《神经网络与深度学习》

《神经网络与深度学习》读后感

上周六公选课老师讲了一些新知识，并推荐我们去看这本书，看完之后，我发现我长知识了。书中第一章，使用神经网络识别手写数字，讲到了感应器，而神经网络和深度学习的角色：作者已经探讨过机器学习会成为⼀个技术上的新机遇创建者。那么神经网络和深度学习作为⼀种技术又会有什么样独特的贡献呢？为了更好地回答这个问题，作者在文中回顾了历史。而在1980年代，人们对神经⽹络充满了兴奋和乐观，尤其是在BP被大家广泛知晓后
qazuhb·2017-11-19 00:47

神经网络与深度学习的读后感

神经网络是基于对机器对于人脑的研究，使机器学习技术正在走进数据中心，它既能改善内部IT管理，还能使关键业务流程更加智能化。你可能已经听说过深度学习的神秘性了，它涉及到一切领域，从系统管理到自动驾驶汽车。到底深度学习是一个刚刚在世人面前揭开面纱的非常聪明的新兴人工智能，还是仅仅一种营销宣传手段，将已有的复杂机器学习算法重新包装成为新的卖点?深度学习无疑激发了大众的想象力，但它其实并不那么复杂。在技术
张少博·2017-11-18 08:45

《神经网络与深度学习》读后感

这本书的目的，在书中都已经表达出来了，是为了让读者更好地去深刻理解神经⽹络和深度学习，⽽不是像⼀张冗⻓的洗⾐单⼀样模糊地列出⼀堆想法。如果你很好理解了核⼼理念，你就可以很快地理解其他新的推论。而我们可以说它是源于生物，而一种被称为“感知器”的⼈⼯神经元。感知器在20世纪五、六⼗年代由科学家FrankRosenblatt发明在神经⽹络中，代价函数C是⼀个关于所有权重和偏置的多元函数，因此在某种意义上
帥氣的名字·2017-11-18 08:19

神经网络与深度学习

本书结合日常生活中的寻常小事，生动形象地阐述了神经网络与深度学习的基本概念、原理和实践，案例丰富，深入浅出。对于正在进入人工智能时代的我们，这些内容无疑可以帮助我们更好地理解人工
I颜竹I·2017-11-18 07:23

《神经网络与深度学习》读后感

《神经网络与深度学习》是一本启发我们利用全新编程和技术去分析学习计算机识别问题的书籍。神经网络，一种受生物学启发的编程范式。可以让计算机以观测数据中学习。
请叫我熊爸·2017-11-18 00:07

【神经网络与深度学习】生成式对抗网络GAN研究进展（五）——Deep Convolutional Generative Adversarial Nerworks，DCGAN

【前言】本文首先介绍生成式模型，然后着重梳理生成式模型（GenerativeModels）中生成对抗网络（GenerativeAdversarialNetwork）的研究与发展。作者按照GAN主干论文、GAN应用性论文、GAN相关论文分类整理了45篇近两年的论文，着重梳理了主干论文之间的联系与区别，揭示生成式对抗网络的研究脉络。本文涉及的论文有：GoodfellowIan,Pouget-Abadi
Zhang_P_Y·2017-11-09 21:37

【神经网络与深度学习】DCGAN及其TensorFlow源码

上一节我们提到G和D由多层感知机定义。深度学习中对图像处理应用最好的模型是CNN，那么如何把CNN与GAN结合？DCGAN是这方面最好的尝试之一。源码：https://github.com/Newmu/dcgan_code。DCGAN论文作者用theano实现的，他还放上了其他人实现的版本，本文主要讨论tensorflow版本。TensorFlow版本的源码：https://github.com/
Zhang_P_Y·2017-11-09 21:22

学完吴恩达全部深度学习课程，这有一份课程解读

目前Coursera上可用的课程中，有三门课非常值得关注：1.神经网络与深度学习（NeuralNetworksandDeepLearning）2.改进深度
enohtzvqijxo00atz3y8·2017-10-28 00:00

MavenProject导神经网络框架neuroph包——java

按照神经网络与深度学习这本书进行学习，记录过程如下：刚进行到第二章：neuroph框架学习第一步：创建JavaMavenproject(不会，自行百度)第二步：记住勾选上图中打√的地方，然后next按照图片描述然后点击
青雲-吾道乐途·2017-10-26 22:11

深度学习与神经网络习题（1）

最近在学习网易云课堂上吴恩达教授的《神经网络与深度学习》的课程，做了第一周的测试题，没有答案，于是想分享自己的参考解析（根据coursera荣誉准则不允许公布答案），以供讨论。1。
Ritajiaojiao·2017-10-22 10:29

【神经网络与深度学习】迁移学习：经典算法解析

一.了解迁移学习迁移学习（TransferLearning）目标是将从一个环境中学到的知识用来帮助新环境中的学习任务。>Theabilityofasystemtorecognizeandapplyknowledgeandskillslearnedinprevioustaskstonoveltasks。入门推荐一篇公认的比较好的【Survey】：ASurveyonTransferLearning，S
Zhang_P_Y·2017-10-14 22:10

【神经网络与深度学习】从迁移学习到强化学习

一.深度学习及其适用范围大数据造就了深度学习，通过大量的数据训练，我们能够轻易的发现数据的规律，从而实现基于监督学习的数据预测。没错，这里要强调的是基于监督学习的，也是迄今为止我在讲完深度学习基础所给出的知识范围。基于卷积神经网络的深度学习（包括CNN、RNN），主要解决的领域是图像、文本、语音，问题聚焦在分类、回归。然而这里并没有提到推理，显然我们用之前的这些知识无法造一个AlphaGo出来，通
Zhang_P_Y·2017-10-14 22:05

[DeeplearningAI笔记]神经网络与深度学习2.11_2.16神经网络基础(向量化)

觉得有用的话,欢迎一起讨论相互学习~FollowMe2.11向量化向量化是消除代码中显示for循环语句的艺术,在训练大数据集时,深度学习算法才变得高效,所以代码运行的非常快十分重要.所以在深度学习领域中将大数据集进行向量化操作变得十分重要.对于非向量化数据的计算,我们会使用循环去遍历整个数据集计算对应项的乘积.例如我们要计算一个数据样本,其中w和b都是一个n维向量,计算式子:Z=WT+b那么我们的
KenXuZW·2017-10-14 16:54

神经网络与深度学习笔记——神经网络与梯度下降

利用神经网络进行手写体识别两种重要的人工神经网络：感知机，sigmoid神经元。神经网络标准学习算法：sgd（随机梯度下降）Perceptrons(感知机)二进制输入x1,x2,x3...sum=∑jwj∗xj，其中wj是对应输入项的权重。output={0,1,if sum≤thresholdif sum>threshold当我们将多个感知机级联起来，能得到一个更加丰富的函数网络，如下：层级的关
AndyTeen·2017-10-08 11:16

十五、卷积神经网络（2）：卷积神经网络的结构

本篇博客主要内容参考图书《神经网络与深度学习》，李航博士的《统计学习方法》NationalTaiwanUniversity(NTU)李宏毅老师的《MachineLearning》的课程，在下文中如果不正确的地方请积极指出
独孤呆博·2017-10-01 11:06

十四、卷积神经网络（1）：介绍卷积神经网络

本篇博客主要内容参考图书《神经网络与深度学习》，李航博士的《统计学习方法》NationalTaiwanUniversity(NTU)李宏毅老师的《MachineLearning》的课程，在下文中如果不正确的地方请积极指出
独孤呆博·2017-09-30 12:32

吴恩达 深度学习 编程作业（1-4）- Building your DNN & DNN for Image Classification: Application

吴恩达Coursera课程DeepLearning.ai编程作业系列，本文为《神经网络与深度学习》部分的第四周“深层神经网络”的课程作业，增加了一些辅助的测试函数。
大树先生的博客·2017-09-26 10:13

神经网络与深度学习（四）- Deep Neural Network

有了第二、三篇的铺垫，本篇讲述深层神经网络的内部结构已经实现过程，虽然在概念上没什么需要重复多讲的，但在程序上，针对多层的神经网络来说，需要构建更多的东西来完成网络的运算Whydeeprepresentations?为什么我们要采用深层的神经网络呢，而不是简单的运用浅层神经网络就可以了。理由就要参照下面这副图，我们假设要实现n的输入的异或运算，如果采用浅层神经网络（仅含一层隐藏层）的话，那么我们的
mike112223·2017-09-24 05:12

吴恩达 深度学习 编程作业（1-2）- Python Basics with Numpy & Logistic Regression with a Neural Network mindset

吴恩达Coursera课程DeepLearning.ai编程作业系列，本文为《神经网络与深度学习》部分的第二周“神经网络基础”的课程作业（做了无用部分的删减）。
大树先生的博客·2017-09-21 21:41

DeepLearning.ai学习笔记汇总

第一章神经网络与深度学习(NeuralNetwork&Deeplearning)DeepLearning.ai学习笔记（一）神经网络和深度学习--Week3浅层神经网络DeepLearning.ai学习笔记
marsggbo·2017-09-03 20:00

十二、人工神经元的其他模型(tanh、ReLU)

  本博客主要内容为图书《神经网络与深度学习》和NationalTaiwanUniversity(NTU)林轩田老师的《MachineLearning》的学习笔记，因此在全文中对它们多次引用。
独孤呆博·2017-09-01 16:57

反向传播算法

《NeuralNetworksandDeepLearning》学习笔记——《NeuralNetworksandDeepLearning》是MichaelNielsen所著的一本神经网络与深度学习的在线学习教材
hawkcici160·2017-08-31 18:27

神经网络与深度学习（3）

0.写在前面下面到了我们的神经网络与深度学习课程的作业环节了，由于在国内，所以有很多图片加载不出来，我只能臆想了。（这种简单的还好说，等到后面难的部分，我可想不出来。）
刘炫320·2017-08-31 11:31

神经网络与深度学习（1）

0.写在前面这是吴恩达网易云课堂的视频笔记。1.神经网络是什么吴恩达使用了一个简单的房屋预测问题来解释什么是神经网络。即知道房子大小和房价，如何进行一个拟合。吴恩达给出的答案如下图，需要考虑价格为正的因素在内，那么这个拟合的线就变成了神经网络的常客——Relu函数（修正线性单元）。这是一个最简单的神经网络，因为首先它的输入时一个单变量X，而不是向量X，另外它连感知单元（求和器）都没有，直接进入激活
刘炫320·2017-08-30 14:32

深度学习概述-神经网络与深度学习学习笔记（一）

神经网络与深度学习学习笔记（一）标签（空格分隔）：深度学习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_·2017-08-27 21:54

十一、改变神经网络的学习方法（5）：随机梯度下降的变化形式(Adagrad、RMSProp、Adadelta、Momentum、NAG)

本篇博客主要内容参考图书《神经网络与深度学习》，李航博士的《统计学习方法》NationalTaiwanUniversity(NTU)李宏毅老师的《MachineLearning》的课程，在下文中如果不正确的地方请积极指出
独孤呆博·2017-08-19 15:14

十、如何选择神经网络的超参数

本博客主要内容为图书《神经网络与深度学习》和NationalTaiwanUniversity(NTU)林轩田老师的《MachineLearning》的学习笔记，因此在全文中对它们多次引用。
独孤呆博·2017-08-18 10:06

九、再看手写识别问题（内含代码详解及订正）

本博客主要内容为图书《神经网络与深度学习》和NationalTaiwanUniversity(NTU)林轩田老师的《MachineLearning》的学习笔记，因此在全文中对它们多次引用。
独孤呆博·2017-08-17 19:59

八、改进神经网络的学习方法（4）：权重初始化

本博客主要内容为图书《神经网络与深度学习》和NationalTaiwanUniversity(NTU)林轩田老师的《MachineLearning》的学习笔记，因此在全文中对它们多次引用。
独孤呆博·2017-08-17 11:29

六、改进神经网络的学习方法（2）：Softmax输出层

本博客主要内容为图书《神经网络与深度学习》和NationalTaiwanUniversity(NTU)林轩田老师的《MachineLearning》的学习笔记，因此在全文中对它们多次引用。
独孤呆博·2017-08-14 21:21

神经网络与深度学习 第二章 反向传播算法(两个假设、四个基本方程及其证明、代码及注释)

2.1热身：神经网络中使用矩阵快速计算输出的方法2.2关于代价函数的两个假设2.3Hadamard乘积s⊙t2.4反向传播的四个基本方程2.5四个基本方程的证明2.6反向传播算法2.7代码2.8在哪种层面上，反向传播是快速的算法？2.9反向传播：全局观2.7代码：defupdate_mini_batch(self,mini_batch,eta):"""基于反向传播的简单梯度下降算法更新网络的权重和
土豆拍死马铃薯·2017-08-13 21:04

五、改进神经网络的学习方法（1）：交叉熵代价函数

本博客主要内容为图书《神经网络与深度学习》和NationalTaiwanUniversity(NTU)林轩田老师的《MachineLearning》的学习笔记，因此在全文中对它们多次引用。
独孤呆博·2017-08-13 19:35

四、用简单神经网络识别手写数字（内含代码详解及订正）

本博客主要内容为图书《神经网络与深度学习》和NationalTaiwanUniversity(NTU)林轩田老师的《MachineLearning》的学习笔记，因此在全文中对它们多次引用。
独孤呆博·2017-08-12 15:37

一、神经网络 -- 从感知机讲起

本篇博客主要内容参考图书《神经网络与深度学习》，李航博士的《统计学习方法》NationalTaiwanUniversity(NTU)李宏毅老师的《MachineLearning》的课程，在下文中如果不正确的地方请积极指出
独孤呆博·2017-08-12 12:04

神经网络与深度学习 使用Python实现基于梯度下降算法的神经网络和自制仿MNIST数据集的手写数字分类可视化程序 web版本

github地址:https://github.com/tudoupaisimalingshu/Handwritten-numeral-recognition本文描述并实现了一个可视化的基于Python平台和梯度下降算法的神经网络的手写数字识别程序。采用web服务，用户在前台页面的手写板中输入手写数字，并可以输入神经网络进行学习，同时还能进行预测。较好的解决了MNIST数据库以及传统手写数字识别程
土豆拍死马铃薯·2017-08-07 22:41

神经网络与深度学习笔记（三）python 实现反向传播算法

1、BP方程式2、计算步骤3、代码defbackprop(self,x,y):"""Returnatuple"(nabla_b,nabla_w)"representingthegradientforthecostfunctionC_x."nabla_b"and"nabla_w"arelayer-by-layerlistsofnumpyarrays,similarto"self.biases"and
dsjdjsa·2017-08-05 10:03

神经网络与深度学习笔记（二）python 实现随机梯度下降

#随机梯度下降函数#training_data是一个(x,y)元组的列表，表示训练输入和其对应的期#望输出。#变量epochs迭代期数量#变量mini_batch_size采样时的小批量数据的大小。#eta是学习速率，η#如果给出了可选参数test_data，那么程序会在每个训练器后评估网络，并#打印出部分进展defSGD(self,training_data,epochs,mini_batch_
dsjdjsa·2017-08-03 15:08

神经网络与深度学习 1.6 使用Python实现基于梯度下降算法的神经网络和MNIST数据集的手写数字分类程序

"""一个实现了随机梯度下降学习算法的前馈神经网络模块。梯度的计算使用到了反向传播。由于我专注于使代码简介、易读且易于修改，所以它不是最优化的，省略了许多令人满意的特性。"""####Libraries#标准库importrandom#第三方库importnumpyasnpclassNetwork(object):def__init__(self,sizes):"""在这段代码中，列表sizes包
土豆拍死马铃薯·2017-08-02 21:45

神经网络与深度学习基础笔记

前进的道路上，我们将扩展出很多关于神经网络的关键的思想，其中包括两个重要的人工神经元(感知机和S型神经元)，以及标准的神经网络学习算法，即随机梯度下降算法。自始至终，我专注于解释事情的原委，并构筑你对神经网络的直观感受。感知机感知机在20世纪五、六十年代由科学家FrankRosenblatt发明，其受到WarrenMcCulloch和WalterPitts早期著作的影响。今天，使用其它人工神经元模
郭少悲·2017-07-21 11:42

【神经网络与深度学习】读书笔记

花了差不多两个星期读完，是一本非常好的书，除去专业知识外还增加了许多的额外知识，包括使用神经网络的原因以及卷积网络的由来，甚至加入了大量的生物方面的知识，使得整本书阅读起来都非常有趣。由于对算法原理讲解的也十分透彻，使得这本书也十分适合初学者使用。结合应用以及实际方法使得整体算法理解起来也非常的容易。通过阅读这本书，我对卷积网络的认识以及一些常用的算法都有了比较好的认识。唯一有一点小问题的就是对H
Beryl已存在·2017-06-28 13:29

【深度学习笔记002 神经网络与主流框架】

这篇文章带你来一起见识一下神经网络与深度学习的主流框架。1从生物神经网络模型衍生出人工神经网络模型？2BP神经网络？3卷积神经网络？4深度学习的主流框架有哪些？各有什
DaveBobo·2017-06-25 21:05

MachineLearning-DeepLearning-Neural Network

https://www.52ml.net/机器学习算法汇总：人工神经网络、深度学习及其它神经网络与深度学习http://neuralnetworksanddeeplearning.com/
a19576·2017-06-15 17:00

神经网络与深度学习的阅读笔记

原文链接(中文版)第一章和三四章的笔记，从最简单的神经元模型感知机讲起，感知机的激活函数是阶跃函数，不能很好地反应代价函数下降的变化量，由此引入sigmoid激活函数，介绍了BP网络的梯度下降法，使代价函数始终朝自变量负梯度方向下降，采用随机梯度下降提升学习效率，最后从代价函数、正则化、权值初始化、超参数选择等方面入手优化学习模型，加快学习速度。随机梯度下降每次迭代都进行随机梯度下降，（随机选择训
迅速傅里叶变换·2017-05-21 16:03

神经网络与深度学习(三)CPP神经网络库

经过一段时间的沉淀，楼主终于写出了一份自己比较满意的代码(其实还有很多瑕疵挑战着楼主的强迫症)这份实现并非只是一个网络，而更像是神经网络库大家可以使用它对每一层的封装建立自己的神经网络代码链接:https://github.com/Wchenguang/ShadowNet简单的介绍：1.总体上的架构是，将全连接层，输出层进行封装，同时引入了connector的数据结构，用于连接两层，使用了模板的专
Mr_W1997·2017-05-16 22:25

遥感专业学习神经网络与深度学习过程中的想法

由于兴趣和好奇心的驱使，我打算学一学神经网络和深度学习，以前一听到计算机技术总会听到这些高大上的词语：人工智能，深度学习，VR之类的词语，每次听到都是不明觉厉的样子，最近刚好有点时间，加上趁考研学的数学（需要一定的数学基础）还没忘光，来学一学神经网络和深度学习。一开始我分不清神经网络和深度学习的关系，以为是两个独立的技术，加上机器学习，人工智能一大堆词语，让人摸不着头脑，仔细一看书其实并没有那么复
LuoJun001·2017-05-09 14:54

Dropout解决过拟合问题

Dropout解决过拟合问题晓雷6个月前这篇也属于《神经网络与深度学习总结系列》，最近看论文对Dropout这个知识点有点疑惑，就先总结以下。
hk121·2017-05-02 15:55

Dropout解决过拟合问题

Dropout解决过拟合问题晓雷6个月前这篇也属于《神经网络与深度学习总结系列》，最近看论文对Dropout这个知识点有点疑惑，就先总结以下。
hk121·2017-05-02 15:00

【神经网络与深度学习】【计算机视觉】YOLO2

YOLO2转自：https://zhuanlan.zhihu.com/p/25167153?refer=xiaoleimlnote本文是对YOLO9000:Better,Faster,Stronger（项目主页）的翻译。加了个人理解和配图。内容参考了YOLOv2论文笔记-Jesse_Mx。水平有限，错误之处欢迎指正。1.概述YOLO2主要有两个大方面的改进：使用一系列的方法对YOLO进行了改进，在
Zhang_P_Y·2017-04-16 20:20

【神经网络与深度学习】【计算机视觉】SSD

SSD转自：https://zhuanlan.zhihu.com/p/24954433?refer=xiaoleimlnote参考：SSD:SingleShotMultiBoxDetectordeepsystems.io背景介绍：基于“Proposal+Classification”的ObjectDetection的方法，R-CNN系列（R-CNN、SPPnet、FastR-CNN以及Faster
Zhang_P_Y·2017-04-16 20:08

【神经网络与深度学习】【计算机视觉】Faster R-CNN

FasterR-CNNFast-RCNN基本实现端对端（除了proposal阶段外），下一步自然就是要把proposal阶段也用CNN实现（放到GPU上）。这就出现了Faster-RCNN，一个完全end-to-end的CNN对象检测模型。论文提出：网络中的各个卷积层特征（featuremap）也可以用来预测类别相关的regionproposal（不需要事先执行诸如selectivesearch之
Zhang_P_Y·2017-04-16 20:54
上一页 10 11 12 13 14 15 16 17 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他