神经网络与机器学习

深度前馈神经网络--Apple的学习笔记

神经网络与机器学习的线性回归的主要区别在于基本都是处理非凸优化问题，所以会用神经网络。一般都使用交叉熵求loss，原因是处理接近饱和的梯度比较费时间。
applecai·2023-10-16 02:51

【AI】深度学习——前馈神经网络——全连接前馈神经网络

文章目录1.1全连接前馈神经网络1.1.1符号说明超参数参数活性值1.1.2信息传播公式通用近似定理1.1.3神经网络与机器学习结合二分类问题多分类问题1.1.4参数学习矩阵求导链式法则更为高效的参数学习反向传播算法目标计算
AmosTian·2023-10-10 10:37

机器学习之对神经网络的基本原理的了解

文章目录神经网络与机器学习神经网络的结点神经网络与机器学习神经网络代替模型和用学习规则代替机器学习神经网络代替模型：神经网络是一种受到生物神经系统启发的计算模型，它由多个神经元层组成，这些神经元层之间有连接权重
JNU freshman·2023-09-25 06:47

神经网络与机器学习

《神经网络与深度学习》第一章绪论1.1人工智能知识结构预备知识顶会论文常用的深度学习框架研究领域1.2如何开发AIS芒果机器学习1.3表示学习局部表示和分布式表示1.4深度学习（DeepLearning)1.5人脑神经网络人工神经网络神经网络发展史第一章绪论1.1人工智能人工智能的一个子领域神经网络：一种以（人工）神经元为基本单元的模型深度学习：一种机器学习问题，主要解决贡献度分配问题知识结构知识
Curry_Math·2023-06-11 14:46

《神经网络与机器学习》笔记（七）

第九章无监督学习典型的无监督学习问题可以分为以下几类：无监督特征学习是从无标签的训练数据中挖掘有效的特征或表示。无监督特征学习一般用来进行降维、数据可视化或监督学习前期的数据预处理。特征学习也包含很多的监督学习算法，比如线性判别分析等。概率密度估计简称密度估计，是根据一组训练样本来估计样本空间的概率密度。密度估计可以分为参数密度估计和非参数密度估计。参数密度估计是假设数据服从某个已知概率密度函数形
糖醋排骨盐酥鸡·2023-03-31 07:58

《神经网络与机器学习》笔记（四）

第六章循环神经网络循环神经网络（RecurrentNeuralNetwork，RNN）是一类具有短期记忆能力的神经网络。循环神经网络的参数学习可以通过随时间反向传播算法来学习。随时间反向传播算法即按照时间的逆序将错误信息一步步地往前传递。当输入序列比较长时，会存在梯度爆炸和消失问题，也称为长程依赖问题。为了解决这个问题，人们对循环神经网络进行了很多的改进，其中最有效的改进方式引入门控机制。循环神经
糖醋排骨盐酥鸡·2023-03-29 09:22

神经网络与机器学习，tensorflow，part5(简单卷积网络实现mnist手写数字识别__准确率达0.99

#载入MNIST数据集，创建默认的InteractiveSession。fromtensorflow.examples.tutorials.mnistimportinput_dataimporttensorflowastfmnist=input_data.read_data_sets("MNIST_data/",one_hot=True)sess=tf.InteractiveSession()#定
miaozasnone·2023-03-23 16:19

《神经网络与机器学习》笔记（一）

《神经网络与深度学习》笔记本书组织架构入门篇第一章绪论特征表示方法局部特征含义：也称为离散表示或符号表示，通常是用one-hot向量的形式优点：这种离散的表示方式具有很好的解释性因为向量稀疏，所以用于线性模型时计算效率非常高缺点：one-hot向量维数太高，不能扩展（因为维数是由词表大小决定的）不同向量之间的相似度为0，无法进行相似度计算分布式表示含义：也称为*分散式表示，如NLP中的词嵌入，是用
糖醋排骨盐酥鸡·2023-03-21 18:01

书单

书名C++PrimerPlusC++PrimerPlusC++PrimerPlusC++Primer第五版编译原理计算机组成与设计：硬件/软件接口TCP/IP详解卷1神经网络与机器学习深入理解计算机系统
isolate_watcher·2023-03-09 12:06

《神经网络与机器学习》笔记（五）

第七章网络优化与正则化虽然神经网络具有非常强的表达能力，但是当应用神经网络模型到机器学习时依然存在一些难点问题。主要分为两大类：（1）优化问题：神经网络模型是一个非凸函数，再加上在深度网络中的梯度消失问题，很难进行优化；另外，深度神经网络模型一般参数比较多，训练数据也比较大，会导致训练的效率比较低。（2）泛化问题：因为神经网络的拟合能力强，反而容易在训练集上产生过拟合。因此在训练深度神经网络时，同
糖醋排骨盐酥鸡·2023-01-29 07:30

《神经网络与机器学习》笔记（三）

第五章卷积神经网络卷积神经网络（ConvolutionalNeuralNetwork，CNN或ConvNet）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。卷积神经网络最早是主要用来处理图像信息。在用全连接前馈网络来处理图像时，会存在两个问题：(1)参数太多；(2)全连接前馈网络无法直接提取（可通过数据增强实现）图片的局部不变性特征。目前的卷积神经网络一般是由卷积层、汇聚层和全连接层交叉堆
糖醋排骨盐酥鸡·2023-01-29 01:17

神经网络与机器学习，tensorflow，part2（python实现感知机）

以下是python利用numpy库和matplotlib库进行感知机的实现以及可视化其中有两个输入，共七组数据importnumpyasnpimportmatplotlib.pyplotaspltimporttimep_x=np.array([[5,5],[4,5],[5,4],[4,4],[2,3],[0.25,0.25],[1,1]])y=np.array([1,1,1,1,-1,-1,-1]
miaozasnone·2023-01-26 07:58

《神经网络与机器学习》学习日记 1

《神经网络与机器学习》学习日记1第一章绪论1.MachineLearning(机器学习ML)1.1MLmodel2.表示学习2.1定义2.2目的2.3关键2.4两个核心问题2.5好的表示2.6特征表示的两种方式
杜杜整日都在撕大帝·2023-01-09 11:23

神经网络与机器学习 笔记—单神经元解决XOR问题

单神经元解决XOR问题有两个输入的单个神经元的使用得到的决策边界是输入空间的一条直线。在这条直线的一边的所有的点，神经元输出1；而在这条直线的另一边的点，神经元输出0。在输入空间中，这条直线的位置和方向有两个输入节点相连的神经元的突触权值和它的偏置决定。由于输入模式（0,0）和（1,1）是位于单位正方形相对的两个角，输入模式（0,1）和（1,0）也一样，很明显不能做出这样一条直线作为决策边界可以使
TK13·2023-01-08 19:27

神经网络与机器学习 笔记—反向传播算法(BP)

先看下面信号流图，L=2和M0=M1=M2=M3=3的情况，上面是前向通过，下面部分是反向通过。1.初始化。假设没有先验知识可用，可以以一个一致分布来随机的挑选突触权值和阈值，这个分布选择为均值等于0的均匀分布，它的方差选择应该使得神经元的诱导局部域的标准偏差位于sigmoid激活函数的线行部分与饱和部分过渡处。(1)训练样本的呈现。呈现训练样本的一个回合给网络。对训练集中以某种形式排序的每个样本
TK13·2022-12-30 16:52

神经网络与机器学习 - 第0章 导言

文章目录0.1什么是神经网络神经网络的优点0.2人类大脑0.3神经元模型激活函数的类型神经元的统计模型0.4被看作有向图的神经网络0.5反馈0.6网络结构单层前馈网络多层前馈网络递归网络0.7知识表示知识表示的规则怎样在神经网络设计中加入先验信息如何在网络设计中建立不变性一些最终评论0.8学习过程有教师学习（监督学习）无教师学习强化学习无监督学习0.9学习任务模式联想模式识别函数逼近控制波束形成0
博_采_众_长·2022-12-28 16:32

西瓜书第五章神经网络笔记

一个经典问题是神经网络与机器学习的区别在于什么？
LeaveElan·2022-12-08 08:00

笔记：神经网络与深度学习—绪论

笔记：神经网络与深度学习绪论绪论一、关于本课程1.知识结构2.推荐教材3.推荐课程二、常用的深度学习框架绪论最近开始学习机器学习，从B站找到了一篇网课：复旦大学——邱锡鹏的《神经网络与机器学习》，因此写了几篇课程笔记
zhenpigmilk·2022-11-27 17:07

神经网络与机器学习 pdf 全文内容详细分享

神经网络与机器学习https://pan.baidu.com/s/1qs9wAX-lYBwwE_bO4nhiNg?pwd=5py4神经网络是计算智能和机器学习的重要分支，在诸多领域都取得了很大的成功。
MAIN198·2022-11-25 20:37

神经网络学习（一）-- 框架建立

资料来源是SimonHaykin著《神经网络与机器学习》（第三版）和《神经网络与深度学习》（邱锡鹏著）
尾生爱柱子·2022-11-23 07:03

神经网络与深度学习（二） pytorch入门——张量

本文章参考飞桨AIStudio——人工智能学习实训社区神经网络与机器学习：案例与实践教程进行学习目录一、概念：张量算子二.
红肚兜·2022-09-12 07:21

正则化最小二乘法——神经网络与机器学习笔记2

参考AndrewNg公开课的推导一些公式trA=∑ni=1AiitrAB=trBAtrABC=trCBA=trBCAtrA=trATifa∈R,tra=a∇AtrAB=BT∇AtrABATC=CAB+CTABT∇θJ=⎡⎣⎢⎢⎢⎢⎢⎢⎢∂J∂θ0∂J∂θ1⋮∂J∂θn⎤⎦⎥⎥⎥⎥⎥⎥⎥∇Af(A)=⎡⎣⎢⎢⎢⎢∂f∂A11⋮∂A∂An1⋯⋱⋯∂A∂A1n⋮∂A∂Ann⎤⎦⎥⎥⎥⎥正则化最小二乘法推
Reader2号·2022-04-13 07:36

神经网络与机器学习中双半月环数据集python实现

文章目录两个半月环的数据集为什么要写这个？数据集的构成两个半月环的数据集为什么要写这个？还能问什么啊？？？肯定是老师要求的啊啊啊啊啊啊。但是从本质上来说，还是学习，学习都是自己的，应该是自发的、自主的，通过自己一步一步的做了，去学习了才能真正收获到东西，学习目的.学习的目的是掌握知识,为自己的将来打好基础,作好铺垫。.学习仅仅是一个提高自己过程。.正如人们常说的"学以致用"，学习就是为了将来的发展
蜗牛的笨笨·2021-11-28 17:15

Michael Nielsen的神经网络与深度学习入门教程

MichaelNielsen的神经网络与深度学习入门教程作者：MichaelNielsen这是我个人以为目前最好的神经网络与机器学习入门资料。
笑横野·2020-09-13 18:19

神经网络与机器学习 笔记—Rosenblatt感知机

Rosenblatt感知机器感知器在神经网络发展的历史上占据着特殊位置：它是第一个从算法上完整描述的神经网络。它的发明者Rosenblatt是一位心里学家，在20世纪60年代和70年代，感知器的启发，工程师、物理学家以及数学家们纷纷投身于神经网络各个不同方面的研究。值得一提的是，尽管在58年Rosenblatt关于感知器的论文就发表了，感知器在今天依然是有效的。Rosenblatt感知器建立在一个
TK13·2020-09-12 03:02

记一下机器学习笔记 支持向量机

这里是《神经网络与机器学习》以及一些《统计学习方法》的笔记。
Sibada_scut·2020-09-12 01:59

记一下机器学习笔记 多层感知机的反向传播算法

《神经网络与机器学习》第4章前半段笔记以及其他地方看到的东西的混杂…第2、3章的内容比较古老预算先跳过。不得不说幸亏反向传播的部分是《神机》里边人话比较多的部分，看的时候没有消化不良。
Sibada_scut·2020-09-12 01:58

记一下机器学习笔记 Rosenblatt感知机

一入ML深似海啊…这里主要是《神经网络与机器学习》（NeuralNetworksandLearningMachines，以下简称《神机》）的笔记，以及一些周志华的《机器学习》的内容，可能夹杂有自己的吐槽
Sibada_scut·2020-09-12 01:58

记一下机器学习笔记 最小均方（LMS）算法

这里是《神经网络与机器学习》第三章的笔记…最小均方算法，即Least-Mean-Square，LMS。其提出受到感知机的启发，用的跟感知机一样的线性组合器。
Sibada_scut·2020-09-12 01:15

神经网络与机器学习 第一讲(1)——为什么需要机器学习

一、什么是机器学习？1.有些问题很难用写程序去解决，比如对象识别：1)我们不知道人脑是怎么识别对象的，也就没法写程序2)即使我们有很好的想法，还是发现很难写2.很难计算一个信用卡交易行为是不是异常的：1)找不到简单的规则，可能需要结合巨大数量的规则2)作弊的手段是随时间变化的，我们的程序需要不断更新二、机器学习方法1.收集输入输出对2.机器学习算法能够利用这些输入输出对，完成任务1)需要很多样例2
weixin_30642869·2020-08-16 09:24

【Deep Learning】1.深度学习：稀疏自编码器

，本人才学习机器学习不到一个月的时间，是在cousera上AndrewNg的机器学习的课，花了一个多星期的时间把那门课学完了，感觉算是入门了，但是这肯定不够（因为自己去翻了翻SimonHaykin的《神经网络与机器学习
LiemZuvon·2020-08-12 14:19

机器学习中的自注意力（Self Attention）机制详解

机器学习中的自注意力（SelfAttention）机制详解2020/6/18更新：之前写的有点误人子弟，只看了几个代码就把特殊当一般了，还是推荐阅读复旦大学邱锡鹏老师的《神经网络与机器学习》一书中关于注意力机制的解释
I am zzxn·2020-07-11 19:13

查漏补缺，一文看尽AI科技大本营7月热文

手把手教你用R语言打造文本分类器资源|多伦多大学“神经网络与机器学习导
AI科技大本营·2020-07-01 09:12

“神经网络与机器学习”学习札记1：数理基础

最近我在通过阅读学习刘凡平等编著的《神经网络与深度学习应用实战》，有一些概念比较陌生或私以为比较重要，就摘录到此，供大家学习用。严正声明：所有内容除特殊声明均摘自参考文献。我也已经通过邮件询问了刘凡平先生的意见，他表示只要注明出处即可。图1邮件咨询刘凡平先生图2刘凡平先生给予的答复有一些比较简单的概念，譬如：向量、矩阵、导数等就不一一罗列了，我只选择一些个人觉得比较陌生的内容摘录到此。克罗内克积：
u25th_engineer·2020-06-27 10:08

神经网络与机器学习--手写数字识别

原书网址：http://neuralnetworksanddeeplearning.com/index.html我们将通过解决一个具体问题来学习神经网络和深度学习背后的核心原理:教计算机识别手写数字的问题。源码下载：https://github.com/mnielsen/neural-networks-and-deep-learning第1章使用神经网络识别手写数字http://neuralnet
treeistree·2020-05-07 22:12

基于python的神经网络与机器学习

姓名：张博奇学号：2014301020063班级：物基一班摘要：本文利用BP算法思想构建二层神经网络和更复杂的三层神经网络，训练神经网络根据输入数据集预测输出数据，对神经网络的结构有了初步的认识，阐述了权重矩阵（网络参数）在神经网络中的核心作用。并在此基础上用三层神经网络训练机器学习分类器，进而预测正确的分类，并讨论隐藏层维度对分类结果的大致影响。关键词：神经网络、预测、机器学习、权重矩阵引言机器
如果有围不住的城·2020-04-09 10:33

AI大牛压箱底的14本2018年进阶书（附PDF链接）

目前主要研究方向为大数据与人工智能，研究内容包括以物联网为基础的大数据应用及神经网络与机器学习。除技术
Android小弟·2020-02-05 13:14

The Best Machine Learning Libraries in Python 最好的Python机器学习库

TheBestMachineLearningLibrariesinPythonByScottRobinson•November10,2015我只是大自然的翻译工原文地址引言毫无疑问，在过去的几年里，神经网络与机器学习是科技圈最热门的话题之一
NanLi·2019-12-30 01:19

神经网络与机器学习第3版学习笔记-第1章 Rosenblatt感知器

神经网络与机器学习第3版学习笔记-初学者的笔记，记录花时间思考的各种疑惑第一章Rosenblatt感知器１、第32页1.1为什么如果第n次迭代时的内积存在符号错误，第n+1次迭代内积的符号就会正确？
寙行·2019-10-21 23:00

神经网络与机器学习第3版学习笔记-第1章 Rosenblatt感知器

神经网络与机器学习第3版学习笔记-初学者的笔记，记录花时间思考的各种疑惑第一章Rosenblatt感知器１、第32页1.1为什么如果第n次迭代时的内积存在符号错误，第n+1次迭代内积的符号就会正确？
寙行·2019-10-21 23:00

神经网络与机器学习第3版学习笔记-第0章 导言

神经网络与机器学习第3版学习笔记-初学者的笔记，记录花时间思考的各种疑惑第0章导言1、第9页1.1logistic函数在原点的倾斜率等于a/4？
寙行·2019-10-20 17:00

神经网络与机器学习，tensorflow，part3（实现mnist手写数字识别）

importtensorflowastffromtensorflow.examples.tutorials.mnistimportinput_data#下载MNIST数据集到'MNIST_data'文件夹并解压mnist=input_data.read_data_sets('MNIST_data',one_hot=True)#设置权重weights和偏置biases作为优化变量，初始值设为0wei
miaozasnone·2019-07-13 21:45

16个在线机器学习视频与教程

1.课程：《机器学习的数学背景》2.课程：《神经网络与机器学习简介》讲师：GeoffreyE.Hinton3.课程：《机器学习（MachineLearning）》讲师：RuslanSalakhutdinov4
ctrigger·2019-06-19 07:10

吴恩达 coursera AI 第一课总结+作业答案

总计五门专项课程神经网络与机器学习提升神经网络性能结构化机器学习项目卷积神经网络自然语言处理：序列模型神经网络初探房价预测房价预测的神经网络模型神经网络化刚刚新建的
Big_quant·2019-06-16 08:23

神经网络与机器学习 笔记—多层感知器（MLP）

多层感知器（MLP）Rosenblatt感知器和LMS算法，都是单层的并且是单个神经元构造的神经网络，他们的局限性是只能解决线性可分问题，例如Rosenblatt感知器一直没办法处理简单异或问题。然而日常生活中大多数问题不是线性可分的，都是多维度且无法直接进行线性分类。为了增加神经网络对这一类问题的泛化能力，出现了多层感知器（多层神经网络）的概念。多层感知器基本特征：网络中每个神经元模型包含一个可
TK13·2019-06-06 00:31

神经网络与机器学习 笔记—Rosenblatt感知器收敛算法C++实现

Rosenblatt感知器收敛算法C++实现算法概述自己用C++实现了下，测试的例子和模式用的都是双月分类模型，关于双月分类相关看之前的那个笔记：https://blog.csdn.net/u013761036/article/details/90548819直接上实现代码：#pragmaonce#include"stdafx.h"#include#includeusingnamespacestd
TK13·2019-05-25 21:32

神经网络（一）：Perceptron

——《神经网络与机器学习》[加]SimonHaykin  神经网络中最基本的成分
Mortal71·2019-03-29 11:05

普通码农如何正确学习机器学习的知识？

这背后所利用的技术就是人工智能中很重要的神经网络与机器学习，神经网络模拟电信号在人脑神经元之间的传递过程，对输入数据进行处理。
l7H9JA4·2018-12-11 09:00

神经网络与机器学习（第3版）阅读笔记{第2章}

前言（）：{上一章中提到了Bayes的相关知识，但我感觉我理解的还是太浅薄了。不过本章到是又涉及到了Bayes，我也可以加深一下理解。还有，之前我没有记录关于公式推导的思考，本次我会尽量多写点关于公式推导的内容。}正文（）：{本章有以下几部分内容：线性回归模型；最大后验估计；最小二乘法；最小描述长度原则；和固定样本大小考虑。线性回归模型（）：{一种理解（或处理）统计数据的方式，其把统计数据中一部分
爱吃苹果的魚·2018-10-24 22:06

利用TensorFlow训练简单的二分类神经网络模型的方法

利用TensorFlow实现《神经网络与机器学习》一书中4.7模式分类练习具体问题是将如下图所示双月牙数据集分类。
Mars_Alonere·2018-03-05 09:33
上一页 1 2 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他