發(fā)簡信
IP屬地：北京
-
Heterogeneous Graph Attention Network異質(zhì)圖神經(jīng)網(wǎng)絡(luò) HGNN2019 WWW 方法 映射節(jié)點特征到相同的特征空間中：（因為不同類型的節(jié)點的特征向量的規(guī)?？赡懿灰粯樱?是節(jié)點原特征向...
-
2021李宏毅機器學(xué)習(xí) 2.1 機器學(xué)習(xí)任務(wù)攻略機器學(xué)習(xí)訓(xùn)練三步： 定目標函數(shù)，定損失函數(shù)，進行優(yōu)化 怎么樣提高模型的表現(xiàn)？ ? 檢查training data的loss： ○ 若train ...
-
2021李宏毅機器學(xué)習(xí) 1.6 backpropagation后向傳播backpropagation就是用梯度下降gd對參數(shù)進行更新，只不過在神經(jīng)網(wǎng)絡(luò)中通常參數(shù)θ非常多，所以用一個很有效的方法進行梯度下降。 需要用...
-
2021李宏毅機器學(xué)習(xí) 1.5 深度學(xué)習(xí)簡介
deep learning可以這樣考慮，拿到x，不需要我們?nèi)藶樽鎏卣鞴こ塘耍虚g的隱藏層實際上就是在進行特征提取，將x變成適合做最后分類的一組特...
-
2021李宏毅機器學(xué)習(xí) 1.4 pytorch教學(xué) 筆記直接把onenote復(fù)制過來了...不知道為什么變成了圖片。
-
2021李宏毅機器學(xué)習(xí) 1.3 神經(jīng)網(wǎng)絡(luò)LOSS 筆記新的Loss Function還是一樣的，L(θ)，也就是說損失是與全部這些未知參數(shù)有關(guān)系的。然后Loss function的計算，以及如何通過...
-
2021李宏毅機器學(xué)習(xí) 1.2 神經(jīng)網(wǎng)絡(luò)基礎(chǔ) 筆記從線性模型角度出發(fā)，考慮神經(jīng)網(wǎng)絡(luò)的原理 由于linear model有model bias，我們想獲得更加復(fù)雜的model來擬合更多的問題； 從...
-
2021李宏毅機器學(xué)習(xí) 1 機器學(xué)習(xí)基礎(chǔ) 筆記機器學(xué)習(xí)的任務(wù)： - regression：輸出是一個標量scalar； - classification：給出多個classes，輸出正確的類...