CNN模型之LeNet-5
卷积神经网络的开篇之作，算是第一个卷积网络模型。从LeNet-5开始学习，可以让我们从源头掌握卷积神经网络。
阅读更多
特征工程入门与实践----特征增强
特征增强是对数据的进一步修改，我们开始清洗和增强数据。主要涉及的操作有
识别数据中的缺失值
删除有害数据
输入缺失值
对数据进行归一化/标准化
2019-10-04
特征工程入门与实践----特征理解
特征理解，简单说就是理解数据中都有什么，对数据的理解方便我们认清数据，从而对数据进行操作，构造有用的特征。我们将从以下几个方面来认清数据：
结
2019-10-03
特征工程入门与实践----特征工程简介
人工智能的发展，让我们将那些需要手动操作才能处理的问题，让计算机也可以解决。例如，自然语言处理、人脸识别和图片分类等。因此，我们需要借助机器学习
2019-10-01
CNN模型之GoogLeNet
一、介绍 GoogLeNet，2014年由Google团队的Christian Szegedy等人提出，为了向LeNet致敬，所以取名GoogLe
2019-09-26
CNN模型之VGGNet
一、介绍 VGGNet是于2014年由牛津大学计算机视觉组和DeepMind公司共同研究的。在2014年的ILSVRC比赛上获得了分类项目的第二名
2019-09-25
CNN模型之NIN
一、介绍 NIN网络是由Min Lin等人在2014年提出的一个网络嵌套模型，使用微神经网络替换卷积神经网络中的卷积核。通过微神经网络来抽象感受野
2019-09-25
CNN模型之ZFNet
一、介绍 ZFNet是Matthew D.Zeiler于2013年提出，并获得了13年ImageNet的冠军。2012年AlexNet问世，并在I
2019-09-16
CNN模型之AlexNet
一、介绍 AlexNet是Alex Krizhevsky等人2012年提出。这个模型具有重大的意义，将ImageNet ILSVRC-2010竞赛
2019-09-05
CNN模型之LeNet-5
卷积神经网络的开篇之作，算是第一个卷积网络模型。从LeNet-5开始学习，可以让我们从源头掌握卷积神经网络。
2019-09-05
周志华《机器学习》读书笔记----第二章：模型评估与选择
机器学习领域的一本好书，是由周志华教授编写。是国内的经典书籍。
2019-09-05
AI圣经《深度学习》读书笔记----第二章：线性代数
线性代数是数学的一个分支，应用于科学和工程中。线性代数主要是面向连续数学，而非离散数学。掌握好线性代数对于学习机器学习算法是必要的，尤其是深度
2019-08-21
AI圣经《深度学习》读书笔记----第一章：引言
深度学习领域的一本经典书籍，被称为”AI圣经“。这本书是很值得阅读的，但是感觉有点难。
2019-08-15