《神经网络与深度学习》

神经网络与深度学习笔记汇总五

神经网络与深度学习笔记汇总五往期回顾将之前掘金写的学习笔记所遇困难搬到这里，方便查看复习遇到问题：报错(未解决)学习内容：1、报错operandshouldcontain1columnsin条件后面有多个字段
Zzjw527·2020-09-13 00:46

神经网络与深度学习笔记汇总三

神经网络与深度学习笔记汇总三往期回顾将之前掘金写的学习笔记所遇困难搬到这里，方便查看复习遇到问题：异常值处理学习内容1、.drop()返回的是一个新对象，原对象不会被改变。
Zzjw527·2020-09-13 00:46

神经网络与深度学习笔记（四）为什么用交叉熵代替二次代价函数

1、为什么不用二次方代价函数我们用的loss方程是a是神经元的输出，其中a=σ(z)，z=wx+b使用链式法则求权重和偏置的偏导数有：可知，偏导数受激活函数的导数影响再由sigmoid函数可知，sigmoid的导数在输出接近0和1的时候是非常小的，这会导致一些实例在刚开始训练时学习得非常慢：2、为什么要用交叉熵先看公式：求权重和偏置的偏导数：根据σ′(z)=σ(z)(1−σ(z))，知由以上公式可
dsjdjsa·2020-09-11 22:49

模型独立学习：多任务学习与迁移学习

文章作者：邱锡鹏复旦大学计算机科学技术学院教授、博士生导师内容来源：《神经网络与深度学习》导读：机器学习的学习方式包括监督学习和无监督学习等。
hzbooks·2020-09-11 12:44

毕业设计之「测试实验及结果分析」（一）

前言在毕设系列推文的第二章中我们详细介绍了TensorFlow的一些基础知识（TensorFlow2.0概述）；在第三章（毕业设计之「神经网络与深度学习概述」（一）、毕业设计之「神经网络与深度学习概述」
石璞东 | haha·2020-09-11 11:32

毕业设计之「神经网络与深度学习概述」 （一）

前言本章节属于我毕业设计系列推文中的基础篇内容，是对神经网络与深度学习基础的一个概述，共包括两节内容（分别是毕业设计之「神经网络与深度学习概述」（一）和毕业设计之「神经网络与深度学习概述」（二）），我会分成两次推文进行推送
石璞东 | haha·2020-09-11 11:01

《神经网络与深度学习》-无监督学习

无监督学习1.无监督特征学习1.1主成分分析1.2稀疏编码1.2.1训练方法1.2.2稀疏编码的优点1.3自编码器1.4稀疏自编码器1.5堆叠自编码器1.6降噪自编码器2.概率密度估计2.1参数密度估计2.1.1正太分布2.1.2多项分布2.2非参数密度估计2.2.1直方图法2.2.2核方法2.2.3K近邻方法  无监督学习（UnsupervisedLearning，UL）是指从无标签的数据中学习
你电吴彦祖·2020-09-11 00:29

大学课程清单

UndergraduateCourses(UESTC)软件工程研究生重要课程研一上组合优化理论随机过程与排队论硕士研究生学位英语神经网络与深度学习网络编程网络安全理论与技术UNIX/Linux操作系统内核结构中国特色社会主义理论与实践工程伦理与学术道德体育技能
yansicing·2020-09-10 15:16

为什么深度神经网络这么难训练？

导读：本文内容节选自《深入浅出神经网络与深度学习》一书，由MichaelNielsen所著，他是实验媒体研究工作室的联合创始人，曾是YCResearch的ResearchFellow。。
csdn人工智能头条·2020-09-10 10:24

《神经网络与深度学习》-深度生成模型

深度生成模型1.概率生成模型1.1密度估计1.2生成样本1.3应用于监督学习2.变分自编码器2.1含隐变量的生成模型2.2推断网络2.2.1推断网络的目标2.3生成网络2.3.1生成网络的目标2.4模型汇总2.5再参数化2.6训练3.生成对抗网络3.1显式密度模型和隐式密度模型3.2网络分解3.2.1判别网络3.2.2生成网络3.3训练3.4一个生成对抗网络的具体实现：DCGAN3.5模型分析3.
你电吴彦祖·2020-08-31 22:54

TensorFlow 2.0深度学习算法实战 第一章 人工智能绪论

第一章人工智能绪论1.1人工智能1.1.1人工智能1.1.2机器学习1.1.3神经网络与深度学习1.2神经网络发展简史1.2.1浅层神经网络1.2.2深度学习1.3深度学习特点1.3.1数据量1.3.2
安替-AnTi·2020-08-29 15:42

Gradient Descent

//李宏毅视频官网：http://speech.ee.ntu.edu.tw/~tlkagk/courses.html点击此处返回总目录//邱锡鹏《神经网络与深度学习》官网：https://nndl.github.io
/home/liupc·2020-08-23 06:45

2018-04-22 project literature

（上）机器学习入门好文，强烈推荐深度神经网络全面概述：从基本概念到实际模型和硬件基础神经网络与深度学习27种深度学习主流神经网络三分钟搞懂深度学习：物体的识别
kamin·2020-08-23 02:16

nlp课程学习mark

www.bilibili.com/video/av14153689/index_23.html#page=23https://github.com/neubig/nn4nlp2017-code复旦邱锡鹏老师《神经网络与深度学习
饭饭风·2020-08-20 15:36

【神经网络与深度学习】【C/C++】C++日志操作开源函数库之Google-glog

今天想给我的C++项目找一个开源的日志类，用于记录系统日志，结果浪费了半个下午的时间。从网上搜索相关资料，找到以下几个备选方案：1、log4cplus下载地址：http://sourceforge.net/projects/log4cplus/files/log4cplus-stable/1.1.02、log4cxx下载地址：http://logging.apache.org/log4cxx/do
Zhang_P_Y·2020-08-20 14:52

Neural Networks and Deep Learning习题解答--梯度下降

神经网络与深度学习习题解答通过梯度下降法学习参数最近在看MichaelNielsen的NeuralNetworksandDeepLearning，这本书是以网页的形式放在网上，非常合适入门，附上传送地址
剑启郁兰·2020-08-20 08:42

Neural Networks and Deep Learning习题解答--神经网络结构

神经网络与深度学习习题解答NeuralNetworksandDeepLearning(作者MichaelNielsen)书中第二章Usingneuralnetstorecognizehandwrittendigits
剑启郁兰·2020-08-20 08:42

Neural Networks and Deep Learning习题解答--反向传播算法

神经网络与深度学习习题解答反向传播算法最近在看MichaelNielsen的NeuralNetworksandDeepLearning，这本书是以网页的形式放在网上，非常合适入门，附上传送地址：http
剑启郁兰·2020-08-20 05:02

神经网络和深度学习练习题 第二周测验

转自何宽吴恩达神经网络与深度学习网易云课堂练习题第二周神经元节点计算什么？【 】神经元节点先计算激活函数，再计算线性函数(z=Wx+b)【★】神经元节点先计算线性函数（z=Wx+b），再计算激活。
小哦--·2020-08-20 05:02

10.神经网络与深度学习（九）—梯度消失问题

1）引言终于开始进入深度学习了，其实深度学习就是多层神经网络训练数据。2）什么是梯度消失问题？梯度消失问题实际上是指在隐藏层BP的时候梯度是逐渐变小的。也就是说前面隐藏层的学习速度比后面的隐藏层学习速度小。3）什么导致了梯度消失我们先看一个很简单的深度神经网络：每一层只有一个单一的神经元。下图就是三层隐藏层的神经网络：我们这里先给出代价函数关于第一个隐藏神经元的梯度∂C/∂b1的公式，如下：我们现
quinn1994·2020-08-19 03:09

吴恩达 深度学习 神经网络与深度学习 深度神经网络 课程作业

Part1：BuildingyourDeepNeuralNetwork:StepbyStep1-PackagesLet’sfirstimportallthepackagesthatyouwillneedduringthisassignment.-numpyisthemainpackageforscientificcomputingwithPython.-matplotlibisalibraryto
今 晚 打 老 虎·2020-08-17 13:05

读书笔记--神经网络与深度学习（四）卷积神经网络

5卷积神经网络卷积神经网络CNN，是一种具有局部连接、权重共享等特性的深层前馈神经网络。目前，卷积神经网络一般是由卷积层、汇聚层和全连接层交叉堆叠而成的前馈神经网络，使用反向传播算法进行训练。卷积神经网络结构上的局部连接、权重共享和汇聚的特性，使得卷积神经网络具有一定程度上的平移、缩放和旋转不变性。和前馈神经网络相比，卷积神经网络的参数更少。卷积神经网络主要使用在图像分类、人脸识别、物体识别、图像
tianyouououou·2020-08-16 21:42

《神经网络与深度学习》-深度信念网络

深度信念网络1.玻尔兹曼机1.1生成模型1.2能量最小化与模拟退火1.3参数学习2.受限玻尔兹曼机2.1生成模型2.2参数学习2.2.1对比散度学习算法2.3受限玻尔兹曼机的类型3.深度信念网络3.1生成模型3.2参数学习3.2.1逐层预训练3.2.1精调  对于复杂的数据分布，通常只能观测到有限的局部特征，且含有噪声，如要对这个数据分布进行建模，要挖掘可观测变量之间的依赖关系，以及可观测变量背后
你电吴彦祖·2020-08-16 15:39

Neural Networks and Deep Learning习题解答--改进神经网络的学习方法

神经网络与深度学习习题解答改进神经网络的学习方法最近在看MichaelNielsen的NeuralNetworksandDeepLearning，这本书是以网页的形式放在网上，非常合适入门，附上传送地址
剑启郁兰·2020-08-16 09:17

神经网络与深度学习

使用神经网络识别手写数字人类视觉系统是世界上众多奇迹之一。看看下面的手写数字序列：大多数人毫不费力就能够认出这些数字为504192.这么容易反而让人觉着迷惑了。在人类的每个脑半球中，有着一个初级视觉皮层，常称为V1，包含1亿4千万个神经元及数百亿条神经元间的连接。但是人类视觉不是就只有V1，还包括整个视觉皮层——V2、V3、V4和V5——他们逐步地进行更加复杂的图像处理。人类的头脑就是一台超级计算
ljtyxl·2020-08-16 05:30

《神经网络与深度学习》-概率图模型

概率图模型1.模型的表示1.1有向图模型1.2常见的有向图模型1.2.1Sigmoid信念网络1.2.2朴素贝叶斯分类器1.2.3隐马尔科夫模型1.3无向图模型1.4无向图模型的概率分解1.5常见的无向图模型1.5.1对数线性模型1.5.2条件随机场1.6有向图和无向图之间的转换2.学习2.1不含隐变量的参数估计2.2含隐变量的参数估计2.2.1EM算法2.2.2高斯混合模型3.推断3.1精确推断
你电吴彦祖·2020-08-14 23:10

深度学习基础系列1——神经网络

看了这么多关于深度学习的书，我个人还是推荐邱老师的《神经网络与深度学习》，我的整个系列基本可以看成是这个书学习的总结，也感谢各位同学的反馈和错误指正，我
从天而降小可爱·2020-08-14 12:46

机器学习基础知识-神经网络与深度学习学习笔记（二）

机器学习基础知识-神经网络与深度学习学习笔记（二）最近在学习复旦邱锡鹏老师的《神经网络与深度学习》，并对书中推荐的论文进行了阅读。
Doit_·2020-08-13 16:15

知识图谱基础Part1_机器学习基础

预览：机器学习基础理论与概念、神经网络与深度学习基础、nlp中的深度学习、语义组合模型、词表示模型//2019.05.19一、机器学习基础1、概念：机器学习是人工智能的一个分支机器学习是人工智能的一个分支
小菜鸟威廉_v·2020-08-11 01:11

人工智能学习资料整理：从入门到全面了解

，中文）[链接]吴恩达—深度学习（网易云课堂，进阶，中文）[链接]3Blue1Brown—深度学习（哔哩哔哩，深入浅出讲解，中文字幕）[链接]谷歌—机器学习（官网，入门+运行，中文/英文）书籍[链接]神经网络与深度学习
scottcgi·2020-08-10 01:13

算法工程师之路——Deeplearning.ai神经网络与深度学习篇Week4

上一周的回顾刚刚过去了10月最后完整的一周，马上就要扑向11月的怀抱了。很开心能够在每周总结自己的所学所得，整理为博客，这样也是一种让人充满了成就感的事情。在上一周我开始学着逐渐运用之前提到的多线程学习法进行知识的扩充，收到了不错的效益，一方面工程能力在实际项目的锻炼中不断提升，另一方面也接触到了许多偏学术的知识和规则。当然啦，对于Andrew大佬视频课的学习，也一直被我放在较为重要的地位，尽量挤
Mr_Rum·2020-08-09 23:18

算法工程师之路——Deeplearning.ai神经网络与深度学习篇Week5

上一周的回顾文档+项目，是刚刚匆匆过去一周的主旋律。实习报告、唐奖申请表和申请材料、十佳先进班集体材料等等，写的那是一个酣畅淋漓啊，总算在大好周末前赶完，结果周末还要继续上实训课，晕哉。对于之前设计的页面，做了一次比较大的改动，对导航、布局都进行了一定的修改，直观上看确实是比之前要好一些了。另一个实训项目呢，花费了一天去寻找以前写的JavaEE项目，结果发现尴尬的是，并没有存档，额。实在没招了，只
Mr_Rum·2020-08-09 23:18

算法工程师之路——Deeplearning.ai神经网络与深度学习篇Week3

上一周的回顾过去的一周真的发生了很多意想不到、惊心动魄的事情，从大学四年最后一次体测到唐奖竞争，从小IG力挽狂澜到RNG遗憾折戟，生活可谓是充满了无数的可能。也正是因为这样，我们的生活才不至于那么乏味，像工厂流水线生产一样标准化、制度化，而随时都可能发生一段令人难忘的奇妙冒险。做学问、努力学习的过程其实也是这样，不仅要脚踏实地，还要学会正确处理遇到的一系列非预期范围内的问题。我越来越相信一句话：真
Mr_Rum·2020-08-09 23:18

算法工程师之路——Deeplearning.ai神经网络与深度学习篇Week2

上一周的回顾时间过的很快，转眼又是一周。刚刚过去的一周也是很忙碌，几乎每天都有各种各样工作与生活上的琐事，不过我也在加油努力的学习，毕竟任重而道远嘛！通过与学长学姐的沟通交流，我打算今后的学习采用这样的方式进行：多线程学习法。在学习人工智能领域知识的旅途中，需要涉猎的东西实在是太多太多，比如学习最新的论文，学习别人先进的思想，并尝试着复现；熟练掌握Python、Tensorflow这些人工智能领域
Mr_Rum·2020-08-09 17:13

[翻译] 神经网络与深度学习 第六章 深度学习 - Chapter 6 Deep learning

目录：首页译序关于本书关于习题和难题第一章利用神经网络识别手写数字第二章反向传播算法是如何工作的第三章提升神经网络学习的效果第四章可视化地证明神经网络可以计算任何函数第五章为什么深层神经网络难以训练？>第六章深度学习附录：有没有一个简单的人工智能算法？致谢、常见问题文章目录深度学习介绍卷积网络实战卷积神经网络卷积网络的代码图像识别领域的最新进展其他类型的深层神经网络神经网络的未来深度学习在前一章中
Xovee·2020-08-09 03:48

python编译神经网络识别mnist数据集，预报准确率很低

我自己根据《神经网络与深度学习实战》这本书的第五章写了一个python的程序，来识别mnist数据集，但是最后预报的结果只有0.092，书上却有0.94，我不清楚哪里有问题，希望大佬能指导一下，萌新入坑
TiandyMascot·2020-08-08 13:39

机器学习算法分类-总览

目录一、机器学习算法类型1.监督学习(SupervisedLearning)2.无监督学习(UnsupervisedLearning)3.强化学习(ReinforcementLearning)4.神经网络与深度学习
zhangfang2741·2020-08-07 19:26

CV理论基础（五）：神经网络基础知识——应用案例BP、从神经网络到深度学习

计算机视觉理论基础（五）应用案例可手算的神经网络示例神经网络与深度学习典型的机器学习深度学习资料应用案例经典论文：D.E.Rumelhart,G.E.Hinton,andR.J.Williams,“Learningrepresentationsbyback-propagatingerros
'仰望星空,脚踏实地'-菱·2020-08-05 15:29

【神经网络与深度学习】【C/C++】使用blas做矩阵乘法

使用blas做矩阵乘法#definemin(x,y)(((x)#include#include#include#include//extern"C"//{#include//}usingnamespacestd;intmain(){constenumCBLAS_ORDEROrder=CblasRowMajor;constenumCBLAS_TRANSPOSETransA=CblasNoTrans;
weixin_30587025·2020-08-04 04:52

3. 使用Keras实现全连接神经网络完成手写数字识别

//李宏毅视频官网：http://speech.ee.ntu.edu.tw/~tlkagk/courses.html点击此处返回总目录//邱锡鹏《神经网络与深度学习》官网：https://nndl.github.io
/home/liupc·2020-08-03 02:43

神经网络与深度学习学习笔记：实现单隐层的神经网络

本文为吴恩达课程的编程大作业，需要建立的模型如下图所示：依赖库importnumpyasnpimportmatplotlib.pyplotaspltfromtestCasesimport*#代码见文末附录importsklearnimportsklearn.datasetsimportsklearn.linear_modelfromplanar_utilsimportplot_decision_b
qq435248055·2020-08-02 13:14

神经网络与深度学习——绪论

以下为对神经网络与深度学习这本书的学习笔记对于人工智能：JohnMcCarthy提出了人工智能的定义：“人工智能就是要让机器的行为看起来就像是人所表现出的智能行为一样。”
筱筱思·2020-08-01 13:11

神经网络与深度学习之激活函数

激活函数：传统神经网络中最常用的两个激活函数,Sigmoid系（Logistic-Sigmoid、Tanh-Sigmoid）被视为神经网络的核心所在.从数学上来看,非线性的Sigmoid函数对中央区的信号增益较大,对两侧区的信号增益小,在信号的特征空间映射上,有很好的效果,通过对加权的输入进行非线性组合产生非线性决策边界.从神经科学上来看,中央区酷似神经元的兴奋态,两侧区酷似神经元的抑制态,因而在
weixin_30830327·2020-07-31 12:01

'c' argument has 1 elements, which is not acceptable for use with 'x' with size 400, 'y' with size 4

吴恩达《神经网络与深度学习》第一课第三周作业，程序报错，成功解决：‘c’argumenthas1elements,whichisnotacceptableforusewith‘x’withsize400
大强强小强强·2020-07-30 04:02

《神经网络与深度学习》—学习笔记

[nndl.github.io][神经网络与深度学习][nndl-book]深度学习基础深度学习是机器学习的一个分支，是指一类问题以及解决这类问题的方法。
studyeboy·2020-07-30 00:03

神经网络与深度学习笔记——第4章 神经网络可以计算任何函数的可视化证明

第4章神经网络可以计算任何函数的可视化证明神经网络拥有一种普遍性。不论我们想要计算什么样的函数，我们都确信存在一个神经网络可以计算它。而且，这个普遍性定理甚至在我们限制了神经网络只在输入层和输出层之间存在一个中间层的情况下成立。所以即使是很简单的网络架构都极其强大。普遍性定理在使用神经网络的人群中是众所周知的。但是它为何正确却不被广泛地理解。现有的大多数的解释都具有很强的技术性。两个预先声明关于神
zhzhx0318·2020-07-29 03:31

NG深度学习系列笔记《神经网络与深度学习》（1）--深度学习概述

这篇主要介绍《神经网络与深度学习》系列第一讲：深度学习概述。主要内容：1、使用房价
Andyato0520·2020-07-29 01:10

人工智能入门路线

：慕课网（初识PythonPython进阶）机器学习视频：吴恩达（Coursera/b站）实战：linyubobobo（慕课网）博客：CSDN博客深度学习视频：吴恩达（Coursera/b站）第一课：神经网络与深度学习第二课
Jichao Zhao·2020-07-28 20:23

神经网络可以计算任何函数的可视化证明

原文链接：CHAPTER4Avisualproofthatneuralnetscancomputeanyfunction神经网络与深度学习书籍系列章节汇总链接神经网络的一个最显著的事实就是它可以计算任何的函数
weixin_33976072·2020-07-28 18:34

读书笔记--神经网络与深度学习（三）前馈神经网络

4前馈神经网络从机器学习的角度看，神经网络一般可以看做是一个非线性模型。4.1神经元净输入z在经过一个非线性函数f(·)后，得到神经元的活性值（Activation）a，a=f(z),其中非线性函数f(·)称为激活函数（ActivationFunction）。激活函数激活函数在神经元中非常重要的。为了增强网络的表示能力和学习能力，激活函数需要具备以下几点性质：连续并可导（允许少数点上不可导）的非线
tianyouououou·2020-07-28 12:44
上一页 7 8 9 10 11 12 13 14 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他