深度学习之反向传播 BP 算法详解
本文介绍 BP 算法的原理,尤其需要把握的时,损失先对每层输出求误差项,然后将误差项应用于每一层参数,求得所有参数的梯度,然后再使用优化器去更新参数
本文介绍 BP 算法的原理,尤其需要把握的时,损失先对每层输出求误差项,然后将误差项应用于每一层参数,求得所有参数的梯度,然后再使用优化器去更新参数
将图像转为二值处理,减少干扰区域,目前二值化办法有定值二值化、自适应二值化
图像的几何变换,主要理解仿射变换的原理及仿射变换矩阵的作用
本文使用 LSTM 对流媒体的 6 个关键指标进行预测
总结图片的基本可调特征,如色调、饱和度、亮度,同时讲到颜色空间以及颜色空间的应用
GCN 的基础知识
本文介绍 CNN 的基础原理,由此发展出多种概念,包括:1 x 1 卷积、分组卷积、空洞卷积、深度可分离卷积、分解卷积、反卷积、形变卷积等
本文通过拆解 LSTM,并通过统计几个模块的参数量来分析各个模块的原理
郑重声明,文章大部分翻译自:
Time Series Prediction with LSTM Recurrent Neural Networks in Python with Keras
数据: 1949 到 1960 共 12 年,每年 12 个月的数据,一共 144 个数据,单位是 1000, 原文数据下载在这里
目标: 预测国际航班未来 1 个月的乘客数
主要讲解图像矩阵的加法,包括矩阵相加,加权和遮罩相加