我正在尝试实现合适的梯度，但它没有收敛。我无法弄清楚问题所在。 当我使用 <code>for</code> 循环实现

我正在尝试制作一个由三层组成的简单神经网络来解决二元分类问题。前两层有八个神经元（+偏置单元

我正在学习机器学习课程。我有一个简单的线性回归 (LR) 问题来帮助我习惯 TensorFlow。 LR 问题是找到参

我在 Coursera 上的 Andrew NG 课程之后开始学习机器学习。我正在尝试实施 <code>gradient descent with linear regressi

对于我正在学习的课程，我将实现<strong>深梦</strong>以实现特征可视化。我选择在浏览器中实现这个项目

我正在尝试从头开始在 Python 中实现一个梯度下降函数，我已经在 GNU Octave 中实现并工作了该函数。不幸

我正在使用 Pytorch-Geometric 库为回归问题实现图神经网络。模型定义为： <pre class="lang-py prettyprint-overri

我想绘制每个时期的梯度并尝试使用梯度磁带获取值。但我收到以下错误。 <pre><code>batch_size = 128 epoch

我正在使用 CNN 和 EHR 数据集在 Keras 中进行时间序列预测。目标是预测给予患者什么分子以及距离下一次

我刚刚开始学习这个名为 PyTorch 的很棒的工具，但遗憾的是我陷入了模棱两可的境地。 以下是其中

我有一组点 x 和 y： <pre><code>sport numpy as np np.random.seed(11) x = np.linspace(0, 10, 98) y = 5.0*x + 2.0 + np.random.uni

我正在尝试编写使用梯度下降返回岭回归参数的代码。岭回归定义为 <a href="https://i.stack.imgur.com/IMr5

在处理更复杂的事情之前，我知道我必须实现我自己的 <code>backward</code> 通行证，我想尝试一些简单而美

我正在研究行人步数检测（加速），我想从过滤后的信号中计算统计特征。我已经计算了一些，现在我

我相信我已经正确地实现了 GD（部分基于 Aurelien Geron 的书），但它返回的结果与 sklearn 的线性回归不同

在反向传播中，是使用梯度 w.r.t. 计算的 Loss w.r.t 层 L 的梯度。 L-1层？或者，是 Loss w.r.t. 的梯度。层 L-1

我已经使用 NumPy 的向量化正则化梯度下降在 Python 中编写了一个用于逻辑回归的实现。我使用了数字检

在梯度下降中，我们调整权重以达到误差的全局最小值。但是，梯度下降的超平面呈现船状结构，这意

我是机器学习的初学者，一直在尝试实施梯度下降来尝试优化模型的权重。我正在尝试从头开始开发模

我正在尝试实现此 <a href="https://arxiv.org/pdf/1806.02775.pdf" rel="nofollow noreferrer">paper</a> 中给出的以下算法：</