分类： 深度学习

数据泄漏是深度学习中一个非常易出现的问题。一、数据泄漏现象数据泄漏指:模型在测试集上表现意外地好。通常是由以下… 继续阅读 【深度学习】深度学习中的数据泄漏现象如何解决？

创建自己的 RNN 网络需要考虑以下几个方面:一、网络结构选择合适的 RNN 单元结构,比如最基本的 RNN … 继续阅读 【深度学习】创建自己的RNN网络需要考虑什么？

CNN和RNN的使用场景主要如下: CNN 的典型使用场景包括:一、计算机视觉CNN很适合处理2D图像。常见应… 继续阅读 CNN和RNN在什么情况下使用？

RNN、LSTM 和 GRU 存在以下主要区别:一、结构RNN是最基本的循环神经网络结构。LSTM和GRU都基… 继续阅读 RNN、LSTM、GRU的区别是什么？

常见的 CNN 网络及其主要特点和区别如下:LeNet : 最早的 CNN 算法,由 Yann LeCun 提… 继续阅读 常见CNN网络(LeNet、AlexNet等)的特点和区别是什么？

反向传播(Backpropagation)算法的工作原理主要包括以下几个步骤:一、定义损失函数首先定义神经网络… 继续阅读 反向传播算法的工作原理是什么？

深度学习和机器学习存在以下主要区别:一、网络结构深度学习使用多层的神经网络结构。而机器学习使用较简单的模型,如… 继续阅读 深度学习和机器学习有什么区别？

深度学习的核心原理主要包含以下几个方面:一、多层表示通过多层神经网络,深度学习可以学习多层次的表示。初步学习低… 继续阅读 【深度学习】深度学习的原理是什么？

迁移学习(Transfer Learning)是一种利用源任务已学知识来帮助目标任务学习的机器学习方法。 其基… 继续阅读 迁移学习的原理是什么？

深度学习的最终目标是:通过学习多层次的表示,实现复杂问题的建模和解决。 具体来说: i、自动学习特征深度学习可… 继续阅读 【深度学习】深度学习的目标是什么？

深度学习的主要优点主要有以下几个方面:一、逼真模型深度学习通过学习多层次的表示,能更好地模拟实际世界的复杂性。… 继续阅读 深度学习的优点是什么？

迁移学习(Transfer Learning)是一种利用源任务已学知识来帮助目标任务学习的机器学习方法。 其基… 继续阅读 什么是迁移学习？实例讲解

生成式对抗网络(Generative Adversarial Network, GAN)是一种对抗性的无监督学… 继续阅读 生成式对抗网络的原理是什么？

代价敏感学习(Cost-sensitive Learning)的基本思想是:考虑预测错误的代价,实现对损失函数… 继续阅读 代价敏感学习的原理是什么？

迁移学习(Transfer Learning)的主要应用场景有: 图像分类。可以利用预训练模型(如VGG、Re… 继续阅读 迁移学习的应用场景有哪些？

深度强化学习主要用于解决强化学习问题。一、文字对话模型需要根据历史对话上下文,产生新对话来与用户交流。 二、自… 继续阅读 深度强化学习解决什么问题？

增强学习(Reinforcement Learning)是一种通过与环境交互学习最优决策策略的机器学习方法。 … 继续阅读 什么是增强学习？

自编码器(Autoencoder)是一种无监督学习的神经网络,它的目标是学习一个数据的压缩表示。它包含两个部分… 继续阅读 什么是自编码器？代码举例讲解

深度学习有以下主要优点: 自动特征提取。深度学习可以自动学习数据的特征表达,而非需要人工设计特征。这种端到端的… 继续阅读 深度学习的优点是什么？

深度学习在不同领域有大量的应用,主要包括: 医疗领域 医学图像分类识别 肿瘤检测 釆患风险预测 癌症筛查分析 … 继续阅读 【深度学习】深度学习在医疗、法律、金融等领域都有哪些应用？