机器学习在光学和声学的应用

第二篇 机器学习误差来源分析与inverse design分析

文章目录

机器学习记录

机器学习总框架

在这里插入图片描述

在这里插入图片描述

Regression

在这里插入图片描述

以代码实例操作梯度下降，该实例采用线性模型，未正则化

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

分析error的来源

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

怎么知道error是bias大，还是variance大？以及对策

在这里插入图片描述

在这里插入图片描述

Model selection

注意数据分为了三类，

Dataset Trainingset Publicset Privateset 用于 训练、验证 testing testing

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

N-flod Cross Validation

在这里插入图片描述

文献研究学习记录

前言

在这里插入图片描述
在这里插入图片描述

具体的例子展示了训练逆设计神经网络的困难

在这里插入图片描述

全连接神经网络来验证

在这里插入图片描述

串联网络

在这里插入图片描述
在这里插入图片描述

# 机器学习 # 神经网络
Logo
技术共进，成长同行——讯飞AI开发者社区

技术共进，成长同行——讯飞AI开发者社区

更多推荐

cover

深度学习算法：开启智能时代的钥匙

avatar 讯飞AI开发者社区
cover

目标检测数据集 第017期-基于yolo标注格式的垃圾分类检测数据集(含免费分享)

avatar 讯飞AI开发者社区
cover

【人工智能】提示词进阶：用“思维链（CoT）”让大模型更擅长逻辑推理

avatar 讯飞AI开发者社区