1、LeNet-5论文这个可以说是CNN的开山之作，由Yann LeCun在1998年提出，可以实现对手写数字、字母的识别。结构如下：Input(32×32)–>CONV(6 filters)–>AvgPOOL–>CONV(16 filters)–>AvgPOOL–>FC(120)–>FC(84)–>FC(10)2、AlexNet论文 AlexNet于20
# 实现CNN机器学习的步骤
## 1. 数据集准备
在开始实现CNN机器学习之前，我们首先需要准备一个适当的数据集。数据集应该包含两部分：训练集和测试集。训练集用于训练模型，测试集用于评估模型的性能。数据集可通过在线资源获取，或者自己收集和标记数据。
## 2. 数据预处理
数据预处理对于机器学习任务非常重要，因为原始数据可能包含许多噪声和不一致性。下面是一些常见的数据预处理步骤：
- 数据
原创
2023-08-21 03:47:36
83阅读
支持向量机（SVM），一个神秘而众知的名字，在其出来就受到了莫大的追捧，号称最优秀的分类算法之一，以其简单的理论构造了复杂的算法，又以其简单的用法实现了复杂的问题，不得不说确实完美。SVM讲解链接本系列旨在以基础化的过程，实例化的形式一探SVM的究竟。曾经也只用过集成化的SVM软件包，效果确实好。因为众人皆说原理复杂就对其原理却没怎么研究，最近经过一段时间的研究感觉其原理还是可以理解，这...
原创
2021-05-28 17:27:08
267阅读
fromhttp://blog.jobbole.com/113819/
转载
2022-06-20 09:55:25
140阅读
卷积神经网络（Convolutional Neural Network）1、什么是CNN2、为什么用CNN3、CNN实现步骤4、如何用keras搭建一个CNN 1、什么是CNN卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（
转载
2023-10-13 23:25:14
78阅读
目录一 、大模型落地需要”场景化AI“助力二、”场景化AI”核心就是CNN三、场景化AI模型构建四、深度学习CNN网络1 概念解读2 算法基础3 CNN架构4 CNN算法5 卷积计算6 激励函数7 算法优化8 模型演进一 、大模型落地需要”场景化AI“助力场景化AI的助力，就是深度学习，核心还是CNN，训练定制化的模型。因此大家务必掌握CNN。与传统机器学习相比，深度学习是从数据中学习，而大模型则
什么时候用到CNN?CNN的出现是由观察图片的这三点特征得出的： 1）图片中需要识别的图案(pattern)远小于整张图片，因此我们不需要遍历整张图片去找出这个图案； 2）同样的图案可能出现在不同的位置，但它们的性质是一样的，因此可以采用相同的参数； 3）对一张图片的像素点采用下采样的方式不改变整体检测目标 根据这三个特征，我们就得到了CNN的实现框图：CNN的原理CNN是DNN的一种简单实现。
转载
2023-11-26 20:03:07
95阅读
这次就用Keras实现下CNN一. 预备知识——CNN[1]1. 二维互相关（cross-correlation）运算：计算
，
属于输入数组，
属于卷积窗口，n和m取决于窗口的大小。
核数组（卷积核或过滤器）的形状决定卷积窗口的形状。在二维互相关运算中，卷积窗口从输入数组的左上方开始，按从左往右、从上往下的顺序，依次在输入数组上滑动，每滑
机器学习算法整理 K近邻 算法思想 一个样本与数据集中的k个样本最相似， 如果这k个样本中的大多数属于某一个类别， 则该样本也属于这个类别。 K值减小就意味着整体模型变复杂，分的不清楚，就容易发生过拟合。 流程： 1） 计算已知类别数据集中的点与当前点之间的距离 2） 按距离递增次序排序 3） 选取 ...
转载
2021-08-13 23:57:00
828阅读
2评论
根据数据类型的不同，对一个问题的建模有不同的方式。在机器学习或者人工智能领域，人们首先会考虑算法的学习方式。在机器学习领域，有几种主要的学习方式。将算法按照学习方式分类是一个不错的想法，这样可以让人们在建模和算法选择的时候考虑能根据输入数据来选择最合适的算法来获得最好的结果。 1.监督式学习： 2.非监督式学习： 在非监督式学习中，数据并不被特别标识，
转载
2023-09-24 06:56:49
368阅读
哲学要回答的基本问题是从哪里来、我是谁、到哪里去，寻找答案的过程或许可以借鉴机器学习的套路：组织数据->挖掘知识->预测未来。组织数据即为设计特征，生成满足特定格式要求的样本，挖掘知识即建模，而预测未来就是对模型的应用。
无监督学习算法很多，最近几年业界比较关注主题模型，LSA->PLSA->LDA为主题模型三个发展阶段的典型算法，它们主要是建模假设条件上存在差异。L
转载
2021-07-12 10:38:54
555阅读
本文介绍了 10 大常用机器学习算法，包括线性回归、Logistic 回归、线性判别分析、朴素贝叶斯、KNN、随机森林等。机器学习要学哪些算法？本篇为大家解答此问题。机器学习必学10大算法1. 线性回归在统计学和机器学习领域，线性回归可能是最广为人知也最易理解的算法之一。预测建模主要关注的是在牺牲可解释性的情况下，尽可能最小化模型误差或做出最准确的预测。我们将借鉴、重用来自许多其它领域的算法(包括
转载
2023-09-29 09:46:30
420阅读
机器学习是该行业的一个创新且重要的领域。我们为机器学习程序选择的算法类型，取决于我们想要实现的目标。现在，机器学习有很多算法。因此，如此多的算法，可能对于初学者来说，是相当不堪重负的。今天，我们将简要介绍 10 种最流行的机器学习算法，这样你就可以适应这个激动人心的机器学习世界了！让我们言归正传！1. 线性回归线性回归(Linear Regression)可能是最流行的机器学习算法。线性回归就是要
转载
2023-10-18 23:26:41
126阅读
机器学习算法概述人工智能的核心是机器学习，机器学习的核心是算法。 机器学习 定义1：机器学习是智能体通过模拟或实现人类的行为来获取新的知识或技能，重新组织已有的知识 结构，以不断改善自身智能。 定义2：给定任务T、相关的经验E以及关于学习效果的度量P，机器学习就是通过对经验E的学习来优化任务T完成效果的度量P的一个过程。 机器学习与人类学习相似，对已知的经验信息加以提炼，以掌握完成某项任务的
监督学习KNN K近邻算法def classify0(inX, dataSet, labels, k): dataSetSize = dataSet.shape[0] diffMat = tile(inX, (dataSetSize,1)) - dataSet sqDiffMat = diffMat**2
原创
2016-08-01 15:57:28
614阅读
http://course.baidu.com/view/04fdc0202f60ddccda38a0b5.htmlhttp://rec-sys.net/forum.php?mod=viewthread&tid=381&extra=http://www.philippe-fournier-viger...
转载
2015-04-01 16:31:00
151阅读
2评论
https://www.zybuluo.com/hanbingtao/note/433855
原创
2022-11-17 05:36:40
145阅读
深度学习常见算法的介绍好书推荐深度学习算法实践.pdf:http://www.notescloud.top/cloudSearch/detail?id=2355很多人都有误解，以为深度学习比机器学习先进。其实深度学习是机器学习的一个分支。可以理解为具有多层结构的模型。具体的话，深度学习是机器学习中的具有深层结构的神经网络算法，即机器学习>神经网络算法>深度神经网络（深度学习）。
关于深
转载
2023-06-02 19:50:26
154阅读
越高，想要在求职者中脱颖而出，起步自然非常重要。 我和小伙伴们一起研讨了 2019 年校招的一些算法面试，有些是亲自经历的，也有伙伴分享的。总结了在所做过的项目中大家应该能牢记于心的点、在机器学习算法、数据结构和代码中出现频率最高的问
转载
2019-01-16 08:17:00
97阅读
2评论
一、分类算法（一）贝叶斯 （二）决策树ID3、C4.5（C5.0）、CART、PUBLIC、SLIQ和SPRINT（三）神经网络 （四）
原创
2023-03-22 16:20:53
128阅读
