暂无评论
这几天开始搞毕业设计,跟着老师算是正式入门深度学习了,在此记录一下这几天的收获 1.深度学习环境配置 首先是深度学习环境的配置,以前都是用pycharm写一些小程序小打小闹,结果电脑炸了什么都没有了,
house price 学习记录。 %matplotlib inline import torch import torch.nn as nn import numpy as np import pa
机器学习深度学习matlab一些资源汇总
上半部分涵盖数学基础、理论以及公式推导，下半部分侧重于实际应用和理论运用。
30页综述共计249篇参考文献本文全面调研了深度类别增量学习的最新进展并从三大方面进行总结以数据模型和算法为中心并对图像分类任务中的16种方法进行了统一评估.单位南京大学南洋理工大学深度模型如CNN和
里面有机器学习和深度学习比较经典的入门资料，提供大家学习使用
模型选择、过拟合和欠拟合 1、训练误差和泛化误差 在解释上述现象之前,我们需要区分训练误差(training error)和泛化误差(generalization error)。通俗来讲,前者指模型在
深度学习系统在许多任务中表现出色。但研究表明,如果在原有输入上叠加一个很小的恶意噪声,其效果就会受到严重影响。这种恶意样本被称为对抗样本。针对此前对抗样本生成方法在威胁模型下考虑的不足,本文提出了一种
对抗样本生成攻击是指针对深度学习模型的一种攻击方式，通过微小的扰动就能够使得模型输出完全错误的结果。本文综述了FGSM、BIM\I-FGSM、PGD、JSMA、C&W和DeepFool六种对抗
如何从少数训练样本中学习并识别新的类别,对于深度神经网络来说是一个具有挑战性的问题。针对如何解决少样本学习的问题,全面总结了现有的基于深度神经网络的少样本学习方法,涵盖了方法 所用模型、数据集及评估结
暂无评论