2022.02.14【读书笔记】|基于深度学习的生命科学 第2章 深度学习概论（上）
- 传统方法是亲手设计一个函数，从分析问题开始，根据编写计算机代码来识别特征，并可靠地生成结果；机器学习采用完全不同的方法，不需要手动设计函数，而是允许计算机根据数据学习自己的函数。
- 线性模型（感知器）
- y=Mx+b
- M是一个矩阵/权重，b是一个向量
- 局限性大，不适合大多数实际的数据集。当数据维度变得非常高时，问题会变得更糟。
- 多层感知器（MLP）
- 可以简单理解为将多个线性变换一个接一个地叠加起来。
- 将一个线性函数传递给另一个非线性函数（激活函数φ(x)）
- y=M2φ(M1x+b1)+b2
- 还可以把任意多个变换堆在一起：
- h1=φ1(M1x+b1)
- h2=φ2(M2h1+b2)
- ...
- hn-1=φn-1(Mn-1hn-2+bn-1)
- y=φn(Mnhn-1+bn)
- 目前比较流行的激活函数有三种：
- 修正线性单元函数
- 双曲正切函数
- sigmoid函数
- MLP的另外两个属性：宽度与深度
- 定义
- 宽度：指隐藏层的大小，选择每个hhhh的长度
- 深度：指模型中的层数
- 宽度与深度的选择需要尝试多个组合，有一些原则可以提供指导：
- 包含一个隐含层的MPL是一个通用逼近器
- 深层模型比浅层模型需要更少的参数
- 深层模型往往比前曾模型更难训练
- 定义
欢迎大家加VX：bbplayer2021 （木青）进群交流，备注 申请加入生信交流群。
2022.02.14【读书笔记】|基于深度学习的生命科学 第2章 深度学习概论（上）相关推荐
- 2022.02.16【读书笔记】|基于深度学习的生命科学 第2章 深度学习概论（下）
训练模型 训练集:用来训练模型的一组数据 损失函数 y是实际输出,Y是训练集中给定的目标值,L(y_i,Y_i)L(yi,Yi)L(y_i,Y_i)L(yi,Yi)越小,说明模型对训练集的识别准确 ...
- 洛谷 深基 第1部分 语言入门 第4章 循环结构程序设计（2022.02.14）
P5718 [深基4.例2]找最小值 [深基4.例2]找最小值 - 洛谷 P5718 [深基4.例2]找最小值(python3实现)-2022.02.01 P5718 [深基4.例2]找最小值(pyt ...
- [读书笔记]《算法竞赛入门经典》第1章
书名:算法竞赛-入门经典 第2版 作者:刘汝佳 类别:读书笔记 文章目录 前言 第1章 程序设计入门 1.1 算术表达式 1.2 变量及其输入 1.3 顺序结构程序设计(Sequential Prog ...
- 读书笔记 计算机系统--系统架构与操作系统的高度集成 第一章概叙
大二下开始意识到计算机基础的重要性,就去图书馆随缘找了一本机械工业出版社的大部头书籍开始看, 也为了让自己养成总结和记录的习惯,把每一章的内容结构化的写成读书笔记.以后查阅方便. 这本书是集成的,计算 ...
- 读书笔记，《刻意练习》，第三章，心理表征
本章开篇给出一个例子,讲述俄罗斯国际象棋特级大师亚历山大阿廖欣在1924年挑战26位国优秀的国际象棋棋手.然后就提出了,一个问题,他是怎么做到的呢!国际象棋大师究竟是能够回忆每一个棋子的位置,还是实际 ...
- 读书笔记 - 基于强化学习的城市交通信号控制方法研究 - 西电MaxPlus
<基于强化学习的城市交通信号控制方法研究> 针对TC-GAC交通信号控制方法中只考虑局部拥堵因子的缺陷,引入车辆目的车道的全局拥堵因子,实现了多交叉口控制器Agent之间的简单协作. 由于 ...
- python基础学习[python编程从入门到实践读书笔记(连载五)]：数据可视化项目第16章
文章目录 下载数据 制作全球地震散点图:JSON格式 end 几个实验结果: 每日最高气温: 地震图绘制: 下载数据 CSV文件格式 在文本文件中存储数据,一个简单方式是将数据作为一系列以逗号分隔的值 ...
- python基础学习[python编程从入门到实践读书笔记(连载六)]：数据可视化项目第17章
文章目录 使用API end 项目结果: 使用plotly可视化github最受欢迎的python仓库: 修改后的可视化图表: 使用API 编写独立的程序,实现对获取的数据可视化.我们使用Web AP ...
- python基础学习[python编程从入门到实践读书笔记(连载四)]：数据可视化项目第15章
文章目录 matplotlib初学 基础绘图用法 随机漫步 使用Plotly模拟掷骰子 matplotlib初学 基础绘图用法 import matplotlib.pyplot as pltsquar ...
最新文章
- 从0到1：构建强大且易用的规则引擎
- TNS-12560: TNS: 协议适配器错误 Oracle11g 创建数据库中问题处理（必须运行Netca以配置监听程序）
- CSS3之伪元素选择器和伪类选择器
- cmd mysql 报错_客户端cmd打开mysql，执行插入中文报错或插入中文乱码解决方案
- XMPP键盘订制实现图文混排
- Django中自定义过滤器的使用
- 计算机专硕专业课单科分数线,计算机考研|这两所自划线，单科没过线也能复试？...
- 【Python】Matplotlib绘制各式各样的圆形
- Mysql的master,slave的配置
- css 动画类库Animate.css
- HTML元素居中的三种方法
- java一维数组求质数_Java数组中最大质数和最小质数之间的差异
- 30天不动如山计划（重要）
- 手机上的Linux体验----Aid learning
- Python 多个视频拼接成一个视频工具（附代码） | Python工具
- 【NDN基础】Networking Named Content 问题汇总
- 中企海外周报 | 银联业务拓展到171个国家和地区；徐工集团向非洲客户提供定制化设备...
- 2021-11-29 轨迹规划五次多项式
- 机器学习（二）--sklearn之逻辑斯蒂回归和朴素贝叶斯
- 使用uber数据集和kelpergl做路网动态可视化