Python 深度学习（一）（2）
Python 深度学习（一）（1）https://developer.aliyun.com/article/1512028 生成上述图像的代码如下： #The user can modify the values of the weight w #as well as bia...
Python 深度学习（一）（4）
Python 深度学习（一）（3）https://developer.aliyun.com/article/1512030 自编码器总结 自编码器是强大的无监督学习算法，在异常检测或特征工程等领域越来越受欢迎，使用中间层的输出作为特征来训练监督模型，而不是使用原始输入数据。 无监督意味着在训练过程中不需要指定标签或地面真相。只要网络有足够的能力学习和表示内在的存在关系，它...
Python 深度学习（一）（1）
序言 随着全球对人工智能的兴趣不断增长，深度学习引起了广泛的关注。每天，深度学习算法被广泛应用于不同行业。本书将为您提供关于主题的所有实际信息，包括最佳实践，使用真实用例。您将学会识别和提取信息，以提高预测精度并优化结果。 书籍首先快速回顾了重要的机器学习概念，然后直接深入探讨使用 scikit-learn 的深度学习原则。随后，您将学习使用最新的开源库，如 Theano、Ker...
Python 深度学习（三）(4)
Python 深度学习（三）(3)https://developer.aliyun.com/article/1511980 动量 动量考虑了前几次迭代的结果来影响当前迭代的学习。引入并定义一个新的速度向量v，如下所示： 这里µ是动量衰减系数。我们不再使用梯度来改变位置，而是使用梯度来改变速度。动量项负责加快学习，在梯度继续指向同一方向的维度上，减慢那些梯度符号交...
Python 深度学习（三）(3)
Python 深度学习（三）(2)https://developer.aliyun.com/article/1511978 流行的浅层机器学习技术 异常检测并不新鲜，许多技术已经被广泛研究。建模可以分为两个阶段：数据建模和检测建模。 数据建模 数据建模通常包括将可用数据分组成我们希望检测的观察的粒度，以包含检测模型需要考虑的所有必要信息。 我们可以确定三种...
Python 深度学习（三）(2)
Python 深度学习（三）(1)https://developer.aliyun.com/article/1511977 Atari Breakout 随机基准测试 在我们进一步探讨之前，让我们创建一个通过随机选择移动来玩 Breakout 的代理程序。这样，我们将有一个基准来评价我们的新代理程序： ...
Python 深度学习（三）(1)
第八章：深度学习与电脑游戏 上一章关注的是解决棋盘游戏问题。在本章中，我们将研究更复杂的问题，即训练人工智能玩电脑游戏。与棋盘游戏不同，游戏规则事先是不知道的。人工智能不能预测它采取行动会发生什么。它不能模拟一系列按钮按下对游戏状态的影响，以查看哪些获得最高分。它必须纯粹通过观察、玩耍和实验来学习游戏的规则和约束。 在本章中，我们将涵盖以下主题： Q 学习 ...
Python 深度学习（二）（4）
Python 深度学习（二）(3)https://developer.aliyun.com/article/1511970 第七章：棋盘游戏的深度学习 也许你读过五六十年代的科幻小说；它们充满了对 21 世纪生活会是什么样子的设想。他们想象了一个人们拥有个人喷气背包、水下城市、星际旅行、飞行汽车和真正有独立思考能力的机器人的世界。21 世纪现在已经到来了；可悲的是，我们不会得到那...
Python 深度学习（二）(3)
Python 深度学习（二）(2)https://developer.aliyun.com/article/1511969 基于字符的模型 在大多数情况下，语言建模是在单词级别进行的，其中分布是在一个固定词汇量为*|V|的词汇表上。在实际任务中，如语音识别中使用的语言模型，词汇表通常超过100,000*个单词。这个巨大的维度使得建模输出分布非常具有挑战性。此外，这些单词级别的模型...
Python 深度学习（二）(2)
Python 深度学习（二）(1)https://developer.aliyun.com/article/1511967 丢弃 另一个重要的技术是可以在池化层之后应用的，但也通常可以应用于全连接层的技术是随机定期“丢弃”一些神经元及其相应的输入和输出连接。在一个丢弃层中，我们为神经元指定了一个概率p以随机方式“丢弃”。在每个训练周期中，每个神经元都有概率p被从网络中丢弃，概率*...
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。