主要的营...

  • deeplearning.ai 神经网络和深度学习 week4 深层神经网络 听课笔记

    时间:2022-10-31 15:36:45

    1. 计算深度神经网络的时候,尽量向量化数据,不要用for循环。唯一用for循环的地方是依次在每一层做计算。2. 最常用的检查代码是否有错的方法是检查算法中矩阵的维度。正向传播:对于单个样本,第i层网络 z[i] = W[i]a[i-1] + b[i],a[i] = f[i](z[i])。其中,z[...

  • deeplearning.ai 神经网络和深度学习 week1 深度学习概论 听课笔记

    时间:2022-10-31 15:36:39

    1. 预测房价、广告点击率:典型的神经网络,standard NN。图像:卷积神经网络,CNN。一维序列数据,如音频,翻译:循环神经网络,RNN。无人驾驶,涉及到图像、雷达等更多的数据类型:混合的神经网络。2. 结构化数据:数据的数据库,每一种特征都有明确的定义,如预测房价、广告点击率。目前主要的营...

  • deeplearning.ai 神经网络和深度学习 week4 深层神经网络

    时间:2022-10-31 15:36:33

    1. 计算深度神经网络的时候,尽量向量化数据,不要用for循环。唯一用for循环的地方是依次在每一层做计算。2. 最常用的检查代码是否有错的方法是检查算法中矩阵的维度。正向传播:对于单个样本,第i层网络 z[i] = W[i]a[i-1] + b[i],a[i] = f[i](z[i])。其中,z[...

  • Deeplearning.ai课程笔记-结构化机器学习项目

    时间:2022-09-02 13:56:44

    目录一. 正交化二. 指标1. 单一数字评估指标2. 优化指标、满足指标三. 训练集、验证集、测试集1. 数据集划分2. 验证集、测试集分布3. 验证集、测试集大小四. 比较人类表现水平1. 贝叶斯最佳误差2. 改进方向全部来自同一分布当训练集来自不同分布五. 误差分析错误标签六. 快速搭建系统并迭...

  • DeepLearning.ai学习笔记(五)序列模型 -- week2 自然语言处理与词嵌入

    时间:2022-09-02 13:40:26

    一、词汇表征首先回顾一下之前介绍的单词表示方法,即one hot表示法。如下图示,“Man”这个单词可以用 \(O_{5391}\) 表示,其中O表示One_hot。其他单词同理。但是这样的表示方法有一个缺点,看是看下图中右侧给出的例子,比如给出这么一句不完整的话:**I want a glass ...

  • DeepLearning.ai学习笔记(三)结构化机器学习项目--week1 机器学习策略

    时间:2022-09-02 13:37:01

    一、为什么是ML策略如上图示,假如我们在构建一个喵咪分类器,数据集就是上面几个图,训练之后准确率达到90%。虽然看起来挺高的,但是这显然并不具一般性,因为数据集太少了。那么此时可以想到的ML策略有哪些呢?总结如下:收集更多的数据收集更多不同的训练集结合梯度下降训练算法更长时间尝试Adam算法尝试更大...

  • DeepLearning.ai学习笔记汇总

    时间:2022-09-02 13:36:37

    第一章 神经网络与深度学习(Neural Network & Deeplearning)DeepLearning.ai学习笔记(一)神经网络和深度学习--Week3浅层神经网络DeepLearning.ai学习笔记(一)神经网络和深度学习--Week4深层神经网络第二章 改善深层神经网络De...

  • DeepLearning.ai学习笔记(五)序列模型 -- week2 序列模型和注意力机制

    时间:2022-09-02 13:35:37

    一、基础模型假设要翻译下面这句话:"简将要在9月访问中国"正确的翻译结果应该是:"Jane is visiting China in September"在这个例子中输入数据是10个中文汉字,输出为6个英文单词,\(T_x\)和\(T_y\)数量不一致,这就需要用到序列到序列的RNN模型。​类似的例...

  • 吴恩达deeplearning.ai课程《神经网络和深度学习》____学习笔记(第二周 1~6)

    时间:2022-04-25 23:35:47

    ____tz_zs学习笔记第二周神经网络基础2.1二分分类在二元分类问题中,目标是训练出一个分类器,它以图片的特征向量x作为输入,预测输出的结果标签y是1还是0,也就是预测图片中是否有猫。·2.2logistic回归给定图像的特征向量x,算法将评估图片中存在猫的概率。2.3logistic回归损失函...