
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
深度学习4.1——分类:概率生成模型
以二分类为例子,在训练数据时分为类别1和类别2,其中类别1的目标为1,类别2的目标为-1,因此当我们开始测试数据时,越接近1的数据就将其分在类别1中,越接近-1的数据就将其分在类别2中。但如果某些点远大于1,那么它们就会偏离,这时候用回归来处理的话,这些值就是错误值了,这个时候为了减少错误,用回归处理得到的直线是紫色的,但这并不是我们所希望的。由于我们只考虑了小球的两个特征值,所以最后分类的准确率

深度学习6——Convolutional Neural Network
首先,因为有些图案比整个图像小得多,并且神经元不必看到整个图像就能发现形状是什么。最大值出现在左上角和左下角,因此该过滤器侦测出的值在左上角和左下角。如果有其它过滤器,那么可以得到新的内积值,称之为。这个值,比如将正值变得更大,把负值变得更小。假设现在有一张6x6的图像,并且有一个。把特征映射的值拉直后,将其放进。所以一张6x6的图像经过。然后计算第K个过滤器的。

到底了








