您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 数据挖掘——概念、模型、方法和算法.pdf

  2. 本书全面讲述了数据挖掘的概念、模型、方法和算法。本书共包括13章和2个附录,全面、详细地讲述了从数据挖掘的基本概念到数据挖掘的整个过程,以及数据挖掘工具及其典型应用领域。本书编写严谨、内容权威、结构合理、科学规范、语言流畅,特别适合作为高等院校数据挖掘课程的教科书,还适合作为数据挖掘研究人员必备的参考书。 目 录 第1章 数据挖掘的概念 1 1.1 概述 1 1.2 数据挖掘的起源 3 1.3 数据挖掘过程 5 1.3.1 陈述问题和阐明假设 5 1.3.2 数据收集 6 1.3.3 数据预处
  3. 所属分类:其它

    • 发布日期:2009-05-27
    • 文件大小:8mb
    • 提供者:linkui26
  1. 神经网络BP代码

  2. Hopficld模型,Feldmann等的连接型网络模型,Hinton等的玻尔茨曼机模型,以及Rumelhart等的多层感知机模型和Kohonen的自组织网络模型等等。在这众多神经网络模型中,应用最广泛的是多层感知机神经网络。
  3. 所属分类:嵌入式

    • 发布日期:2011-07-05
    • 文件大小:72kb
    • 提供者:waterfreeking
  1. 使用MLP(多层感知机)进行情感分析,使用fasttext进行文档分类

  2. Python语言,word2vec模型,词袋模型和TFIDF模型,使用MLP(多层感知机)进行情感分析,使用fasttext进行文档分类
  3. 所属分类:深度学习

    • 发布日期:2018-05-14
    • 文件大小:3mb
    • 提供者:caibing12
  1. 基于多深度模型集成的音频场景分类方法研究.pdf

  2. 该论文来自于哈尔滨工业大学的彭凡凡,主要尝试了各种深度学习方法,如多层感知机(Multi-Layer Perceptron,MLP)、卷积神经网络(Convolutional Neural Network,CNN)、长短时循环神经网络(Long Short-Term Memory,LSTM),对音频场景进行识别分类。
  3. 所属分类:深度学习

    • 发布日期:2019-06-24
    • 文件大小:1mb
    • 提供者:qq_32251537
  1. TensorFlow实现多层感知机.py

  2. 本代码是在TensorFlow实现softmax regression模型之后的优化,增加了一层隐含层来提高拟合度,并使用dropout减轻过拟合、自适应学习速率的Adagrad,以及可以解决梯度弥散的激活函数ReLU。 本代码按照《TensorFlow实战》码的,但是准确率并没有书上说的那么好,目前还不知道什么原因,希望大家提出建议,谢谢!
  3. 所属分类:深度学习

  1. 多层感知机 python pytorch

  2. 多层感知机的基本知识 深度学习主要关注多层模型。在这里,我们将以多层感知机(multilayer perceptron,MLP)为例,介绍多层神经网络的概念。
  3. 所属分类:机器学习

    • 发布日期:2020-02-13
    • 文件大小:6kb
    • 提供者:qq_40441895
  1. TensorFlow实现MLP多层感知机模型

  2. 主要为大家详细介绍了TensorFlow实现MLP多层感知机模型,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
  3. 所属分类:其它

    • 发布日期:2020-09-20
    • 文件大小:88kb
    • 提供者:weixin_38557515
  1. Datawhale 组对学习打卡营 任务11: 注意力机制和Seq2seq模型

  2. 目录 注意力机制 Softmax屏蔽 点积注意力 测试 多层感知机注意力 测试 总结 引入注意力机制的Seq2seq模型 解码器 训练 训练和预测 import math import torch import torch.nn as nn import os def file_name_walk(file_dir): for root, dirs, files in os.walk(file_dir): # print(root, root) # 当前目录路径
  3. 所属分类:其它

    • 发布日期:2021-01-07
    • 文件大小:372kb
    • 提供者:weixin_38660579
  1. 《动手学深度学习》task4——机器翻译及相关技术;注意力机制与Seq2seq模型;Transformer笔记

  2. 系统学习《动手学深度学习》点击这里: 《动手学深度学习》task1_1 线性回归 《动手学深度学习》task1_2 Softmax与分类模型 《动手学深度学习》task1_3 多层感知机 《动手学深度学习》task2_1 文本预处理 《动手学深度学习》task2_2 语言模型 《动手学深度学习》task2_3 循环神经网络基础 《动手学深度学习》task3_1 过拟合、欠拟合及其解决方案 《动手学深度学习》task3_2 梯度消失、梯度爆炸 《动手学深度学习》task3_3 循环神经网络进阶 《
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:77kb
    • 提供者:weixin_38687968
  1. 简单多层感知机(MLP)–pyTorch实现

  2. 多层感知机(MLP,Multilayer Perceptron)也叫人工神经网络(ANN,Artificial Neural Network),除了输入输出层,它中间可以有多个隐层,最简单的MLP只含一个隐层,即三层的结构,如下图最简单的MLP: 上图模型pyTorch代码: import torch from torch.nn import functional as F x = torch.randn(1, 10) # 输入x的特征有10个 w = torch.randn(3, 10,
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:101kb
    • 提供者:weixin_38629206
  1. 过拟合欠拟合及其解决方案;梯度消失梯度爆炸;循环神经网络进阶;机器翻译及相关技术;注意力机制与Seq2seq模型;Transformer;卷积神经网络基础;leNet;卷积神经网络进阶

  2. 1.过拟合欠拟合及其解决方案 一类是模型无法得到较低的训练误差,我们将这一现象称作欠拟合(underfitting)。 模型的训练误差远小于它在测试数据集上的误差,我们称该现象为过拟合(overfitting)。 在实践中,我们要尽可能同时应对欠拟合和过拟合。 2.梯度消失梯度爆炸 深度模型有关数值稳定性的典型问题是消失(vanishing)和爆炸(explosion)。 假设一个层数为LLL的多层感知机的第lll层H(l)\boldsymbol{H}^{(l)}H(l)的权重参数为W(l)\b
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:477kb
    • 提供者:weixin_38500117
  1. 《动手学——LeNet》笔记

  2. Convolutional Neural Networks ps 之前图像分类识别的方法:构造一个单隐藏层的多层感知机模型,将28×28的图像展开,形成一个长为724的一维向量,并输入到全连接层。 使用全连接层的局限性: 图像在同一列邻近的像素在这个向量中可能相距较远。它们构成的模式可能难以被模型识别。 对于大尺寸的输入图像,使用全连接层容易导致模型过大。 使用卷积层的优势: 卷积层保留输入形状。 卷积层通过滑动窗口将同一卷积核与不同位置的输入重复计算,从而避免参数尺寸过大。 LeNet 模型
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:120kb
    • 提供者:weixin_38722607
  1. 深度学习入门-4(机器翻译,注意力机制和Seq2seq模型,Transformer)

  2. 深度学习入门-4(机器翻译,注意力机制和Seq2seq模型,Transformer)一、机器翻译1、机器翻译概念2、数据的处理3、机器翻译组成模块(1)Encoder-Decoder框架(编码器-解码器)(2)Sequence to Sequence模型(3)集束搜索(Beam Search)(ⅰ)简单贪心搜索(greedy search)(ⅱ)维特比算法(ⅲ)维特比算法二、注意力机制框架和Seq2seq模型1、注意力机制的引入2、注意力机制框架3、两个常用的注意力层(1)点积注意力(The d
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:521kb
    • 提供者:weixin_38691006
  1. 5.5 卷积神经网络(LeNet)

  2. 在“多层感知机的从零开始实现”一节里我们构造了一个含单隐藏层的多层感知机模型来对Fashion-MNIST数据集中的图像进行分类。每张图像高和宽均是28像素。我们将图像中的像素逐行展开,得到长度为784的向量,并输入进全连接层中。然而,这种分类方法有一定的局限性。 图像在同一列邻近的像素在这个向量中可能相距较远。它们构成的模式可能难以被模型识别。 对于大尺寸的输入图像,使用全连接层容易导致模型过大。假设输入是高和宽均为1,0001,0001,000像素的彩色照片(含3个通道)。即使全连接层输出个
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:119kb
    • 提供者:weixin_38538472
  1. Makeathon3077_OpenSource_Sages:此网络应用预测电子商务数据交易欺诈。 它基于机器学习和神经网络模型-源码

  2. 电子商务欺诈预测器Web应用程序 网络链接: : 此网络应用预测电子商务数据交易欺诈。 它基于机器学习和神经网络模型。 训练了7种机器学习算法(决策树,随机森林,逻辑回归,支持向量机,梯度提升和K最近邻和KMeans算法)和2种深度学习神经网络模型(单层感知器和多层感知器)并对其进行了测试使用电子交易数据集(kaggle)和精度最高的百分位数的模型来构建网络预测器。 该Web应用程序是使用以下库在Python中构建的: 流线型 大熊猫 斯克莱恩 海生的 matplotlib.pypl
  3. 所属分类:其它

    • 发布日期:2021-03-07
    • 文件大小:195kb
    • 提供者:weixin_42144604
  1. 深度学习基础:为什么神经网络的感知机中的神经元需要偏置项?

  2. 神经元中不添加偏置项可以吗?答案是,不可以每个人都知道神经网络中的偏置(bias)是什么,而且从人类实现第一个感知器开始,每个人都知道神经元需要添加偏置项。但你是否考虑过我们为什么要使用偏置项呢?就我而言,直到不久前我才弄清楚这个问题。当时我和一个本科生讨论了一些神经网络模型,但不知何故她把“偏置输入”(biasinput)和“统计基差”(statisticalbias)搞混了。对我来说,向她解释这些概念当然很容易,但我却很难进一步地告诉她我们为什么要使用偏置项。过了一段时间,我决定尝试写代码来
  3. 所属分类:其它

    • 发布日期:2021-02-24
    • 文件大小:293kb
    • 提供者:weixin_38663167
  1. 使用X射线图像预测肺炎:使用多层感知器,支持向量机,CNN和决策树模型从X射线图像预测和检测肺炎-源码

  2. 使用X射线图像预测肺炎 使用了多层感知器,支持向量机,CNN和决策树模型来预测和检测X射线图像中的肺炎。
  3. 所属分类:其它

  1. mnist分类:Pytorch,Scikit学习实现多种分类方法,包括逻辑回归(Logistic回归),多层感知机(MLP),支持向量机(SVM),K近邻(KNN),CNN,RNN,极简代码适合新手小白入门,附英文实验报告(ACM模板)-源

  2. mnist分类 使用多种方法完成MNIST分类任务 Python 3.6 火炬1.0 Scikit学习0.21 无需下载数据直接跑,代码自动下载 模型 逻辑回归Logistic回归 多层感知机 K近邻KNN 支持向量机 卷积神经网络 循环神经网络 实验报告 见mnistClassification.pdf 对应的latex原始码: :
  3. 所属分类:其它

  1. 神经网络为什么需要随机初始化模型参数

  2. 在神经网络中,通常需要随机初始化模型参数。下面解释一下这样做的原因。 设有一个多层感知机模型,假设输出层只保留一个输出单元o1o_1o1​,且隐藏层使用相同的激活函数。如果将每个隐藏单元的参数都初始化为相等的值,那么在正向传播时每个隐藏单元将根据相同的输入计算出相同的值,并传递至输出层。 在反向传播中,每个隐藏单元的参数梯度值相等。因此,这些参数在使用基于梯度的优化算法迭代后值依然相等。之后的迭代也是如此。在这种情况下,无论隐藏单元有多少,隐藏层本质上只有一个隐藏单元在发挥作用。 因此,通常对神
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:39kb
    • 提供者:weixin_38544781
  1. TensorFlow实现MLP多层感知机模型

  2. 一、多层感知机简介 Softmax回归可以算是多分类问题logistic回归,它和神经网络的最大区别是没有隐含层。理论上只要隐含节点足够多,即时只有一个隐含层的神经网络也可以拟合任意函数,同时隐含层越多,越容易拟合复杂结构。为了拟合复杂函数需要的隐含节点的数目,基本上随着隐含层的数量增多呈指数下降的趋势,也就是说层数越多,神经网络所需要的隐含节点可以越少。层数越深,概念越抽象,需要背诵的知识点就越少。在实际应用中,深层神经网络会遇到许多困难,如过拟合、参数调试、梯度弥散等。 过拟合是机器学习中的
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:88kb
    • 提供者:weixin_38716590
« 12 3 4 »