AI算法与模型 第6页
AI算法与模型模块深入探讨机器学习、优化算法和深度学习等人工智能的核心技术。通过详细的理论讲解与实战案例，帮助学习者理解各种算法的原理和应用，掌握如何构建和优化AI模型。无论是监督学习、无监督学习，还是神经网络的实现与优化，这里都提供了系统的学习资料~
排序
神经网络层结构的意义与维度诅咒
神经网络的层级结构 之前的博文中讲解了神经网络算法和深度学习模型，读者们是否有疑问：为什么神经网络模型要有层级结构？深度学习模型为什么需要这么多的隐藏层？ 答案很简单，这是算法分析数...
11个月前
图神经网络：图的向量化
引言 图神经网络（Graph Neural Networks，GNNs）是一种专门用于处理图形数据的神经网络架构。图形数据是一种非欧几里得数据，其中主要包括节点（vertices）和边（edges），节点代表实体，边表...
9个月前
支持向量机(SVM)
什么是SVM? SVM 是一类强大的用于分类和回归问题的监督学习算法。 在分类方面，SVM 可以被视为最大间隔线性分类器。 SVM 使用的目标明确鼓励低样本外误差（良好的泛化性能）。 通过最大化类的超...
11个月前
GoogLeNet：探索宽度的力量
0.引言 在2014年的ImageNet挑战赛（ILSVRC14）上，GoogLeNet和VGGNet成为了当年的双雄。GoogLeNet获得了图片分类大赛的第一名，VGGNet紧随其后。这两种模型的共同特点是网络深度更深。VGGNet是...
11个月前
生成对抗网络（GAN）
引言 生成对抗网络（GAN）是深度学习领域的一个革命性概念，为数据生成提供了一种全新的方式。其名称中的“对抗”体现了核心思想：通过两个神经网络之间的相互竞争来生成数据。这两个网络分别是...
9个月前
麻雀优化算法（Sparrow Search Algorithm）
算法背景 麻雀算法（Sparrow Search Algorithm, SSA）是一种受自然界麻雀群体行为启发的优化算法。想象一下，一群麻雀在寻找食物的过程中，它们需要在广阔的区域内快速而有效地搜索到食物资源。...
10个月前
降维算法之主成分分析 (Principal Component Analysis, PCA)
主成分分析（PCA）是一种统计方法，用于减少数据的维度，同时尽量保留原始数据中的方差。PCA在机器学习和数据可视化中有着坚实的地位，因为它可以有效地简化数据，同时保留其核心特征。 1 算法...
10个月前
聚类算法之高斯混合模型聚类 (Gaussian Mixture Model, GMM)
高斯混合模型（GMM）是统计模型中的一颗璀璨之星，它为数据提供了一种复杂而又强大的表示方法。在机器学习的许多领域，从模式识别到图像处理，GMM都被广泛地采用和研究。它背后的核心思想是使用...
11个月前
岭回归与LASSO回归
引言 岭回归: 通过向线性回归中引入L2正则化项防止过拟合。 LASSO回归: 通过向线性回归中引入L1正则化项实现特征选择。 L1正则化与LASSO回归 L1正则化通过在损失函数中添加参数权重的绝对值和的...
10个月前
扩散模型（Diffusion Model）
扩散模型的基本原理 Denoising Diffusion Probabilistic Models (DDPM) 是一种利用扩散过程来生成样本的深度学习模型。其主要的灵感来源于扩散过程，通过逐渐增加噪音来模糊一个初始的图像，并...
9个月前
