“2018013303——张泽”版本间的差异
来自iCenter Wiki
| 第9行： | 第9行： | ||
* 组件安装：python 3.7，gitbash,tensorflow,jupyter notebook<br /> 对tensorflow运行所需的环境进行了配置 | * 组件安装：python 3.7，gitbash,tensorflow,jupyter notebook<br /> 对tensorflow运行所需的环境进行了配置 | ||
* 初次认识机器学习：数据 算法 模型 | * 初次认识机器学习：数据 算法 模型 | ||
| + | * 机器学习：利用经验集E提升任务T的性能P的方法就是机器学习<br /> | ||
| + | deep learning：机器学习的分支<br /> | ||
| + | 目的：推广Generalization 推广误差 Generalization error | ||
| + | GE = AE + EE + OE(Approximation error, Estimation error, Optimization error)<br /> | ||
| + | 标志性论文 | ||
| + | deep belief nets 2006 | ||
| + | AlexNet 2012 “imageNet classification with deep convolutional neural networks” | ||
| + | |||
| + | |||
* 机器学习基础：深度神经网络 | * 机器学习基础：深度神经网络 | ||
| − | 输入(input),输出(output),激活函数(activation function) | + | 输入(input),输出(output),批次(batch),权重(w),偏移(b),激活函数(activation function),损失函数(loss function)<br /> |
| + | 通过训练调整权重使损害函数取最小的过程 | ||
| + | 反向传播算法 The backpropagation algorithm求偏导数 梯度下降法进行权重的更新 | ||
| + | 改进：随机梯度下降法 | ||
2019年7月8日 (一) 07:40的版本
第一次课：
上午：智能路灯 将感受光强的程序与控制LED灯的程序连接起来，实现了当光强小于一定数值时LED自动亮起
下午：智能迎宾系统 体验了人脸识别系统和发声系统，由于不清楚哪个参数代表是否成功识别人脸，因此最终还只是个半成品。
upload a picture
第二次课：
- 组件安装：python 3.7，gitbash,tensorflow,jupyter notebook
对tensorflow运行所需的环境进行了配置 - 初次认识机器学习：数据 算法 模型
- 机器学习：利用经验集E提升任务T的性能P的方法就是机器学习
deep learning：机器学习的分支
目的：推广Generalization 推广误差 Generalization error GE = AE + EE + OE(Approximation error, Estimation error, Optimization error)
标志性论文 deep belief nets 2006 AlexNet 2012 “imageNet classification with deep convolutional neural networks”
- 机器学习基础：深度神经网络
输入(input),输出(output),批次(batch),权重(w),偏移(b),激活函数(activation function),损失函数(loss function)
通过训练调整权重使损害函数取最小的过程 反向传播算法 The backpropagation algorithm求偏导数 梯度下降法进行权重的更新 改进：随机梯度下降法
