跳转至
AI-EDU
10.2 非线性二分类实现
正在初始化搜索引擎
skywalkerspace/ai-edu
Ai-edu
基础教程
实践案例
最新动态
关于我们
AI-EDU
skywalkerspace/ai-edu
Ai-edu
基础教程
基础教程
本页介绍
神经网络基本原理
神经网络基本原理
本课介绍
第一步、基本知识
第一步、基本知识
00 前言
01 概论与基本概念
01.0 人工智能发展简史
01.2 人工智能的定义
01.2 范式的演化
01.3 神经网络的基本工作原理
02.0 反向传播与梯度下降
02.1 线性反向传播
02.2 非线性反向传播
02.3 梯度下降
03.0 损失函数
03.1 均方差损失函数
03.2 交叉熵损失函数
第二步、线性回归
第二步、线性回归
04 线性回归
04.0 单变量线性回归
04.1 最小二乘法
04.2 梯度下降法
04.3 神经网络法
04.4 多样本计算
04.5 梯度下降的三种形式
05.0 多变量线性回归
05.1 正规方程法
05.2 神经网络法
05.3 样本特征数据标准化
05.4 还原参数值
05.5 正确的推理方法
05.6 标准化标签值
第三步、线性分类
第三步、线性分类
06 线性分类
06. 线性二分类
06.1 二分类函数
06.2 线性二分类实现
06.3 线性二分类的工作原理
06.4 线性二分类结果可视化
06.5 实现逻辑与或非门
06.6 用双曲正切函数分类
07.0 线性多分类
07.1 多分类函数
07.2 线性多分类实现
07.3 线性多分类的工作原理
07.4 线性多分类结果可视化
第四步、非线性回归
第四步、非线性回归
08 非线性回归
08.0 激活函数
08.1 挤压型激活函数
08.2 半线性激活函数
09.0 非线性回归
09.1 多项式回归法拟合正弦曲线
09.2 多项式回归法拟合复合函数曲线
09.3 验证与测试
09.4 神经网络非线性回归的实现
09.5 曲线拟合
09.6 非线性回归的工作原理
09.7 参数调优初步
第五步、非线性分类
第五步、非线性分类
10 非线性分类
10.0 非线性二分类
10.1 为什么必须用双层神经网络
10.2 非线性二分类实现
10.2 非线性二分类实现
目录
10.2 非线性二分类实现
10.2.1 定义神经网络结构
10.2.2 前向计算
10.3 实现逻辑异或门
10.4 逻辑异或门的工作原理
10.5 实现双弧形二分类
10.6 双弧形二分类的工作原理
11.0 非线性多分类
11.1 非线性多分类实现
11.2 非线性多分类的工作原理
11.3 分类样本不平衡问题
12.0 多变量非线性分类
12.1 三层神经网络的实现
12.2 梯度检查
12.3 学习率与批大小
第六步、模型部署
第六步、模型部署
13 模型的推理与部署
13.0 手工测试训练效果
13.1 模型文件概述
13.2 ONNX模型文件
13.3 Windows中模型的部署
第七步、深度神经网络
第七步、深度神经网络
14 深度神经网络
14.0 搭建深度神经网络框架
14.1 回归任务功能测试
14.2 回归任务真实案例
14.3 二分类任务功能测试
14.4 二分类任务真实案例
14.5 多分类任务功能测试
14.6多分类任务真实案例
15.0 网络优化
15.1 权重矩阵初始化
15.2 梯度下降优化算法
15.3 自适应学习率算法
15.4 算法效果比较
15.5 批量归一化的原理
15.6 批量归一化的实现
16.0 正则化
16.1 偏差与方差
16.2 L2正则
16.3 L1正则
16.4 早停法
16.5 丢弃法
16.6 数据扩展
16.7 集成学习
第八步、卷积神经网络
第八步、卷积神经网络
17 卷积神经网络
17.0 卷积神经网络原理
17.1 卷积的前向计算原理
17.2 卷积前向计算代码实现
17.3 卷积的反向传播原理
17.4 卷积反向传播代码实现
17.5 池化的前向计算与反向传播
18.0 经典卷积神经网络模型
18.1 实现颜色分类
18.2 实现几何图形分类
18.3 实现几何图形及颜色分类
18.4 MNIST分类
18.5 Fashion-MNIST分类
18.6 Cifar-10分类
第九步、循环神经网络
第九步、循环神经网络
19 循环神经网络
19.0 普通循环神经网络
19.1 两个时间步的循环神经网络
19.2 四个时间步的循环神经网络
19.3 通用的循环神经网络模型
19.4 空气质量预测
19.5 不定长时序的循环神经网络
19.6 深度循环神经网络
19.7 双向循环神经网络
20.0 高级循环神经网络
20.1 LSTM基本原理
20.2 LSTM代码实现
20.3 GRU基本原理
20.4 序列到序列
人工智能系统
人工智能系统
本课介绍
课程目录
实验
实验
1. 框架及工具入门示例
2. 定制一个新的张量运算
3. CUDA实现和优化
4 AllReduce的实现和优化
5. 配置Container进行云上训练或推理
6. 学习使用调度管理系统
7. 分布式训练任务练习
8 自动机器学习系统练习
9 强化学习系统练习
实践案例
实践案例
本页介绍
1.漫画翻译
2.问答系统和对话机器人服务
3.看图识熊
4.智能家居
5.文本朗读应用
6.搭建中间服务层
7.手写数字识别
8.黄金点游戏
9.手写算式计算器
10.机器学习平台建设
11.量化交易案例
12.基于近邻图的向量搜索案例
13.AI对联生成案例
14.快速构建中文文本蕴含深度学习模型
15.基于深度学习的代码搜索案例
16.基于LightGBM的时间序列预测
最新动态
关于我们
关于我们
About
License
10.2 非线性二分类实现
10.2 非线性二分类实现
⚓︎
以下为本小节目录,详情请参阅《智能之门》正版图书,高等教育出版社。
10.2.1 定义神经网络结构
⚓︎
10.2.2 前向计算
⚓︎