-
正向与反向传播
正向传播 正向传播是指对神经网络沿着从输入层到输出层的顺序，依次计算并储存模型的中间变量（包括输出）。 假设模型为含单隐藏层的多层感知机，输入是一个特征为 的样本。那么，中间变量为： 其中是隐藏层的权重参数。把中间变量输入激活函数后，将得到向量长... -
医学图像分割网络
1 UNet1.1 结构与思路接下来介绍一种十分适用于医学影像分割的网络，UNet。 首先来说明一下医学影像的特点，为什么UNet比较适合医学影像分割： 医学影像语义比较简单，结构固定。但是也因此，无论是其低级特征还是高级语义特征都十分重要，所以U... -
L2范数正则化
方法L2 范数是指向量对应元素平方和再开方，一般用来表示。 L2 范数正则化等价于权重衰减。正则化通过为模型损失添加惩罚项使学出的模型参数值较小，是应对过拟合的常用手段。 L2 范数正则化在模型原损失函数的基础上添加 L2 范数惩罚项，从而得到训练所... -
Dropout丢弃法
方法除了 L2 范数正则化之外，Dropout 也是一种应对过拟合的方法。它只用于模型训练时期。 假设一个单隐藏层的多层感知机。其中输入个数为 4，隐藏单元数为 5，隐藏单元 hi 的表达式为：其中是激活函数。当对该隐藏层使用 Dropout 时，某... -
卷积神经网络基础
1 二维卷积1.1 二维互相关虽然卷积层得名于卷积（convolutional neural network）运算，但是我们通常在卷积层中使用更加直观的互相关（cross-correlation）运算。二维卷积层中，一个二维输入数组和一个二维核（ke... -
数据结构与算法
数据范围反推复杂度及算法内容一般ACM或者笔试题的时间限制是1秒或2秒。在这种情况下，C++代码中的操作次数控制在∼为最佳。 下面给出在不同数据范围下，代码的时间复杂度和算法该如何选择： ，指数级别。dfs+剪枝，状态压缩dp。 ，。floyd，d... -
面向对象基础
说明该文章大部分内容来自以下开源博客：面向对象思想 1 三大特性1.1 封装利用抽象数据类型将数据和基于数据的操作封装在一起，使其构成一个不可分割的独立实体。内部的数据被隐藏了起来，外部只可以通过提供的接口访问数据。因此用户无需关心对象内部的细节，同... -
Unity练习笔记
实用的工具ZealZeal的官网 Zeal是一个离线API查看工具，支持205种文档（截止至2021/6/2），最大的好处是不需要联网，能随时查看（拯救断网大学生），查询速度也很快，对比很多服务器在国外的文档真的能节省很多时间。 以我用它来查unit... -
设计模式模板
致谢本文章大量参考了B站up主子烁爱学习的五分钟设计模式系列视频与GitHub用户CyC2018的开源博客。已获得转载许可。附上链接：子烁爱学习的空间CyC2018的设计模式目录 什么是设计模式？设计模式是软件工程的基石，是现在合作开发工程化的理论基... -
算法笔记学习记录
排序插入排序插入排序的思想是从第一个数开始逐渐扩大已排序序列，具体实现是将某个数与已排序序列中的数比较，决定其在排好序的序列中位置。 123456for (int i = 1; i < n; i++) { for (int j = i -...
Be Pro.