所有文章
> 当前分类:AI驱动
一文讲透神经网络的激活函数
2024/12/26
为什么要激活函数？ 原理上来说，神经网络模型的训练过程其实就是拟合一个数据分布（x）可以映射到输出（y）的数学函数，即 y= f(x)。 拟合效果的好坏取决于数据质量及模型的结构，像逻辑回归、感知机等线性模型的拟合能力是有限的，...
深度学习视觉研究综述
【AI驱动】
近年来，深度学习在计算机视觉各个领域中的应用成效显著，新的深度学习方法和深度神经网络模型不断涌现，算法性能被不断刷新。 本文着眼于当下一些典型网络和模型，对基于深度学习的计算机视觉研究新进展进行综述。首先总结了针对图像分类的主流深度神...
2024/12/26
实现个神经网络的3D可视化，美爆了！
【AI驱动】
做计算机视觉，离不开CNN。可是，卷积、池化、Softmax……究竟长啥样，是怎样相互连接在一起的？ 用Unity搞出完整3D可视化具体如下 对着代码凭空想象，多少让人有点头皮微凉。于是，有人干脆用Unity给它完整3D可视化了...
2024/12/26
神经网络与傅立叶变换有何关系？
【AI驱动】
什么是傅里叶变换？ 在数学中，变换技术用于将函数映射到与其原始函数空间不同的函数空间。傅里叶变换时也是一种变换技术，它可以将函数从时域空间转换到频域空间。例如以音频波为例，傅里叶变换可以根据其音符的音量和频率来表示它。 我们可以...
2024/12/26
多标签分类怎么做？(Python)
【AI驱动】
一、基本介绍 首先简单介绍下，多标签分类与多分类、多任务学习的关系： 多分类学习（Multi-class）：分类器去划分的类别是多个的，但对于每一个样本只能有一个类别，类别间是互斥的。例如：分类器判断这只动物是猫、狗、猪，每个...
2024/12/26
10个解释AI决策的Python库
【AI驱动】
本文整理了10个常用于可解释AI的Python库，方便我们更好的理解AI模型的决策。 什么是XAI？ XAI（Explainable AI）的目标是为模型的行为和决策提供合理的解释，这有助于增加信任、提供问责制和模型决策的透明度...
2024/12/26
一文浅谈深度学习泛化能力
【AI驱动】
谷歌最近出品的82页论文《ON THE GENERALIZATION MYSTERY IN DEEP LEARNING》，在此我简单归纳下论文的思想，有兴趣的看看原论文。论文链接：github.com/aialgorithm/Blog ...
2024/12/26
为什么深度学习是非参数的？
【AI驱动】
今天我想要与大家分享的是深度神经网络的工作方式，以及深度神经与“传统”机器学习模型的不同之处。我的计划具体如下： 首先简单地思考一下如何将问题设置成分类的形式； 接下来回顾偏差-方差分解，并在偏差-方差权衡的背景下，在VC-维...
2024/12/26
深度学习的图原理
【AI驱动】
1. 图论(Graph Theory) 1.1 什么是图(graph)？ 在图论的上下文中，图是一种结构化数据类型，具有节点(nodes)（保存信息的实体）和边缘(edges)（连接节点的连接，也可以保存信息...
2024/12/26
深度神经网络剪枝综述
【AI驱动】
模型压缩可以有效地减少模型的存储和计算资源需求，提高模型的推理速度和效率，从而实现在移动设备、边缘设备等资源受限的场景中进行高效的机器学习应用。常用的模型压缩方法有4种：知识蒸馏（Knowledge Distillation，KD）、 轻量...
2024/12/26
深度学习必须掌握的 13 种概率分布
【AI驱动】
深度学习从业者，你需要知道概率分布相关的知识。这里有一份最常见的基本概率分布教程，大多数和使用 python 库进行深度学习有关。 一、概率分布的关系概览 conjugate 意味着它有共轭分布的关系。 Mult...
2024/12/26
深度神经网络的全面概览：从模型到硬件加速
【AI驱动】
深度神经网络（DNN）目前是许多现代AI应用的基础。自从DNN在语音识别和图像识别任务中展现出突破性的成果，使用DNN的应用数量呈爆炸式增加。这些DNN方法被大量应用在无人驾驶汽车，癌症检测，游戏AI等方面。在许多领域中，DNN目前的准确性...
2024/12/25
漫谈图神经网络模型（GNN)：从图到图卷积
【AI驱动】
笔者最近看了一些图与图卷积神经网络的论文，深感其强大，但一些Survey或教程默认了读者对图神经网络背景知识的了解，对未学过信号处理的读者不太友好。同时，很多教程只讲是什么，不讲为什么，也没有梳理清楚不同网络结构的区别与设计初衷(Motiv...
2024/12/25
树+神经网络算法强强联手（Python）
【AI驱动】
结合论文《Revisiting Deep Learning Models for Tabular Data》的观点，集成树模型通常擅长于表格数据这种异构数据集，是实打实的表格数据王者。 集成树模型中的LightGBM是增强版的GBDT...
2024/12/25
手部分开发一个深度学习框架（Python）
【AI驱动】
当前深度学习框架越来越成熟（如Keras、Pytorch、TensorFlow等等），对于使用者而言封装程度越来越高，好处就是现在可以非常快速地将这些框架作为工具使用，用非常少的代码就可以构建模型进行实验，坏处就是可能背后地实现都被隐藏起来...
2024/12/25
大规模神经网络调节参及优化规律
【AI驱动】
从理论分析入手把握大规模神经网络优化的规律，可以指导实践中的超参数选择。反过来，实践中的超参数选择也可以指导理论分析。本篇文章聚焦于大语言模型，介绍从 GPT 以来大家普遍使用的训练超参数的变化。 规模律研究的是随着神经网络规模的增大...
2024/12/25
搜索文章
热门话题
