网站首页 技术文章 第1046页

• 

  「机器学习」DNN训练中的问题与方法

  [转]博客园由于深度神经网络（DNN）层数很多，每次训练都是逐层由后至前传递。传递项<1，梯度可能变得非常小趋于0，以此来训练网络几乎不会有什么变化，即vanishinggradientsproblem；或者>1梯度非常大，...

  2024-09-06 btikc 技术文章 14 ℃ 0 评论
• 

  神经网络训练tricks

  作者|Anticoder...

  2024-09-06 btikc 技术文章 17 ℃ 0 评论
• 

  AutoEncoder架构简明教程

  自编码器（autoencoder）是如何工作的？...

  2024-09-06 btikc 技术文章 18 ℃ 0 评论
• 

  深度残差网络隐写分析模型探究

  前言本文提出了一个深度残差网络隐写分析模型SRNet，它巧妙地将残差网络应用于特征提取的过程中，从而有效防止了梯度消失，并取得了很好的隐写检测效果。SRNetSRNet中R代表“Residual”，它既指隐写分析中的残差特征，也指深度学习中...

  2024-09-06 btikc 技术文章 24 ℃ 0 评论
• 

  Keras中几个重要函数用法

  Keras的核心数据结构是“模型”，模型是一种组织网络层的方式。Keras中主要的模型是Sequential模型，Sequential是一系列网络层按顺序构成的栈。你也可以查看泛型模型来学习建立更复杂的模型。Keras中几个重要函数用法...

  2024-09-06 btikc 技术文章 25 ℃ 0 评论
• 

  42个激活函数的全面总结

  2015年11月，wikipedia的用户Laughinthestocks首次引入了“激活函数表”。从那时开始到现在，维基百科页面已经发生了391次更改。在本文中，我通过自己写的一个程序来挖掘截至2022年4月22...

  2024-09-06 btikc 技术文章 17 ℃ 0 评论
• 

  机器学习100天-Day2302 深层神经网络(批量标准化)

  说明：本文依据《Sklearn与TensorFlow机器学习实用指南》完成，所有版权和解释权均归作者和翻译成员所有，我只是搬运和做注解。进入第二部分深度学习第十一章训练深层神经网络在第十章以及之前tf练习中，训练的深度神经网络都只是简...

  2024-09-06 btikc 技术文章 10 ℃ 0 评论
• 

  深度神经网络中使用不同归一化技术的简短教程

  为什么要归一化？归一化已经成为深度神经网络的重要组成部分，可以补偿某些激活函数（如ReLU，ELU等）的无界性质。利用这些激活函数，输出层不会受限于有界范围内（例如：[-1,1]对于tanh而言）。为了限制无限激活增加输出层值，在激活函数之...

  2024-09-06 btikc 技术文章 21 ℃ 0 评论
• 

  深入理解深度学习中的激活函数

  导读数字逻辑电路中的门电路可以让满足不同条件的输入信号输出开（1）或关（0）输出。这体现在机器学习中感知机的性质。但我们也知道感知机有个局限性，即无法单层表示非线性变化，而神经网络往往通过激活函数用来表示非线性变化。即激活函数的作用就是...

  2024-09-06 btikc 技术文章 12 ℃ 0 评论
• 

  激活函数初学者指南

  激活函数将非线性引入网络，因此激活函数自身也被称为非线性。神经网络是普适的函数逼近器，而深度神经网络基于反向传播训练，因此要求可微激活函数。反向传播在这一函数上应用梯度下降，以更新网络的权重。理解激活函数非常重要，因为它对深度神经网络的质量...

  2024-09-06 btikc 技术文章 9 ℃ 0 评论