W1

分数背包贪心选择性的证明

其价值分别为：V1,V2,…,Vn，重量分别为：W1，W2，…,Wn。背包的容量为W。则部分背包问题可以描述为：存在一个n元向量（X1，X2，…,Xn），在的条件（记
十一月的嚣张·2018-06-10 17:16

KNN（K近邻分类器）Python3实现

可以发现X离W1分类区域点的数量最多，那么我们就认为X的分类为W1.下面说一下代码的实现思路：kNN算法的思想非常的朴素，它选取k个离测
天上飞下一毛雪·2018-06-06 17:04

Python实现ping指定IP的示例

ip='172.24.186.191'ip='www.baidu.com'backinfo=os.system('ping-c1-w1%s'%ip)#实现pingIP地址的功能，-c1指发送报文一次，-w1
EpisodeOne·2018-06-04 10:15

JAVA第五次试验-20165104孟凡斌

实验五网络编程与安全任务一知识总结dc运算符：+:依次弹出w1与w2，将w2+w1压栈。精度为结果值精度-:依次弹出w1与w2，将w2-w1压栈*:依次弹出w1与w2，将w2w1压栈。
wo爱java·2018-06-03 22:00

TensorFlow与简单的神经网络的实现

代码片1importtensorflowastf#指定从输入层到隐藏第一层的权值w1=tf.constant([[0.2,0.1,0.4],[0.3,-0.5,0.2]])#指定从隐藏第一层到输出层的权值
野马16·2018-06-01 20:32

python装饰器‘@’的原理

print('--我是w1--')defw2():print('---验证---')a()returnw2#重点：返回的是w2，w2只是指向的地址而已deff1():print('--我是f1--')f1=w1
hypon2016·2018-05-31 10:41

SWUST OJ 之 0032 简单背包问题

设有一个背包可以放入的物品重量为S，现有n件物品，重量分别是w1，w2，w3，…wn。问能否从这n件物品中选择若干件放入背包中，使得放入的重量之和正好为S。
浅夏淡香·2018-05-29 22:49

图的遍历方法——深度优先与广度优先

它的基本思想就是：首先访问图中某一起始顶点v，然后由v出发，访问与v邻接且未被访问的任一顶点w1，再访问与w1邻接且未被访问的任一顶点w2，……重复上述过程。
tjial·2018-05-29 21:34

周志华-机器学习-笔记（二）-线性模型

+wdxd+b一般写成向量形式f(x)=wTx+bf(x)=wTx+b其中w=(w1;w2
Timmy_Handsome_Cheng·2018-05-27 18:14

Tensorflow Test1

importtensorflowastffromnumpy.randomimportRandomStatedeftest():print("teststart")#定义训练数据batch的大小batch_size=8#定义神经网络参数w1
DevinDong123·2018-05-27 16:24

inLight写作打卡W1 ~ 墨西哥城攻略

墨西哥城攻略对墨西哥的印象以前都是停留在美国电影中被嘲讽腐败无能的墨西哥警察，墨西哥毒贩，还有就是仙人掌。这次我们从美国入境墨西哥，有美国签证，不需要办理墨西哥签证。图片发自App手机APP准备现在智能手机这么普及，出国必须要有网络，从网络速度和金钱上考虑，建议可以在淘宝买个短期的美国电话卡，无限流量，无限中美电话，在墨西哥也同样能使用。出国旅行必备App：马蜂窝旅游：里面有景点介绍，酒店，交通，
等雨季·2018-05-26 20:48

向量、矩阵点积

w1=np.array([1,2,3])w1表示向量[1,2,3]w2=np.array([[1,2,3]])w2表示1行3列矩阵w3=np.array([2,2,2])np.dot(w1,w3)表示向量的乘积
Sev6plus1·2018-05-26 19:54

练习：在TensorFlow中使用卷积神经网络

tf.nn.conv2d(X,W1,strides=[1,s,s,1],padding=‘SAME’):givenaninputXXandagroupoffiltersW1W1,thisfunctionconvolvesW1W1
Einstellung·2018-05-20 21:11

机器学习实战（五）——Logistic回归

写成向量形式：z=[w0 w1 w2⋯wn]⎡⎣⎢⎢⎢⎢⎢⎢⎢x0x1x2⋮xn⎤⎦⎥⎥⎥⎥⎥⎥⎥=W×XTz=[w0 w1 w2⋯wn][x0x1x2⋮xn]=W×XT带入SS函数，即变为：σ(
nadph513·2018-05-20 11:24

基于朴素贝叶斯的垃圾邮件识别

一．开发环境Python3.6,邮件包（包含正常邮件和垃圾邮件各25封）二．贝叶斯原理简介我们有一个测试集，通过统计测试集中各个词的词频，(w1,w2,w3,...wn).通过这个词向量来判断是否为垃圾邮件的概率
dayslrk·2018-05-17 21:21

中文分词--隐马模型HMM

CSDN只能显示一部分，所以文章移动到简书：点击打开链接一马尔科夫模型•每个状态只依赖之前有限个状态–N阶马尔科夫：依赖之前n个状态–1阶马尔科夫（即《中文分词基础》中的二元模型）：仅仅依赖前一个状态•p(w1
贫僧洗头爱飘柔·2018-05-16 11:18

王家林人工智能AI第九节课：AI的上帝视角：神经网络能够完成各种计算模式的根本原因及神经网络能够识别图片宇宙密码 老师微信13928463918

x1,x2是输入信号，y是一个输出信号，w0是一个Bias，而且w1,w2是权重。信号也被称为神经元或节点。只有当输入
段智华·2018-05-14 15:16

(inight——写作打卡W1)川西种下的第一粒蛊—海螺沟

这个五一，简单而又任性。一场说走就走的旅行，完美的避开了拥堵，一睹贡嘎雪山的终年积雪。就算有人说，我们错过了最美的冰川，可是，又有什么关系呢。阳光掩映下的雪山依然让我震撼和沉沦，从此，一路向西如同种在心里的蛊，蠢蠢欲动。第一次，我想用自己拙劣的文字记录这一次短暂的旅行。第一次，我爱上旅行，爱上这一路的风景，就算行程匆匆，来回奔波的几百里不过在雪山脚下伫立一个小时而已，但我终是无憾无悔，不虚此行。1
海之乐兮·2018-05-10 00:11

(inight——写作打卡W1)川西种下的第一粒蛊—海螺沟

这个五一，简单而又任性。一场说走就走的旅行，完美的避开了拥堵，一睹贡嘎雪山的终年积雪。就算有人说，我们错过了最美的冰川，可是，又有什么关系呢。阳光掩映下的雪山依然让我震撼和沉沦，从此，一路向西如同种在心里的蛊，蠢蠢欲动。第一次，我想用自己拙劣的文字记录这一次短暂的旅行。第一次，我爱上旅行，爱上这一路的风景，就算行程匆匆，来回奔波的几百里不过在雪山脚下伫立一个小时而已，但我终是无憾无悔，不虚此行。1
海之乐兮·2018-05-10 00:11

前馈神经网络权值更新案例

下图是一个简单的前馈神经网络图，改图中有3层结构，第一层为输入层，第二层为隐藏层，第三层则为输出层，图中的W1，……，W9为连接边的权值。下图展示如何进行神经网络的前向传播计算。
笨笨小菜·2018-05-07 23:26

使用 LSTM 计算语言模型的复杂度

把句子看成是单词的序列，于是语言模型需要计算的就是P(w1,w2,⋯,wm)P(w1,w2,⋯,wm)。
David_Hernandez·2018-05-07 19:44

利用线性函数实现鸢尾花数据集分类

wTx+bg(x)=w^{T}x+bg(x)=wTx+b其中样本x=(x1,x2,...,xl)Tx=(x_{1},x_{2},...,x_{l})^{T}x=(x1,x2,...,xl)T，权向量w=(w1
winycg·2018-05-04 23:54

单个神经元的扩展——Maxout网络

下图是单个神经元和Maxout网络的对比它的公式可以理解成：z1=w1*x+b1z2=w2*x+b2z3=w3*x+b3z4=w4*x+b4
cakincqm·2018-05-04 21:51

01背包问题

简单背包问题设有一个背包可以放入的物品重量为S，现有n件物品，重量分别是w1，w2，w3，…wn。问能否从这n件物品中选择若干件放入背包中，使得放入的重量之和正好为S。
huyao_road·2018-05-02 13:53

机器学习之回归——标准最小二乘法回归的数学推导过程（矩阵形式）

均方误差函数：f(w)=∑i=1m(yi−xiTw)2f(w)={\sum_{i=1}^m{(y_i-x_i^Tw)^2}}f(w)=i=1∑m(yi−xiTw)2f(w)分别对w1,w2,...wdw
monteCarloStyle·2018-04-29 18:32

5.循环&选择&指针

[TOC]if的识别叶子函数未保存x30、x29寄存器；CMPW0,W1B.LEloc_1000068E0解释：`cmpw0,w1`CMP此处相当于做了一次减法，但不影响w0、w1，结果CPSR寄存器产生影响
_顺_1896·2018-04-27 19:40

前方高能！北京车展的这八款重磅合资SUV，让人看得心痒痒！

雪铁龙云逸C4AIRCROSS合资企业：东风预售价：暂无看点：C3AIRCROSS车型的国产“加长”版车型展台：W1馆W106台继天逸C5A
蚂蚁车评·2018-04-26 16:07

Wasserstein距离在生成模型中的应用

作者丨黄若孜学校丨复旦大学软件学院硕士生研究方向丨推荐系统前言本文是关于Wasserstein距离在生成模型中的应用的一个总结，第一部分讲Wasserstein距离的定义和性质，第二部分讲利用W1距离对偶性提出的
Paper_weekly·2018-04-19 00:00

机器学习系列 七 - 延展 Back Propagation

即，对w1偏微分就是x
hwcj2009·2018-04-17 00:00

3.1 马尔科夫链算法

而算法的实现则为：设置w1和w2为文本的前两个词输出w1和w2循环：随机地选出w3，它是文本
Coulson_Zhao·2018-04-13 19:07

3.1 马尔科夫链算法

而算法的实现则为：设置w1和w2为文本的前两个词输出w1和w2循环：随机地选出w3，它是文本
Coulson_Zhao·2018-04-13 19:07

tensorflow变量的赋值

tensorflow中某两个变量的声明如下：w1=tf.Variable(tf.random_normal([2,3],stddev=1,seed=1))w2=tf.Variable(tf.random_normal
Mancity1894·2018-04-13 10:49

tensorflow学习序列——多层感知机实现MNIST数字识别

importinput_dataimporttensorflowastfmnist=input_data.read_data_sets("MNIST_data/",one_hot=True);in_units=784;h1_units=300;W1
Hit_HSW·2018-04-11 21:13

深度学习入门——神经元

假设输入1=a1，输入2=a2，输入3=a3；权值1=w1，权值2=w2，权值3=
ClareQi·2018-04-04 14:37

深度学习入门——神经元

假设输入1=a1，输入2=a2，输入3=a3；权值1=w1，权值2=w2，权值3=
ClareQi·2018-04-04 14:37

深度学习【29】pytorch 自定义损失函数

构建一个加权函数：loss=w1∗loss1+w2∗loss2loss=w1∗loss1+w2∗loss2classmyloss(nn.Module):def__init__(self,w1,w2):super
DCD_Lin·2018-04-01 14:50

完全背包问题

01背包：在M件物品中取出若干件物品放到背包中，每件物品对应的体积v1,v2,v3,....对应的价值为w1,w2,w3,,,,，每件物品最多拿一件。
Felix_CY·2018-03-30 21:02

逻辑回归二分类理解

而且这个目标拥有n个特征，我们得到的是一个关于输入x的线性函数，我们可以得到：z=w1*x1+w2*x2+....
legend_hua·2018-03-27 17:14

神经网络入门：正反向传播推导、CNN 初识

sherry在GitChat上分享「神经网络入门：正反向传播推导、CNN初识」编辑|伏特加单个神经元结构对于单个神经元，如果我们给每一个输入一个权重，例如有三个输入(x1,x2,x3)，相应的权重为(w1
GitChat技术杂谈·2018-03-23 00:00

MIT线性代数习题全解

cos(β−α)=cos(β)cos(α)+sin(β)sin(α)cos⁡(β−α)=cos⁡(β)cos⁡(α)+sin⁡(β)sin⁡(α)第二题三个向量，两两夹角大于90度第三题x1,x2,x3为w1
kevin聪·2018-03-21 00:29

一个XOR问题的实例---神经网络的权重到底是如何变化的

制作一个2*2*1无偏置的神经网络，输入分别是（0,0）,（0,1）,（1,0）,(1,1)输出是0,1,1,0.实现XOR，并观察权重和损失函数的变化规律，得到的权重4886H（输入）I（权重w1）JK
georgesale·2018-03-20 14:57

python与线性代数 向量方程

R2R2所有两个元素的向量的集记为R2R2,RR表示向量中的元素是实数,而指数2表示每个向量包含两个元素.元素用w1,w2w1,w2表示,代表任意实数.R2R2中两个向量相等,当且仅当对应元素相等,既向量是有序的实数对向量相加
Claroja·2018-03-16 13:33

TensorFlow教程——梯度爆炸与梯度裁剪

回想我们使用梯度下降方法更新参数：w1w2=w1−α∂J(w)∂w1=w2−α∂J(w)∂w2(1)(1)w
加勒比海鲜·2018-03-13 21:09

单层感知器2

０,1)，(1,1)这两个点的标签为-1,构建神经网络来分类思路：构造神经元-单层感知器，有三个输入节点(1,3,3),(1,4,3),(1,1,1)对应的数据标签为(1,1,-1)初始化权重值w0,w1
平衡WorkLife·2018-03-09 22:17

Factorization Machines——因式分解机

早就想总结一下这篇2010年的论文《FactorizationMachines》，与其说这篇论文提出了一种新的模型不如说这篇论文提出了一种新的建模思想，适用于所有形式类似于Y=T(W1∗X+Wij∗Xi
guoyuhaoaaa·2018-03-08 21:57

蒙版原理以及Python简单实现

则生成的点的像素值为v4=v1*w1+v2*w2.其中w1=v3/255,w2=1-w1.蒙版中像素点越亮（代表像
sunrise_ccx·2018-03-08 15:48

深度学习--softmax函数推导

隐含层对应的输出为：h1=w1∗i1+w4∗i2+w7∗i3h1=w1∗i1+w4∗i2+w7∗i3h2=w2∗i1+w5∗i2+w8∗i3h2=w2∗i1+
TiRan_Yang·2018-03-06 17:35

用动态规划解决背包问题

求解背包问题：给定n个背包，其重量分别为w1,w2,……,wn,价值分别为v1,v2,……,vn要放入总承重为totalWeight的箱子中，求可放入箱子的背包价值总和的最大值。
别再想更好的办法·2018-02-28 00:55

【深度学习_1.4】搭建多层神经网络模型

importxxxx【搭建神经网络】1.初始化参数搭建二层神经网络模型架构：LINEAR->RELU->LINEAR->SIGMOIDdefinitialize_parameters(n_x,n_h,n_y)：W1
OliverChrist·2018-02-23 10:42

Huffman编码树

使得这个扩充二叉树的叶节点带权外部路径长度总和最小：Min(W1*L1+W2*L2+W3*L3+…+Wn*Ln)Wi:每个节点的权值。Li:根节点到第i个外
JiaweiLee2012·2018-02-21 13:06
上一页 35 36 37 38 39 40 41 42 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他