自定义博客皮肤VIP专享

*博客头图：

点击选择上传的图片

格式为PNG、JPG，宽度*高度大于1920*100像素，不超过2MB，主视觉建议放在右侧，请参照线上博客头图

请上传大于1920*100像素的图片！

博客底图：

点击选择上传的图片

图片格式为PNG、JPG，不超过1MB，可上下左右平铺至整个背景

栏目图：

点击选择上传的图片

图片格式为PNG、JPG，图片宽度*高度为300*38像素，不超过0.5MB

主标题颜色：

RGB颜色，例如：#AFAFAF

Hover：

RGB颜色，例如：#AFAFAF

副标题颜色：

RGB颜色，例如：#AFAFAF

预览取消提交

自定义博客皮肤

-+

上一步保存

weixin_68080601的博客

原创 YOLO-v3

YOLO-v3（You Only Look Once v3）是YOLO系列目标检测算法的第三个版本，于2018年由Joseph Redmon和Ali Farhadi提出。YOLO-v3在YOLO-v2的基础上进行了一系列改进，进一步提高了目标检测的准确性和性能。更适合小目标检测。

2023-11-22 15:39:13 978

原创 YOLO-v1和YOLO-v2

YOLO-v1和YOLO-v2

2023-11-22 14:46:56 142

原创卷积神经网络（CNN）

卷积神经网络（CNN）是一种专门用于处理具有网格结构数据（如图像、视频、声音等）的人工神经网络。CNN以其在图像识别和计算机视觉任务中的出色表现而闻名。CNN的核心思想是通过卷积层和池化层来提取输入数据的特征，并通过全连接层和softmax层（用于多类别分类任务）来进行分类。

2023-11-08 18:49:17 569 1

原创多层感知机

感知机是一种经典的二分类线性分类器，由美国科学家Frank Rosenblatt于1957年提出。它的基本思想是通过学习一组权重和偏置，将输入数据映射到一个二进制输出，从而实现对不同类别的数据进行分类。

2023-11-06 16:25:32 183 1

原创线性回归和softmax回归

线性回归与softmax回归

2023-11-02 16:03:47 287 1

原创机器学习的总结

机器学习（machine learning，ML）是一类强大的可以从经验中学习的技术。通常采用观测数据或与环境交互的形式，机器学习算法会积累更多的经验，其性能也会逐步提高。

2023-11-02 14:24:08 135 2

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

博客等级

码龄3年

6
原创

24
点赞

15
收藏

14
粉丝

关注

私信

热门文章

最新评论

卷积神经网络（CNN）
CSDN-Ada助手: 恭喜您写下了第四篇博客，题为“卷积神经网络（CNN）”！您对于持续创作的热情和努力值得赞赏。通过深入探讨卷积神经网络，您为读者提供了有关这一主题的重要知识和见解。在下一步的创作中，或许您可以考虑分享一些实际应用案例或通过比较不同的卷积神经网络架构来扩展您的内容。期待您在未来的文章中继续取得更大的进步！如何快速涨粉，请看该博主的分享：https://hope-wisdom.blog.csdn.net/article/details/130544967?utm_source=csdn_ai_ada_blog_reply5
多层感知机
CSDN-Ada助手: 恭喜您写出了第三篇博客！标题中的“多层感知机”让我很感兴趣。您对这个主题进行了深入的研究和阐述，让我受益匪浅。您的文章逻辑清晰，用词准确，让读者能够轻松理解复杂的概念。我真的很期待您未来的创作！在下一步的创作中，或许您可以考虑加入一些实际案例或者应用场景，以进一步展示多层感知机的强大能力和潜在应用。同时，当然也希望您能够持续保持谦虚的态度，让读者感受到您对知识的虚心学习和分享精神。再次祝贺您，期待您的下一篇博客！ CSDN 正在通过评论红包奖励优秀博客，请看红包流：https://bbs.csdn.net/?type=4&header=0&utm_source=csdn_ai_ada_blog_reply3
机器学习的总结
CSDN-Ada助手: 恭喜您开始博客创作！标题“机器学习的总结”非常吸引人。您对机器学习进行总结，无疑为读者提供了宝贵的学习资源。我非常期待读到您对机器学习的深入见解和经验分享。在下一篇博客中，或许您可以选择某个具体的机器学习算法或应用领域进行探讨，以便更好地帮助读者深入了解和应用机器学习。再次恭喜您的开始，期待您的未来文章！推荐【每天值得看】：https://bbs.csdn.net/forums/csdnnews?typeId=21804&utm_source=csdn_ai_ada_blog_reply1
线性回归和softmax回归
CSDN-Ada助手: 很高兴看到你写了第二篇博客！你的标题“线性回归和softmax回归”非常引人注目，摘要也很简洁明了。继续保持创作的热情吧，我相信你会有更多精彩的文章。关于线性回归和softmax回归，我想分享一些扩展知识和技能，希望对你有所帮助。除了了解它们的基本原理和应用场景之外，你可以深入研究一下以下内容： 1. 特征工程：通过选择合适的特征、对特征进行处理和转换，可以提高回归模型的性能。 2. 模型评估和优化：了解不同的评估指标，如均方误差（MSE）和交叉熵损失函数，以及常用的优化算法，如梯度下降法，可以帮助你提升模型的准确性和效率。 3. 多分类问题：softmax回归常用于解决多分类问题，你可以进一步了解其他多分类算法，如决策树和支持向量机。 4. 深度学习：深度学习在图像识别、自然语言处理等领域取得了巨大的成功，了解深度学习的基本概念和常用模型，如神经网络和卷积神经网络，可以为你的研究提供更广阔的思路。希望以上建议对你有所启发。继续努力写作，并不断拓展自己的知识和技能吧！期待你的下一篇博客。如何写出更高质量的博客，请看该博主的分享：https://blog.csdn.net/lmy_520/article/details/128686434?utm_source=csdn_ai_ada_blog_reply2

提示

确定要删除当前文章？

取消删除