regularization

Deep Knowledge Tracing (深度知识追踪)

论文：DeepKnowledgeTracingAddressingTwoProblemsinDeepKnowledgeTracingviaPrediction-ConsistentRegularizationHowDeepisKnowledgeTracing
微笑sun·2018-09-30 16:00

【Network】优化问题——Label Smoothing

滴：转载引用请注明哦【握爪】https://www.cnblogs.com/zyrb/p/9699168.html今天来进行讨论深度学习中的一种优化方法LabelsmoothingRegularization
Ti_Amber/Aug·2018-09-25 16:00

tensorflow之神经网络实现流程总结

.数据预处理preprocess2.前向传播的神经网络搭建(包括activation_function和层数)3.指数下降的learning_rate4.参数的指数滑动平均EMA5.防止过拟合的正则化regularization6
洛丶航·2018-09-24 23:00

机器学习算法校招笔试面试题集

L1范数（L1norm）是指向量中各个元素绝对值之和，也有个美称叫“稀疏规则算子”（Lassoregularization）。
风中摇曳的叶子·2018-09-19 20:55

机器学习常见问题整理

1.为什么说regularization是阻止overfitting的好办法?
婉妃·2018-09-19 01:21

【吴恩达】机器学习ex3编程练习

grad]=lrCostFunction(theta,X,y,lambda) %LRCOSTFUNCTIONComputecostandgradientforlogisticregressionwith %regularization
磕葵子·2018-09-16 00:00

神经网络正则化(1)：L1/L2正则化

转自：https://zhuanlan.zhihu.com/p/35893078在神经网络出现highvariance也就是overfitting的时候，regularization(正则化)是一个很常用的方法
witsmakemen·2018-09-14 16:12

【ML】正则化 Regularization

BacktoMachineLearningIndex不知道为什么翻译成正则化,我更愿意叫约束化.模型在自由空间生长,很容易跑野了,添加一些regulations,来约束模型的生成路径,从而获得更好的模型.小树要砍,小孩要管,model要regularization
鹅城惊喜师爷·2018-09-09 21:11

MNIST数字识别问题

说明：1、损失函数loss=cross_entropy_mean+regularization                 =cross_entropy_mean+regularizer(weights1
Jessie_Sun_·2018-09-06 16:10

理解BN(Batch Normalization)

一次性设置（Onetimesetup）-激活函数（Activationfunctions）-数据预处理（DataPreprocessing）-权重初始化（WeightInitialization）-正则化（Regularization
HFKuAng·2018-09-05 10:10

吴恩达机器学习笔记8——正则化Regularization

第8章正则化Regularization1，过拟合（theproblemofoverfitting）欠拟合，过拟合过多的特征变量，很少的训练样本，会引起正则化。
Margo_Zhang·2018-09-04 22:05

Caffe Batchnorm层使用小结

BN的好处包括允许网络使用较高的学习率，能够起到一定的regularization的作用等等，从而加速训练。
BockSong·2018-09-04 16:29

Neural Networks的regularization技巧：谈谈网络的泛化能力与noise、Inductive Bias的关系

一切要从overfitting（简称OF）和网络的generalizationcapability（简称GC）能力说起。overfitting是因为网络的繁华能力不足。从有限的训练集期待学到具有无限表达能力的网络，本来就是伪命题，“infiniteusebyfinitemeans”，所以overfitting是一件不可根除，只能减轻的事情。因为相比于无穷的待测试空间，训练集空间总是有限的。模型总是
Trasper1·2018-08-31 18:55

关于线性代数中：方程组个数与未知数个数对解的影响分析以及该问题在机器学习中的实际意义（regularization）

转载本文需要得到本人许可，谢谢！1.先给出方程组个数与未知数个数对解的影响分析2.该问题在机器学习中的实际意义在线性回归问题中（linearregression),weassumethat:Thesolutionofregressionisastraightlinewhosequationisasfollows.由于X不满秩，所以参照1.中的③或者第一行，我们可以得出θ有无穷解。3.总结：先定义一
做一只AI小能手·2018-08-30 15:51

深度学习笔记（十三）：L1、L2正则化

正则化（Regularization）机器学习中几乎都可以看到损失函数后面会添加一个额外项，常用的额外项一般有两种，一般L1正则化和L2正则化，或者L1范数和L2范数。
小熊猫3·2018-08-28 19:02

CNN神经网络优化常用函数范式一览(损失函数loss,学习率learning_rate,滑动平均ema,正则化regularization)

来源:学习北大曹健老师Tensorflow课程后做的学习笔记,整理后在此分享给大家.之前是抄在本子上的,可能存在一些抄写错误或是标记缺失,若发现了可以评论告诉我.谢谢.###一.损失函数(loss):预测值y与已知答案y_的差距神经网络优化目标即找到适合的w以减小loss,有三种减小loss的方法1.均方误差mse(MeanSquaredError)2.自定义损失函数3.交叉熵ce(CrossEn
dolor_059·2018-08-27 00:06

机器学习中的正则化方法

参数范数惩罚L1L2regularization正则化一般具有如下形式：（结构风险最小化）其中，第一项是经验风险，第二项是正则化项，lambda>=0为调整两者之间关系的系数。
Shingle_·2018-08-24 19:25

Practical aspects of deep learning

MaketheNeuralNetworkdeeperNGetmoretrainingdataYGetmoretestdataNAddregularizationYIncreasethenumberofunitsi
蠢材少年·2018-08-16 05:00

Spark机器学习中的正则化项的理解

正则化（Regularization）机器学习中几乎都可以看到损失函数后面会添加一个额外项，常用的额外项一般有两种，一般英文称作ℓ1ℓ1-norm和ℓ2ℓ2-norm，中文称作L1正则化和L2正则化，或者
那记忆微凉·2018-08-13 15:59

LiteFlowNet: A Lightweight Convolutional Neural Network for Optical Flow Estimation

2.添加一个novelflowregularizationlayer来改善异常值和模糊边界的情况，这个层是通过使用feature-drivenlocalconvolution来实现的。
_Gus_·2018-08-13 15:51

正则化L1 regularization、L2 regularization、Dropout

Regularization重新定义了目标函数,为了通过使得将权重的值都接近于0，从而使得目标函数更加的平滑减少样本中的噪声对训练的结果所造成的影响，解决overfitting问题。
Saul Zhang·2018-08-12 16:33

【机器学习】正则化的线性回归 —— 岭回归与Lasso回归

0.正则化（Regularization）前面使用多项式回归，如果多项式最高次项比较大，模型就容易出现过拟合。正则化是一种常见的防止过拟合的方法，一般原理是在
diudiu2025·2018-08-07 19:09

行人识别学习资料整理2018

Python2.7https://github.com/qiaoguan/Person-reid-GAN-pytorch稀疏标记平滑正则化在半监督人身份识别中的应用，准确率比较高，有权重SparseLabelSmoothingRegularizationforsemi-supervisedPersonRe-Identificationhttps
ShellCollector·2018-08-05 15:50

正则化与交叉验证

正则化模型选择的典型方法是正则化（regularization）。正则化是结构风险最小化策略的实现，是在经验风险上加一个正则化项（regularizer）或罚项(penaltyterm)。
Datawhale·2018-08-02 17:14

[CVPR 2017笔记] Matrix Tri-Factorization with Manifold Regularization for Zero-shot Learning

CVPR17-基于流形正则化矩阵三分解法的零样本学习MatrixTri-FactorizationwithManifoldRegularizationforZero-shotLearning本文亮点：双流形正则化
一亩高粱·2018-07-29 10:55

Structured Support Vector Machine

目录StructuredLearningSeparablecaseNon-separablecaseConsideringErrorsRegularizationStructuredSVMMulti-classandbinarySVM
我是个粉刷匠·2018-07-27 15:04

Python【线性回归】

文章目录白手写一个调包实现numpy实现sklearn实现TensorFlow实现正则化（Regularization）LassoRidgeRegressionElasticNetRANSAC系数更新动态图附录白手写一个
基基伟·2018-07-27 01:36

深入理解L1L2正则化

Regularization：正则化是机器学习中常用的一种技术，主要目的是：控制模型复杂度，减小过拟合。
Mr_XiaoZ·2018-07-26 08:35

机器学习题目

L1范数(LassoRegularization)：向量中各个元素绝对值的和。
Beyond_2016·2018-07-24 16:25

吴恩达.深度学习系列-C2神经网络进阶-W1神经网络实践

2.4.DropoutRegularization2.5.UnderstandingDropout2.6.Otherregularizationmetho
路飞在福州·2018-07-22 19:50

机器学习中正则化项L1和L2的直观理解

正则化（Regularization）今天看了一篇文章，感觉还不错。
ZhikangFu·2018-07-18 11:29

Dropout 层应该加在什么地方？

首先是一篇外文博客（他的一系列写的都很好）：DropoutRegularizationForNeuralNetworks也有中文翻译版的：基于Ker
qq_27292549·2018-07-18 09:09

Andrew Ng机器学习笔记（六）

DecidingwhattotrynextEvaluatingahypothesis:ModelSelectionandTrain_Valid_TestSetsDiagonosingBiasvs.VarienceRegularizationandBias_Variance
Hyaloidz·2018-07-17 17:48

The GAN Landscape: Losses, Architectures, Regularization, and Normalization

TheGANLandscape:Losses,Architectures,Regularization,andNormalizationKarolKurach,MarioLucic,XiaohuaZhai
qq_36356761·2018-07-17 10:21

正则化

正则化百度正则化（正则化(regularization)，是指在线性代数理论中，不适定问题通常是由一组线性代数方程定义的，而且这组方程组通常来源于有着很大的条件数的不适定反问题。
李白不爱喝酒·2018-07-14 10:58

机器学习&图像处理基本概念笔记整理

Regularization:正则化。减小特征变量数量级，用以防止过拟合。By加惩罚项Normalization:归一化（规范化）。统一量纲，加快收敛性。
BockSong·2018-07-13 20:31

过拟合问题——正则化方法

首先，我们知道正则化（Regularization）是解决过拟合问题的，简单来说，过拟合（也叫高方差）就是训练样本效果比较好，但是在测试集上的效果就比较差了，官方一点的话就是模型的泛化能力太差。
樱缘之梦·2018-07-13 13:19

参数转化为图片数据

#Dependingonyourchoiceoflearningrateandregularizationstrength,thesemay#ormaynotbenicetolookat.w=best_svm.W
抬头挺胸才算活着·2018-07-13 12:16

神经网络学习9--过拟合 (Overfitting)的解决办法

方法一：增加数据增加数据量,大部分过拟合产生的原因是因为数据量太少了.如果我们有成千上万的数据,红线也会慢慢被拉直,变得没那么扭曲.方法二：运用正规化运用正规化.L1,l2regularization等等
南山二毛·2018-07-11 17:08

L1范数正则化

L1范数正则化（L1regularization或lasso）是机器学习（machinelearning）中重要的手段，在支持向量机（supportvectormachine）学习过程中，实际是一种对于成本函数
cynthiabupt·2018-06-22 14:01

损失函数(loss function)

通常而言，损失函数由损失项(lossterm)和正则项(regularizationterm)组成。
This is bill·2018-06-21 12:37

机器学习技法第二章

名词：sophisticated精确地equivalent相等的，等价的，对等的regularization正则化violating违反feasible可行的hyperplane超平面转自：https:
半亩房顶·2018-06-19 18:38

《A Self-Attention Setentence Embedding》阅读笔记及实践

模型中使用了self-attention机制和一个特殊的regularizationterm。
Johnson0722·2018-06-11 12:06

吴恩达深度学习(二)-第一周(2)：Regularization

Regularization#importpackagesimportnumpyasnpimportmatplotlib.pyplotaspltfromreg_utilsimportsigmoid,relu
Cowry5·2018-06-07 14:07

吴恩达深度学习(二)-第一周(2)：Regularization

Regularization#importpackagesimportnumpyasnpimportmatplotlib.pyplotaspltfromreg_utilsimportsigmoid,relu
Cowry5·2018-06-07 14:07

[Python人工智能] 五.theano实现神经网络正规化Regularization处理

从本系列文章开始，作者正式开始研究Python深度学习、神经网络及人工智能相关知识。前四篇文章讲解了神经网络基础概念、Theano库的安装过程及基础用法、theano实现回归神经网络、theano实现分类神经网络，这篇文章讲解Overfitting问题及正规化解决方法，采用theano实现。主要是学习"莫烦大神"网易云视频的在线笔记，后面随着深入会讲解具体的项目及应用。基础性文章和在线笔记，希望对
Eastmount·2018-06-01 16:32

[Python人工智能] 五.theano实现神经网络正规化Regularization处理

从本系列文章开始，作者正式开始研究Python深度学习、神经网络及人工智能相关知识。前四篇文章讲解了神经网络基础概念、Theano库的安装过程及基础用法、theano实现回归神经网络、theano实现分类神经网络，这篇文章讲解Overfitting问题及正规化解决方法，采用theano实现。主要是学习"莫烦大神"网易云视频的在线笔记，后面随着深入会讲解具体的项目及应用。基础性文章和在线笔记，希望对
Eastmount·2018-06-01 16:32

深度学习中解决过拟合的方法

1.正则化(regularization)正则化是指修改学习算法，使其降低泛化误差而非训练误差。
Jadelyw·2018-05-25 13:54

AI数学基础17——正则化（Regularization）

在数学、统计学和计算机科学中，尤其是在机器学习领域，正则化（Regularization）是为了解决ill-posed问题，或者是阻止过拟合而引入额外信息的过程。
LabVIEW_Python·2018-05-23 14:30

神经网络之L2正则化

过拟合的决策面可能如下所示：2、L2Regularization事实表明，在相同网络结构下，决策面越复杂，参数w的值往往更大，而w较小时候，得到的决策面相对平缓。
gadwgdsk·2018-05-17 15:02
上一页 16 17 18 19 20 21 22 23 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他