深度学习基础 （包括前馈神经网络反向传播和卷积网络反向传播）
聊一聊深度学习（三天肝完深度学习基础，球球让我过吧！！）最近有场考试！！所以来过一遍深度学习，记录一些笔记备考看老师的ppt与花书，双管齐下应对深度学习（保佑我不挂吧！！）废话结束！引言人工智能领域的流派1.符号主义：逻辑主义，心理学派（推理期，心理期）2.连接主义：仿生学派或生理学派（殊途同归，各有所长）机器学
图神经网络（Graph Neural Networks）概述
论文：AComprehensiveSurveyonGraphNeuralNetworks一篇关于图神经网络的综述文章，着重介绍了图卷积神经网络（GCN），回顾了近些年的几个主要的图神经网络的的体系：图注意力网络、图自编码机、图生成网络、图时空网络。1、介绍传统的机器学习所用到的数据是欧氏空间（Euclidea
tensorflow 之循环神经网络
应用场景：应用于语音识别语音翻译机器翻译RNNRNN（RecurrentNeuralNetworks,循环神经网络）不仅会学习当前时刻的信息，也会依赖之前的序列信息。由于其特殊的网络模型结构解决了信息保存的问题。所以RNN对处理时间序列和语言文本序列问题有独特的优势。递归神经网络都具有一连串重复神经网络模
21张让你代码能力突飞猛进的速查表（Python、数据科学、深度学习、可视化、数据结构算法等）
随着人工智能大数据的蓬勃发展，越来越多的小伙伴们开始使用python作为主打代码，python有着种类繁多的第三方库。为大家从网络上收集了一些代码速查表，包括深度神经网络、机器学习、数据可视化、python基础、科学计算、数据科学等等，希望可以帮你在码代码时提速。都是高清彩色大图！!(https://oscimg.osch
Google研究人员推出了一种用于生成文本到图像的新框架（TReCS）
!(https://oscimg.oschina.net/oscnet/faedcb264a1c43969f2f5a2e6b9dbd2e.png)基于生成对抗网络（GAN）的深度神经网络促进了端到端可训练的照片级逼真的文本到图像的生成。许多方法还使用中间场景图表示法来改善图像合成。使用基于对话的交互的方法允许用户提供指令，以逐步改进和调整生成
7天搞定图神经网络，实战助力新冠疫情防控！
点击左上方蓝字关注我们!(https://oscimg.oschina.net/oscnet/up73c93dd40612aaa3c513622a0e81e3de.gif)要问这几年一直在逆势而上的技术有哪些？你一定不会忽略它——图神经网络。相比传统神经网络，图神经网络的优势非常明显：1、非顺序排序的特征学习：G
使用深度学习进行图像分类
解决任何真实问题的重要一步是获取数据。Kaggle提供了大量不同数据科学问题的竞赛。我们将挑选一个2014年提出的问题，然后使用这个问题测试本章的深度学习算法，并在第5章中进行改进，我们将基于卷积神经网络（CNN）和一些可以使用的高级技术来改善图像识别模型的性能。大家可以从https://www.kaggle.com/c/dogsvscats/data下载数
