logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

SRCNN神经网络

SRCNN:一种用于单图像超分辨率的深度学习方法

#神经网络#深度学习#计算机视觉
RED-Net神经网络

1.REDRED-Net(very deep Residual Encoder-Decoder Networks),即非常深的残差编码器-解码器网络。RED-Net的结构是对称的,每个卷积层都有对应的反卷积层。卷积层在消除损坏的同时捕获图像内容的抽象,反卷积层则对特征图进行上采样和恢复图像细节。每一组镜像对应的反卷积层有着跳跃连接结构,将两部分具有同样尺寸的特征做相加处理。这解决了两个问题:1)当

#神经网络#深度学习#计算机视觉
ESPCN神经网络

ESPCN:加入亚像素卷积层的神经网络

#计算机视觉#深度学习#人工智能
利用sklearn对红酒数据集分类

1. sklearn介绍scikit-learn, 又写作sklearn, 是一个开源的基于python语言的机器学习工具包. 它通过numpy, Scipy和 Matplotlib等python数值计算的库实现的算法应用, 并且涵盖了几乎所有主流机器学习算法.在工程应用中, 用python手写代码来从头实现一个算法的可能性非常低, 这样不仅耗时耗力, 还不一定能够写出构架清晰, 稳定性强的模型.

#sklearn#机器学习#python
U-Net神经网络

0 引言随着深度学习领域中各类算法的迅速发展,卷积神经网络(CNN)被广泛应用在了分类任务上,输出的结果是整个图像的类标签。在生物医学领域,医生需要对病人的病灶区域进行病理分析,这时需要一种更先进的网络模型,即能通过少量的图片训练集,就能实现对像素点类别的预测,并且可以对像素点进行着色绘图,形成更复杂、严谨的判断。于是U-Net网络被设计了出来。1 U-Net概念及原理U-Net网络结构最早由Ro

#神经网络#深度学习
深度学习之神经网络(二)

深度学习之神经网络(一)在前面文章中,我们已经系统了解了神经网络的部分概念,以及如何去搭建一个简单的神经网络模型。这篇文章我将主要讲解损失函数、反向传播等神经网络知识。1. 损失函数之前我们已经提到,损失函数就是用来计算我们的结果与真实值之间的误差,从而指导进一步的训练向正确的方向进行。损失函数可以分为两大类:回归、分类。1.1 回归损失1.1.1 MAE(Mean Absolute Error)

#神经网络#深度学习#机器学习
机器学习之支持向量机(SVM)

2021秋第七周周报内容1. 概述支持向量机(Support Vector Machine, 也称为支持向量网络)是一种二分类模型.它源于统计学习理论, 是一个强学习器.从分类效力来看, SVM无论在处理线性还是非线性分类中, 都是明星般的存在:从实际来看, SVM在各种实际问题中也都具有不错的表现. 它在手写识别数字和人脸识别中应用广泛, 在文本和超文本的分类中举足轻重, 因为SVM可以大量减少

#机器学习#python
    共 28 条
  • 1
  • 2
  • 3
  • 请选择