查询到最新的12条
最近在研究利用深度学习对气象数据进行降尺度的方法，偶然发现这一篇论文及其提及到的规范化降尺度库，便安装以供实验。GitHub - carlos-gg/dl4ds: Deep Learning for empirical DownScaling. Python package with state-of-the-art and novel deep learning algorithms for empirical/statistical downscaling of 继续阅读
MATLAB 2023版的深度学习工具箱，提供了完整的工具链，使您能够在一个集成的环境中进行深度学习的建模、训练和部署。与Python相比，MATLAB的语法简洁、易于上手，无需繁琐的配置和安装，能够更快地实现深度学习的任务。 MATLAB的深度学习工具箱提供了丰富的函数和算法，涵盖了从数据预处理到模型训练的全过程。可以轻松地导入和处理大规模数据集，利用批量导入和Datastore类函数高效地进行 继续阅读
推荐编程书籍：Python高级数据分析：机器学习、深度学习和NLP实例，由机械工业出版社2019-01-01月出版发行，本书编译以及作者信息 为：萨扬·穆霍帕迪亚（Sayan Mukhopadhyay） 著，罗佳 译，此次为第1次发行， 国际标准书号为：9787111617020，品牌为机工出版, 这本书采用平装开本为16开，纸张采为胶版纸，全书共有156页字数万字，是本Python 编程相关非常不错的书。此书内容摘要本书介绍高级数据分析概念的广泛基础，以及*近的数据库革 继续阅读
深度学习：基于Keras的Python实践，由电子工业出版社在2018-06-01月出版发行，本书编译以及作者信息为： 魏贞原 著，这是第1次发行， 国际标准书号为：9787121341472，品牌为博文视点, 这本书采用平装开本为16开，纸张采为胶版纸，全书共有244页，字数万8字，值得推荐。此书内容摘要《深度学习：基于Keras的Python实践》本书系统讲解了深度学习的基本知识，以及使用深度学习解决实际问题，详细介绍了如何构建及优化模型，并针对不同的问题给出不同的解决方案，通过不同的例子展 继续阅读
文章目录 1. 文章引言2. axure10的安装3. axure10的元件库4. axure10的下载地址 1. 文章引言 最近在学习原型图，针对画原型图的工具，反复对比墨刀、Axure、xiaopiu后，最终选择了Axure。 接下来，我便详细介绍如何安装axure10，这款axure10安装好就是中文，免授权。 2. axure10的安装 从我的云盘下载好后，即可按 继续阅读
深度学习使用Python进行卷积神经网络的图像分类教程 好的，这次我将使用python编写如何使用卷积神经网络（CNN）进行图像分类。我希望你事先已经阅读并理解了卷积神经网络（CNN）的基本概念，这里我只讨论步骤，而不讨论卷积神经网络（CNN）中使用的术语... 我们将尝试对汽车和摩托车这两个类别进行分类。我们使用的训练数据数量是470个，用于测试/验证的数 继续阅读
推荐编程书籍：深度学习入门 基于Python的理论与实现，由人民邮电出版社2018-07-01月出版发行，本书编译以及作者信息 为：斋藤康毅 著，陆宇杰 译，此次为第1次发行， 国际标准书号为：9787115485588，品牌为人民邮电出版社, 这本书采用平装开本为大32开，纸张采为胶版纸，全书共有285页字数万字，是本Python 编程相关非常不错的书。此书内容摘要 本书是深度学习真正意义上的入门书，深入浅出地剖析了深度学习的原理和相关技术。书中使用Python3 继续阅读
机器学习的问题中，过拟合是一个很常见的问题。过拟合指的是只能拟合训练数据，但不能很好地拟合不包含在训练数据中的其他数据的状态。机器学习的目标是提高泛化能力，即便是没有包含在训练数据里的未观测数据也希望模型可以进行正确的识别。 发生过拟合的原因，主要有以下两个： 模型拥有大量参数、表现力强。训练数据少。 那么如何来抑制过拟合 正则化是有效方法之一，它不仅可以有效降低高方差，还有利于降低偏差。何为 继续阅读
大模型深度学习：系统科学的视角 目录 大模型深度学习：系统科学的视角 1，系统科学 2，大模型-深度神经 继续阅读
「多层感知机」手把手带你0基础学懂弄通多层感知机【深度学习】附源码及解析 文章目录「多层感知机」手把手带你0基础学懂弄通多层感知机【深度学习】附源码及解析前言一、多层感知机是什么？二、预备知识1.模型组成（划重点）2、Fashion-MNIST数据集三、数据集预处理1、明确问题2、下载数据集四、多层感知机的简洁实现1、导入必要的库2、网络搭建3、确定批量大小、学习率、迭代次数4、确定损失函数5、确定优化器6、确定加载数据集方法7、实现8、 继续阅读
如果为了使各层拥有适当的广度，“强制性”地调整激活值的分布会怎样呢？实际上，Batch Normalization 方法就是基于这个想法而产生的 为什么Batch Norm这么惹人注目呢?因为Batch Norm有以下优点： 可以使学习快速进行(可以增大学习率)。不那么依赖初始值(对于初始值不用那么神经质) 。抑制过拟合(降低Dropout等的必要性)。 Batch Norm的思路是调整各层的激活值分布使其拥有适当的广度。为此 继续阅读
竞赛介绍 数据集描述 本次竞赛的数据集（训练和测试）是从根据机器故障预测训练的深度学习模型生成的。特征分布与原始分布接近，但不完全相同。随意使用原始数据集作为本次竞赛的一部分，既可以探索差异，也可以了解在训练中合并原始数据集是否可以提高模型性能。 文件 训练.csv - 训练数据集; 是（二进制）目标（为了与原始数据集的顺序保持一致，它不在最后一列位置࿰ 继续阅读
