机器学习 - 标签 - bonelee

AI安全初探——利用深度学习检测DNS隐蔽通道

bonelee 2017-12-25 14:19 阅读:7094 评论:5 推荐:1 编辑

sklearn的train_test_split使用

bonelee 2017-12-14 09:14 阅读:170417 评论:3 推荐:10 编辑

tflearn中一些CNN RNN的例子

bonelee 2017-12-12 09:07 阅读:949 评论:1 推荐:0 编辑

scikit-learn系列之如何存储和导入机器学习模型

bonelee 2017-12-11 09:41 阅读:3505 评论:0 推荐:0 编辑

Batch Normalization的算法本质是在网络每一层的输入前增加一层BN层（也即归一化层），对数据进行归一化处理，然后再进入网络下一层，但是BN并不是简单的对数据进行求归一化，而是引入了两个参数λ和β去进行数据重构

bonelee 2017-11-30 19:09 阅读:2668 评论:0 推荐:0 编辑

使用神经网络-垃圾邮件检测-LSTM或者CNN（一维卷积）效果都不错【代码有问题，pass】

bonelee 2017-11-28 11:08 阅读:2675 评论:3 推荐:0 编辑

使用CNN做文本分类——将图像2维卷积换成1维

bonelee 2017-11-28 10:36 阅读:2095 评论:1 推荐:0 编辑

使用CNN做电影评论的负面检测——本质上感觉和ngram或者LSTM同，因为CNN里图像检测卷积一般是3x3，而文本分类的话是直接是一维的3、4、5

bonelee 2017-11-28 10:34 阅读:960 评论:1 推荐:0 编辑

CNN tflearn处理mnist图像识别代码解说——conv_2d参数解释，整个网络的训练，主要就是为了学那个卷积核啊。

bonelee 2017-11-28 10:16 阅读:6779 评论:0 推荐:0 编辑

神经网络中embedding层作用——本质就是word2vec，数据降维，同时可以很方便计算同义词（各个word之间的距离），底层实现是2-gram（词频）+神经网络

bonelee 2017-11-27 15:51 阅读:46973 评论:1 推荐:1 编辑

使用LSTM做电影评论负面检测——使用朴素贝叶斯才51%，但是使用LSTM可以达到99%准确度

bonelee 2017-11-27 14:28 阅读:5467 评论:7 推荐:0 编辑

如何比较Keras, TensorLayer, TFLearn ？——如果只是想玩玩深度学习，想快速上手 -- Keras 如果工作中需要解决内部问题，想快速见效果 -- TFLearn 或者 Tensorlayer 如果正式发布的产品和业务，自己设计网络模型，需要持续开发和维护 -- Tensorlayer

bonelee 2017-11-27 13:02 阅读:1113 评论:2 推荐:0 编辑

tensorflow LSTM

bonelee 2017-11-27 11:00 阅读:2240 评论:0 推荐:0 编辑

神经网络中归一化的重要作用

bonelee 2017-11-22 23:29 阅读:3553 评论:2 推荐:0 编辑

神经网络为什么要归一化

bonelee 2017-11-22 19:45 阅读:19620 评论:1 推荐:2 编辑

神经网络预测mnist时候如果不归一化,则准确率仅仅10%下文作者svm也遇到了。

bonelee 2017-11-22 19:39 阅读:5695 评论:1 推荐:1 编辑

MLPclassifier，MLP 多层感知器的的缩写（Multi-layer Perceptron）

bonelee 2017-11-22 19:27 阅读:5121 评论:0 推荐:0 编辑

ARIMA模型实例讲解——网络流量预测可以使用啊

bonelee 2017-11-22 11:39 阅读:14007 评论:1 推荐:0 编辑

HMM（隐马尔科夫模型）——本质上就是要预测出股市的隐藏状态（牛市、熊市、震荡、反弹等）和他们之间的转移概率

bonelee 2017-11-21 15:37 阅读:13421 评论:2 推荐:0 编辑

DGA ngram kmeans+TSNE用于绘图

bonelee 2017-11-17 09:37 阅读:3580 评论:0 推荐:0 编辑

将者，智、信、仁、勇、严也。

Hi，我是李智华，华为-安全AI算法专家，欢迎来到安全攻防对抗的有趣世界。

当前标签：机器学习

公告

搜索

常用链接

我的标签

随笔档案

阅读排行榜

评论排行榜

推荐排行榜

最新评论