2024 6.10~6.16 周报

一、上周工作

完成毕设

二、本周计划

吴恩达的机器学习、实验-回顾之前密集连接部分,调整损失函数

三、完成情况

3.1 机器学习的两种主要类型:

  • 监督学习(supervised learning)(实际中使用最多的):提供具有正确答案的数据来训练模型。是指学习x到y或输入到输出映射的算法。
    • 监督学习主要有两种类型:

    • 回归任务(regression algorithms):学会从无限多可能的数字中预测数字。模型可以输出++无限多可能的数字++

    • 分类算法(classification algorithm):对一个类别做出预测,有++一小部分可能的产出++ 。

  • 无监督学习(unsupervised learning):数据仅带有输入x而没有输出标签y。
    • 无监督学习主要有三种类型:
    • 聚类算法(clustering):他将相似的数据点组合在一起。这是一种无监督学习算法,++获取没有标签的数据++ 并尝试++自动将他们分组到集群中++ 。
    • 异常检测(Anomaly detection):用于检测异常事件。
    • 降维(Dimensionality reduction):这使你可以将一个大数据集神奇地压缩成一个小得多的数据集,同时丢失尽可能少的信息。

3.2 代价函数与损失函数之间的差异:

  • 代价函数(Cost Function):用于衡量模型在所有样本上的平均表现。范围:在整个训练集上的,是所有样本误差的平均,即损失函数的平均。
  • 损失函数(Loss Function):用于衡量模型在每个单独样本上的表现。范围:在单个样本上的,计算的是一个样本的误差。

3.3 通过视频中的例子,对梯度下降有了更深刻的理解。

梯度下降是一种可用于尝试最小化任何函数的算法。

  • 首先要做的只是从对w和b进行一些初始猜测。在线性回归中,初始值是多少并不重要。所以一个常见的选择是将它们都设置为0。
  • 使用梯度下降算法,你要做的是,每次都稍微改变参数w和b,以尝试降低w和b的成本J,直到J稳定在或接近最小值。

梯度下降的两个关键:

  • 导数
  • 学习率
    • 学习率太小------梯度下降会起作用,虽然降低了成本函数J,但下降速度非常慢。

    • 学习率太大------可能会离最小值越来越远。

3.4 数学表达式

符号表、集合、向量、矩阵

3.5 实验------未完待续

浅层有些就没有反演好

------分阶段

第一个网络-专门反演浅层,把浅层权值变大如系数2,深层权值变小如系数0.1

第二个网络-中间

第三个网络-深层,把深层权值变大

代码中如何实现?------后续

四、存在问题及解决

1.在之前的实验和学习中,仅了解损失函数

成本函数和损失函数?------上一节已阐述

2.成本函数非凸,会产生多个局部最优解,因此引入损失函数,并对其求平均值,可以使成本函数变凸?还不太理解为什么

五、下一步计划

继续吴恩达机器学习

如何实现分阶段反演,调整损失函数

相关推荐
JOYCE_Leo1612 分钟前
一文详解卷积神经网络中的卷积层和池化层原理 !!
人工智能·深度学习·cnn·卷积神经网络
~央千澈~1 小时前
对鸿蒙 Next 系统“成熟论”的深度剖析-优雅草卓伊凡
人工智能
Donvink2 小时前
【视频生成模型】通义万相Wan2.1模型本地部署和LoRA微调
人工智能·深度学习·aigc·音视频
訾博ZiBo2 小时前
AI日报 - 2025年04月29日
人工智能
爱喝奶茶的企鹅2 小时前
Ethan独立开发产品日报 | 2025-04-27
人工智能·程序员·开源
极小狐2 小时前
如何对极狐GitLab 议题进行过滤和排序?
人工智能·git·机器学习·gitlab
望获linux2 小时前
智能清洁机器人中的实时操作系统应用研究
大数据·linux·服务器·人工智能·机器人·操作系统
古月居GYH2 小时前
用高斯溅射技术跨越机器人模拟与现实的鸿沟:SplatSim 框架解析
人工智能·机器人
槑槑紫2 小时前
pytorch(gpu版本安装)
人工智能·pytorch·python