摘要:
本周收获 总结一下本周学习内容: 1、《机器学习》第14章:概率图模型 14.1 隐马尔可夫模型 14.2 马尔科夫随机场 14.3 条件随机场 14.4 学习与推断 14.5 近似推断 14.6 话题模型 :car:博客: 机器学习:概率图模型 2、《深度学习》第五章:卷积神经网络 5.6 Ale 阅读全文
摘要:
1、深度卷积神经网络(AlexNet) :mega: AlexNet和LeNet的设计理念非常相似,但也存在显著差异。 首先,AlexNet比相对较小的LeNet5要深得多。 AlexNet由八层组成:五个卷积层、两个全连接隐藏层和一个全连接输出层。 其次,AlexNet使用ReLU而不是sigmo 阅读全文
摘要:
1、基本概念 概率图模型(probabilistic graphical model)是一类用图结构来表达各属性之间相关关系的概率模型, 一般而言:图中的一个结点表示一个或一组随机变量,结点之间的边则表示变量间的相关关系,从而形成了一张“变量关系图”。 概率图模型分为贝叶斯网络(Bayesian N 阅读全文