一、过拟合
过拟合现象:机器对于数据的学习过于自负(想要将误差减到最小)。
解决方法:利用正规化方法
二、卷积神经网络(CNN)
卷积神经网络是近些年来逐渐兴起的人工神经网络,主要用于图像分类、计算机视觉等。
卷积:例如对图片每一小块像素区域的处理,而不是处理一个像素点
卷积层+pooling有利于更好的保存原图片的信息
三、循环神经网络(RNN)
将老记忆与新记忆关联起来,不断累积,更有利于了解数据之间的关联。
LSTM RNN(改进的RNN)
过拟合现象:机器对于数据的学习过于自负(想要将误差减到最小)。
解决方法:利用正规化方法
卷积神经网络是近些年来逐渐兴起的人工神经网络,主要用于图像分类、计算机视觉等。
卷积:例如对图片每一小块像素区域的处理,而不是处理一个像素点
卷积层+pooling有利于更好的保存原图片的信息
将老记忆与新记忆关联起来,不断累积,更有利于了解数据之间的关联。
LSTM RNN(改进的RNN)
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/46922.html
如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!