首頁最新資訊

全部 人工智能學科動態(tài) 人工智能技術資訊 人工智能常見問題 技術問答

    • LR與線性回歸的區(qū)別與聯系?_人工智能基礎培訓

      LR(Logistic Regression)和線性回歸(Linear Regression)是兩種常見的回歸算法，用于處理不同類型的問題。下面是它們的區(qū)別與聯系查看全文>>

      人工智能常見問題2023-08-18 |黑馬程序員 |LR與線性回歸的區(qū)別與聯系

    • 如何理解神經網絡中權值共享

      在神經網絡中，權值的共享是一種優(yōu)化技術，通常用于減少模型參數數量以及提升模型的泛化能力。它在卷積神經網絡(CNN)中得到廣泛應用，特別是在處理圖像和其他類似結構的數據時。查看全文>>

      人工智能常見問題2023-08-16 |黑馬程序員 |如何理解神經網絡中權值共享

    • 深度學習中模型不收斂，是否說明這個模型無效?

      深度學習中模型不收斂并不一定意味著這個模型無效。模型不收斂可能是由多種原因引起的，而且可以采取一些方法來解決這個問題。以下是一些可能的原因和對應的解決方法。查看全文>>

      人工智能常見問題2023-08-16 |黑馬程序員 |模型不收斂是否說明模型無效

    • 損失函數(loss函數)有什么作用?

      在人工智能領域，特別是在機器學習和深度學習中，損失函數(也稱為代價函數、目標函數或誤差函數)是一種用于衡量模型預測與實際觀測值之間差異的指標。損失函數的作用非常重要，它在訓練模型過程中起到以下幾個關鍵作用。查看全文>>

      人工智能常見問題2023-08-15 |黑馬程序員 |損失函數,loss函數,衡量模型性能

    • 分類網絡和檢測網絡的區(qū)別?

      分類網絡和檢測網絡是人工智能領域中兩種常見的神經網絡架構，用于解決不同類型的計算機視覺任務。它們在處理方式、網絡結構和應用領域上存在顯著的區(qū)別。查看全文>>

      人工智能常見問題2023-08-08 |黑馬程序員 |分類網絡,檢測網絡,神經網絡架構

    • 網絡訓練時為何要加正則化，有哪些手段?

      在深度學習中，加入正則化是為了防止過擬合(overfitting)現象的發(fā)生。過擬合指的是模型在訓練數據上表現得很好，但在未見過的測試數據上表現不佳，因為模型在訓練過程中過度擬合了訓練數據的噪聲和細節(jié)。查看全文>>

      人工智能常見問題2023-08-02 |黑馬程序員 |網絡訓練,正則化,L1正則化
和我們在線交談！