
简介
该用户还未填写简介
擅长的技术栈
未填写擅长的技术栈
可提供的服务
暂无可提供的服务
【SSH连接与权限问题】ssh: connect to host github.com port 22: Connection refused Bad permissions. Try removin
解决关于SSH连接GitHub失败及SSH文件安全权限配置的问题。

神经网络学习记录(三):阶层型神经网络结构及各部分层作用
在现代深度学习中,阶层型神经网络通过层次化结构,从简单到复杂地提取特征,成为构建智能系统的核心技术。本文概述了其基本结构和各层的作用,并探讨了通过调整神经元数量、正则化、激活函数等参数来优化模型性能及可视化调整的效果,同时,分析了激活函数对梯度流动的影响及优化策略。

神经网络学习记录(二):梯度下降与反向传播
本文介绍了神经网络训练中的正向传播与反向传播机制。正向传播将输入数据逐层传递到输出层,生成预测结果;反向传播则利用链式法则,将损失的梯度逐层回传,确定各层参数的更新方向,并通过梯度下降法优化权重和偏置。二者协同工作,使得神经网络在不断调整参数的过程中,逐步减少损失,提高模型的预测准确性和泛化能力。通过符号单元的复用与高效的梯度计算,整个训练过程变得简洁易行,确保模型能够逐步逼近最佳状态。

神经网络学习记录(四):Python 从零构建多层感知机—手写数字识别与可视化教程
手写数字识别与可视化教程

BP神经网络流程全梳理(含公式推导)
手把手教你公式推导BP神经网络

YOLOv4目标检测全解析:从结构剖析到训练流程详解(概念篇)
记录我对于yolov4学习的概念理解部分。

神经网络学习记录(四):Python 从零构建多层感知机—手写数字识别与可视化教程
手写数字识别与可视化教程

神经网络学习记录(三):阶层型神经网络结构及各部分层作用
在现代深度学习中,阶层型神经网络通过层次化结构,从简单到复杂地提取特征,成为构建智能系统的核心技术。本文概述了其基本结构和各层的作用,并探讨了通过调整神经元数量、正则化、激活函数等参数来优化模型性能及可视化调整的效果,同时,分析了激活函数对梯度流动的影响及优化策略。

神经网络学习记录(四):Python 从零构建多层感知机—手写数字识别与可视化教程
手写数字识别与可视化教程

BP神经网络流程全梳理(含公式推导)
手把手教你公式推导BP神经网络

到底了







