机器学习笔记（22）：注意力机制
前言 人脑每个时刻接收的外界输入信息非常多，包括来自于视觉、听觉、触觉的各种各样的信息，人脑中的工作记忆并不能同时处理这些过载的输入信息，大脑神经系统有个重要机制可以解决信息过载问题，即注意力 借鉴人脑解决信息过载的机制，提高对神经网络处理信息的能力 注意力机制 简介 注意力是一种人类不可或缺的复杂认知功能，可以关注一
9个月前
1
标签云
共 22 个标签
学习方法 8 篇文章
机器学习笔记（20）：循环神经网络
循环神经网络 前馈神经网络的缺陷 前馈神经网络每次输入都是独立的，即网络的输出只依赖于当前输入，且要求输入和输出都维度都是固定的，不能任意改变 但现实情况下，要求网络输出不仅和当前时刻输入相关，也和其过去一段时间输出相关，并且时序数据的长度一般式不固定的，比如视频、语音、文本等 给网络增加短期记忆能力 针对上面的问题，
10个月前
1
机器学习笔记（16）：无监督方法总结
前言 参考： 《统计学习》—李航（蓝皮） 另注：受笔者时间影响，此系列的笔记只有聚类方法、SVD和PCA，其余暂时不更新 无监督学习方法总结
10个月前
1
机器学习笔记（11）：监督学习方法总结
前言 参考： 《统计学习》—李航（蓝皮） 部分来自网络的内容（主要是liaohuiqiang的博客） 10种监督学习方法 注：笔者的笔记中并未整理最后两种 适用问题 感知机，KNN，朴素贝叶斯，决策树（排除CART回归树），逻辑斯谛回归与最大熵模型，SVM，提升方法（包括AdaBoost）是分类方法。原始的感知机，SV
11个月前
1
机器学习笔记（9）：提升方法（AdaBoost与提升树）
前言 参考： 《统计学习》—李航（蓝皮） 部分来自网络的内容（主要是liaohuiqiang的博客） 提升方法 简介 提升方法（Boosting）是一种常用的统计学习方法，应用广泛且有效。在分类问题中，它通过改变训练样本的权重，学习多个分类器，并将这些分类器进行线性组合，提高分类的性能。 基本思路：Boosting基于
11个月前
1
机器学习笔记（8-1）：SVM简介及线性SVM
前言 参考： 《统计学习》—李航（蓝皮） 部分来自网络的内容（主要是liaohuiqiang的博客） 支持向量机（SVM） 简介 支持向量机是一种二分类模型，它的基本模型是定义在特征空间上的间隔最
11个月前
74
机器学习笔记（1）：统计学习概论与监督学习
前言 主要参考为 《统计学习》—李航（蓝皮） 《机器学习》—周志华（西瓜书） 部分来自网络的内容（liaohuiqiang的博客为主，感谢他！） 统计学习（机器学习） 学习：Herber A. Simon曾对“学习”给出以下定义：“如果一个系统能够通过执行某个过程改进它的性能，这就是学习”。 统计学习：统计学习就是计算
2025-03-04
136
01年考研抽象函数求偏导
01年考研抽象函数求偏导
2024-04-03
1
- 1