神经网络和深度学习

神经网络和深度学习（一）

引言此系列博客记录网易云课堂-深度学习工程师课程的学习学习模式：看视频->OneNote笔记->思维导图->做课后作业开发环境：anaconda-（python3.7windows版本）+jupyternotebook环境配置建议1、由于anaconda是python的一个开源针对科学计算的版本，故只需装anaconda即可。2、推荐使用jupyternotebook，它是一个整合python编译
我才是阿鑫·2019-03-18 15:54

卷积神经网络模型分类

卷积神经网络（CNN）将人工神经网络和深度学习技术相结合而产生的一种新型人工神经网络方法，具有局部感受区域、层次结构化、特征提取和分类过程结合的全局训练的特点，所以对于图像的局部有着相对于准确的识别能力
asuro007·2019-03-12 16:45

感知器

因此，学习感知机的构造也就是学习通向神经网络和深度学习的一种重要思想。在数学上描述为，感知器是使用特征
AngelovLee·2019-02-14 00:03

第一门课 神经网络和深度学习(浅层神经网络3)

第三周：浅层神经网络(Shallowneuralnetworks)3.1神经网络概述（NeuralNetworkOverview）3.2神经网络的表示（NeuralNetworkRepresentation）3.3计算一个神经网络的输出（ComputingaNeuralNetwork'soutput）3.4多样本向量化（Vectorizingacrossmultipleexamples）3.5向量
未见鹿·2019-02-13 23:19

阶段1—神经网络和深度学习

经过一周的学习，我基本掌握了深层神经网络的搭建方法，以下是我的一点总结：一、深度学习分以下6个基本步骤：1.初始化参数W和b（参数的初始值必须随机；权重值W需要根据训练集数据大小去调整）2.向前传播（除了最后一层用sigmod函数，前面都是用relu或其他更好的函数）3.计算损失（这里就是套公式）4.向后传播（从最后一层开始，一层一层向前面求导，得到每层的dW和db）5.向后传播（根据每层的dW和
MC_Dream·2019-02-04 10:21

第三章：优化神经网络的学习 tensorflow

p=90原文地址《神经网络和深度学习》第三章：优化神经网络的学习当一个高尔夫选手第一次学习怎么玩高尔夫，他们通常把大量时间花在基本的挥杆。
最后的轻羽·2019-01-26 12:29

算法工程师修仙之路：吴恩达深度学习（四）

神经网络和深度学习神经网络基础logistic回归对于二元分类问题来讲，给定一个输入特征向量XXX，它可能对应一张图片，你想识别这张图片看它是否是一只猫或者不是一只猫，你想要一个算法能够输出预测，你只能称之为
fangzhan1109·2019-01-23 12:08

算法工程师修仙之路：吴恩达深度学习（三）

神经网络和深度学习神经网络基础二分分类在神经网络的计算中，通常先有一个叫做前向传播的步骤，接着有一个叫做反向传播的步骤。逻辑回归是一个用于二分类(binaryclassification)的算法。
fangzhan1109·2019-01-21 21:25

吴恩达作业：神经网络和深度学习 - 第二周作业- 具有神经网络思维的Logistic回归

神经网络和深度学习-第二周作业-具有神经网络思维的Logistic回归目录一、要解决的问题二、加载数据集2.1、加载的图像数据集具体情况2.2、图像数据集的维度变换三、构建神经网络3.1、构建sigmoid
炊烟袅袅岁月情·2019-01-17 22:20

【CS231n笔记】--- 区分图像的分类方法

课程讲解点神经网络、卷积神经网络和深度学习Neuralnetworks,convolutionalneuralnetworksanddeeplearning影响图片分辨的因素：所有的像素随着观测角度而改变光照强度改变像素物体的变形
PandaDreamer·2019-01-15 20:52

人工智能、机器学习、神经网络和深度学习的关系

最近很长的一段时间，人工智能的热度都维持在一定的高度。但是大家在关注或研究人工智能领域的时候，总是会遇到这样的几个关键词：深度学习、机器学习、神经网络。那他们之间到底是什么样的关系呢？先说人工智能，人工智能是在1956年一个叫达特茅斯会议上提出的。更准确的说是1956年学者们在会议上将他们确定为人工智能，其实关于其具体的一些研究，早就已经开始了。所以人工智能已经是有60多年历史的一个领域。为什么最
dodott·2019-01-03 16:03

45分钟理解深度神经网络和深度学习-刘利刚

-45分钟理解深度神经网络和深度学习刘利刚中国科学技术大学图形与几何计算实验室http://staff.ustc.edu.cn/~lgliu【绪言】近年来，人工智能（ArtificialIntelligence
Researcher-Du·2019-01-01 15:37

Coursera-吴恩达-深度学习-神经网络和深度学习-week4-测验

本文章内容：Coursera吴恩达深度学习课程，第一课神经网络和深度学习NeuralNetworksandDeepLearning，第四周：深层神经网络(DeepNeuralNetworks)部分的测验
帅金毛·2018-12-30 22:52

1-3 浅层神经网络

吴恩达《神经网络和深度学习》课程笔记1.一些符号说明圆括号上标，例如x(i)表示第i个训练样本；方括号上标，例如z[n]表示第n层网络。
温素年·2018-12-09 10:31

Andrew Ng深度学习课程笔记阅读记录(1)：神经网络和深度学习

深度学习要想获得较好的性能体现，有两个条件：一是要训练一个足够大的神经网络以发挥数据量巨大的特点，二是需要很多的数据。小数据规模的训练集上，性能效果取决于特征工程的能力。2.损失函数是在单个训练样本上定义的，衡量的是算法在单个训练样本中表现如何；为了衡量算法在全部训练样本上表现如何，需要定义的是代价函数，代价函数是对m个样本的损失函数求和再除以m3.计算图：正向可以方便的计算代价函数J，反向可以方
yumiii_·2018-12-04 20:08

吴恩达深度学习 | (6) 神经网络与深度学习专项课程第四周学习笔记

课程视频课程PPT吴恩达深度学习专项课程共分为五个部分，本篇博客将介绍第一部分神经网络和深度学习专项的第四周课程：深层神经网络，深层指的是多隐藏层神经网络。
CoreJT·2018-12-04 17:21

AI英雄 | 对话AI大师Bengio：AI不应变成军备竞赛

出品| 网易智能（公众号smartman163）期号| AI英雄-第111期选自|LaptopsMagazine译者| 李擎人工神经网络和深度学习领域的大牛、加拿大计算机科学家YoshuaBengio日前在
网易智能·2018-11-26 00:00

《Scikit-Learn与TensorFlow机器学习实用指南》 第16章 强化学习（下）

第01章机器学习概览第02章一个完整的机器学习项目（上）第02章一个完整的机器学习项目（下）第03章分类第04章训练模型第05章支持向量机第06章决策树第07章集成学习和随机森林第08章降维（第二部分神经网络和深度学习
SeanCheney·2018-11-25 21:03

《Scikit-Learn与TensorFlow机器学习实用指南》 第16章 强化学习（上）

第01章机器学习概览第02章一个完整的机器学习项目（上）第02章一个完整的机器学习项目（下）第03章分类第04章训练模型第05章支持向量机第06章决策树第07章集成学习和随机森林第08章降维（第二部分神经网络和深度学习
SeanCheney·2018-11-25 21:37

吴恩达深度学习笔记（9）-导数的简单推导介绍

为了高效应用神经网络和深度学习，你并不需要非常深入理解微积分（这个哦，并不需要深入了解）。因此如果你观看这个视频或者以后的视频时心想：“哇哦，这些知识、这些运算对我来说很复杂。”
极客Array·2018-11-23 23:03

《Scikit-Learn与TensorFlow机器学习实用指南》 第15章 自编码器

第01章机器学习概览第02章一个完整的机器学习项目（上）第02章一个完整的机器学习项目（下）第03章分类第04章训练模型第05章支持向量机第06章决策树第07章集成学习和随机森林第08章降维（第二部分神经网络和深度学习
SeanCheney·2018-11-22 12:47

《Scikit-Learn与TensorFlow机器学习实用指南》 第14章 循环神经网络

第01章机器学习概览第02章一个完整的机器学习项目（上）第02章一个完整的机器学习项目（下）第03章分类第04章训练模型第05章支持向量机第06章决策树第07章集成学习和随机森林第08章降维（第二部分神经网络和深度学习
SeanCheney·2018-11-21 19:25

《Scikit-Learn与TensorFlow机器学习实用指南》 第13章 卷积神经网络

第01章机器学习概览第02章一个完整的机器学习项目（上）第02章一个完整的机器学习项目（下）第03章分类第04章训练模型第05章支持向量机第06章决策树第07章集成学习和随机森林第08章降维（第二部分神经网络和深度学习
SeanCheney·2018-11-13 18:57

神经网络和深度学习基本原理

神经网络和深度学习神经网络：一种可以通过观测数据使计算机学习的仿生语言范例深度学习：一组强大的神经网络学习技术神经网络和深度学习目前提供了针对图像识别，语音识别和自然语言处理领域诸多问题的最佳解决方案。
iamsongyu·2018-11-12 16:19

《Scikit-Learn与TensorFlow机器学习实用指南》 第11章 训练深度神经网络（上）

第01章机器学习概览第02章一个完整的机器学习项目（上）第02章一个完整的机器学习项目（下）第03章分类第04章训练模型第05章支持向量机第06章决策树第07章集成学习和随机森林第08章降维（第二部分神经网络和深度学习
SeanCheney·2018-11-09 17:09

《Scikit-Learn与TensorFlow机器学习实用指南》 第11章 训练深度神经网络（下）

第01章机器学习概览第02章一个完整的机器学习项目（上）第02章一个完整的机器学习项目（下）第03章分类第04章训练模型第05章支持向量机第06章决策树第07章集成学习和随机森林第08章降维（第二部分神经网络和深度学习
SeanCheney·2018-11-09 17:11

【连载】深度学习笔记3：手动搭建深度神经网络（DNN）

但以上仅是神经网络和深度学习的基础内容，深度学习的一大特征就在于隐藏层之深。因而，我们就这前面的思路，继续利用numpy工具，手动搭建一个DNN深度神经网络。
linux那些事·2018-10-30 12:06

神经网络和深度学习-2.3计算图和逻辑回归的梯度下降

任何神经网络都有一个向前计算和向后计算的过程。简而言之，利用一般的编程角度其实就是计算的过程，精简到每一次加法减法。image.png罗辑回归的梯度下降首先回顾一下逻辑回归的基本公式image.pngm个样本的梯度下降image.png上图的计算公式标明只有两个feature，输入的每一个样本x经过一个线性式得到z，再进行一个sigmoid函数得到预测的yhat。下图是反向传播的过程image.p
cswb5511·2018-10-25 20:43

吴恩达神经网络和深度学习——第四周笔记

Week44-1深层神经网络这是我们之前学过的逻辑回归和单隐藏层神经网络，如今我们要接触更深的神经网络，比如下图的双隐藏层神经网络和五层的神经网络：首先，我们对深层神经网络进行一个符号约定：4-2深层网络中的前向传播首先这是一个深层的网络：深层网络的前向传播用符号表示其实就是两部分：其中小写的l代表的是第几层接着是向量化：4-3核对矩阵的维数当我们实现深度神经网络的时候，我们常用的一个检查代码是否
LLyj_·2018-10-24 17:30

Deep Learning.ai学习笔记_第一门课_神经网络和深度学习

目录前言第一周（深度学习引言）第二周（神经网络的编程基础）第三周（浅层神经网络）第四周（深层神经网络）前言目标：掌握神经网络的基本概念，学习如何建立神经网络（包含一个深度神经网络），以及如何在数据上面训练他们，最后将用一个深度神经网络进行辨认猫。（1）了解深度学习的概念（2）了解神经网络的结构，使用算法并高效地实现（3）结合神经网络的算法实现框架，编写实现一个隐藏层神经网络（4）建立一个深层的神经
舞动的心·2018-10-18 16:00

吴恩达神经网络和深度学习——第三周笔记

Week3目录Week33-1神经网络概述3-2神经网络的表示3-3计算神经网络的输出3-4多个栗例子中的向量化3.5向量化实现的解释3-6、3-7、3-8激活函数3-11随机初始化权重3-1神经网络概述这就是神经网络：3-2神经网络的表示这个神经网络是“双层神经网络”，只有两层，虽然有输入层、隐藏层、输出层，但从上标来看，输入层是为第0层，所以隐藏层才是第一层，输出层为第二层：3-3计算神经网络
LLyj_·2018-10-09 20:48

基于MTCNN多任务级联卷积神经网络进行的人脸识别 世纪晟人脸检测

神经网络和深度学习目前为处理图像识别的许多问题提供了最佳解决方案，而基于MTCNN（多任务级联卷积神经网络）的人脸检测算法也解决了传统算法对环境要求高、人脸要求高、检测耗时高的弊端。
Centrizen·2018-10-09 15:39

【吴恩达课后编程作业】01 - 神经网络和深度学习 - 第四周 - PA1&2 - 一步步搭建多层神经网络以及应用

【吴恩达课后编程作业】01-神经网络和深度学习-第四周-PA1&2-一步步搭建多层神经网络以及应用上一篇：【课程1-第四周测验】※※※※※【回到目录】※※※※※下一篇：【课程2-第一周测验】声明  本文参考
CharlesHy·2018-10-06 15:08

吴恩达神经网络和深度学习——第二周笔记

Week2目录Week22-1二分分类2.2logisticregression2.3logistic回归的成本函数2.4梯度下降2.5、2.6均是高等数学中求导数的方法2.7、2.8计算图及其导数计算2.9logistic回归的梯度下降法2-112-122-1二分分类计算机如何保存一张图片？计算机要保存一张图片，实质上是要保存三个矩阵，这三个矩阵分别对应RGB（red，green，blue）三个
LLyj_·2018-09-25 20:36

【资源】16个在线机器学习视频与教程

提前祝大家中秋节快乐一起走过的第3个中秋节继续努力本文汇总了16个公开的视频教程，内容包括决策树、朴素贝叶斯、逻辑回归、神经网络和深度学习、估计、贝叶斯学习、支持向量机和核方法、聚类、无监督学习、提升算法
机器学习算法与Python学习-公众号·2018-09-22 00:00

《Scikit-Learn与TensorFlow机器学习实用指南》 第09章 启动并运行TensorFlow

第01章机器学习概览第02章一个完整的机器学习项目（上）第02章一个完整的机器学习项目（下）第03章分类第04章训练模型第05章支持向量机第06章决策树第07章集成学习和随机森林第08章降维（第二部分神经网络和深度学习
SeanCheney·2018-09-20 13:33

DeepLearning.ai 学习资源汇总

在线课程资源学习笔记目录课后作业目录以下会更新博主个人学习中遇到的问题记录，供大家参考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
DZzz丶·2018-09-19 10:00

《Scikit-Learn与TensorFlow机器学习实用指南》 第08章 降维

第01章机器学习概览第02章一个完整的机器学习项目（上）第02章一个完整的机器学习项目（下）第03章分类第04章训练模型第05章支持向量机第06章决策树第07章集成学习和随机森林第08章降维（第二部分神经网络和深度学习
SeanCheney·2018-09-13 12:07

《Scikit-Learn与TensorFlow机器学习实用指南》 第05章 支持向量机

第01章机器学习概览第02章一个完整的机器学习项目（上）第02章一个完整的机器学习项目（下）第03章分类第04章训练模型第05章支持向量机第06章决策树第07章集成学习和随机森林第08章降维（第二部分神经网络和深度学习
SeanCheney·2018-09-10 14:10

《Scikit-Learn与TensorFlow机器学习实用指南》 第04章 训练模型

第01章机器学习概览第02章一个完整的机器学习项目（上）第02章一个完整的机器学习项目（下）第03章分类第04章训练模型第05章支持向量机第06章决策树第07章集成学习和随机森林第08章降维（第二部分神经网络和深度学习
SeanCheney·2018-09-07 17:45

无人驾驶汽车系统入门（二十三）——迁移学习和端到端无人驾驶

无人驾驶汽车系统入门（二十三）——迁移学习和端到端无人驾驶前面我们介绍了神经网络和深度学习的基础知识，在本文中我们将介绍迁移学习的概念，并将迁移学习应用于端到端无人驾驶模型。
AdamShan·2018-09-05 09:29

吴恩达视频学习课后作业(01.神经网络和深度学习--week2/assignment2_2)

最近从头开始学习深度学习，想借此记录学习过程用于日后复习或者回看，以下是个人见解，如有错误请见谅并指出，谢谢。目的Assignment2_2作业主要是引导新手从头开始建一个用逻辑回归分类器(classififier,LR)来识别图像中是否有猫。简单来说，逻辑回归是二值分类器，可以看作是仅含有一个神经元的单层神经网络。主要步骤读取数据集并做预处理初始化参数（权重w、偏置b、迭代次数、学习速率lear
Fanccccy·2018-08-28 22:57

01神经网络和深度学习-Python-Basics-With-Numpy-第二周编程作业1

#coding=utf-8importnumpyasnpimportmatplotlib.pyplotaspltimporth5pyimportscipyfromPILimportImagefromscipyimportndimagefromlr_utilsimportload_datasetdefsigmoid(x):#激活函数"""ComputethesigmoidofxArguments:x
kewlgrl·2018-08-22 17:04

人工智能和区块链的结合

目前，为了致力于实现这一目标需要：机器学习、人工神经网络和深度学习。同时，区块链本质上是一种新的数字信息归档系统，它在加密的分布式账本存储数据。
EAForest_·2018-08-06 13:48

【神经网络和深度学习-开发案例】第四章 神经网络如何对数字进行分类

【神经网络和深度学习】第四章神经网络如何对数字进行分类案例：使用神经网络识别手写数字好了，让我们来写一个程序，学习如何识别手写的数字，使用随机梯度下降和MNIST的训练数据。
睿客杨·2018-08-03 10:16

深度神经网络

神经网络和深度学习目前提供了针对图像识别，语音识别和自然语言处理领域诸多问题的最佳解决方案。传统的编程方法中，我们告诉计算机如何去做，将大问题划分为许多小问题，精确地定义了计算机很容易执行的任务。
光行天下·2018-08-03 00:21

【神经网络和深度学习-开发案例】 第三章 学习与梯度算法

【神经网络和深度学习】第三章学习与梯度下降算法案例：使用神经网络识别手写数字既然我们已经为我们的神经网络设计了一个模型，它怎么能学会识别数字呢？
睿客杨·2018-08-02 14:28

【神经网络和深度学习-开发案例】 第二章 神经网络结构

【神经网络和深度学习】第二章神经网络结构案例：使用神经网络识别手写数字我将介绍一个神经网络，它可以很好地对手写的数字进行分类。为了准备这一点，它有助于解释一些术语，让我们可以命名一个网络的不同部分。
睿客杨·2018-08-01 14:56

【神经网络和深度学习-开发案例】 第一章 感知器和S型神经元

【神经网络和深度学习】第一章感知器-S型神经元案例：使用神经网络识别手写数字人类的视觉系统是世界的奇迹之一。考虑以下手写数字的顺序：大多数人毫不费力地认出这些数字是504192。
睿客杨·2018-07-31 21:11

神经网络优化-Dropout

Dropout是神经网络和深度学习模型的简单而有效的正则化技术。在这篇文章中，你将发现Dropout正则化技术，以及如何使用Keras将其应用于Python中的模型。
Xwei1226·2018-07-29 13:05
上一页 7 8 9 10 11 12 13 14 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他