DeepLearning.ai学习笔记（五）序列模型 -- week2 自然语言处理与词嵌入
一、词汇表征 首先回顾一下之前介绍的单词表示方法，即one hot表示法。 如下图示，“Man”这个单词可以用 \(O_{5391}\) 表示,其中O表示One_hot。其他单词同理。 但是这样 ...
原文：DeepLearning.ai学习笔记（五）序列模型 -- week1 循环序列模型
一 为什么选择序列模型 序列模型可以用于很多领域，如语音识别，撰写文章等等。总之很多优点。。。 二 数学符号 为了后面方便说明，先将会用到的数学符号进行介绍。 以下图为例，假如我们需要定位一句话中人名出现的位置。 红色框中的为输入 输出值。可以看到人名输出用 表示，反之用 表示 绿色框中的 x lt t gt ,y lt t gt 表示对应红色框中的输入输出值的数学表示，注意从 开始。 灰色框中的 ...
2018-02-28 20:31 0 2925 推荐指数：
相关推荐
DeepLearning.ai学习笔记（四）卷积神经网络 -- week1 卷积神经网络基础知识介绍
一、计算机视觉 如图示，之前课程中介绍的都是64* 64 *3的图像，而一旦图像质量增加，例如变成1000 * 1000 * 3的时候那么此时的神经网络的计算量会巨大，显然这不现实。所以需要引入其 ...
DeepLearning.ai学习笔记（三）结构化机器学习项目--week1 机器学习策略
一、为什么是ML策略 如上图示，假如我们在构建一个喵咪分类器，数据集就是上面几个图，训练之后准确率达到90%。虽然看起来挺高的，但是这显然并不具一般性，因为数据集太少了。那么此时可以想到的ML策略 ...
DeepLearning.ai学习笔记（二）改善深层神经网络：超参数调试、正则化以及优化--Week1深度学习的实用层面
更多笔记请火速前往 DeepLearning.ai学习笔记汇总 本周我们将学习如何配置训练/验证/测试集，如何分析方差&偏差，如何处理高偏差、高方差或者二者共存的问题，如何在神经网络中应用不同的正则化方法(如L2正则化、Dropout)，梯度检测。 一、训练/验证/测试集 ...
DeepLearning.ai学习笔记（一）神经网络和深度学习--Week3浅层神经网络
介绍 DeepLearning课程总共五大章节，该系列笔记将按照课程安排进行记录。 另外第一章的前两周的课程在之前的Andrew Ng机器学习课程笔记(博客园)&Andrew Ng机器学习课程笔记(CSDN)系列笔记中都有提到，所以这里不再赘述。 1、神经网络概要 ...
DeepLearning.ai学习笔记（一）神经网络和深度学习--Week4深层神经网络
一、深层神经网络 深层神经网络的符号与浅层的不同，记录如下： 用\(L\)表示层数,该神经网络\(L=4\) \(n^{[l]}\)表示第\(l\)层的神经元的数量，例如\(n^{[ ...
DeepLearning.ai学习笔记（四）卷积神经网络 -- week3 目标检测
一、目标定位 这一小节视频主要介绍了我们在实现目标定位时标签该如何定义。 上图左下角给出了损失函数的计算公式(这里使用的是平方差) 如图示，加入我们需要定位出图像中是否有pedes ...
DeepLearning.ai学习笔记汇总
第一章 神经网络与深度学习(Neural Network & Deeplearning) DeepLearning.ai学习笔记（一）神经网络和深度学习--Week3浅层神经网络 DeepLearning.ai学习笔记（一）神经网络和深度学习--Week4深层神经网络 ...