W1

第三章：3.5 傅里叶变换

推导过程由前面的分析可知，信号的周期越大，在频域上离散的信号就越来越密，当信号的周期趋近于无穷大的时候，离散信号就趋近于连续信号（T趋于无穷大的时候谱线高度的降低，在这里没有体现出来）如图所示，当周期趋于零的时候w1
Einstellung·2017-08-24 16:14

TensorFlow学习笔记（二十） tensorflow实现简单三层网络

seed=1))w2=tf.Variable(tf.random_normal([3,1],stddev=1,seed=1))x=tf.constant([[0.7,0.9]])a=tf.matmul(x,w1
Soyoger·2017-08-17 14:31

Deep Learning---caffe模型参数量(weights)计算

featuremap大小计算输入：N0*C0*H0*W0输出：N1*C1*H1*W1输出的featuremap大小：H1=(H0+
浩瀚之水_csdn·2017-08-16 16:10

TensorFlow-4 实现多层感知机

W1的初始化参数为截断的正太分布，其标准差为0.1.模型使用的激活函数为ReLU。对
勤劳的凌菲·2017-08-15 20:12

【每周一晒】为什么要放弃，可能是为了风格永流传？

2017年8月W1回顾。任务放心头，总能找时间完成这一周在很短的时间内，作业截止日期的最后一天写一篇完文章，倒数第二天写了两个问答，其中一个还被推荐到了头条首页。
北方荣荣·2017-08-06 17:21

刻意练习-W1总结

SummaryWheredopeople’sextraordinaryabilitiescomefrom?Besidesinnateendowments,theanswerispractice.Itisnotthepracticeinatraditionalsense,butpurposefulordeliberatepractice.Itisthemosteffectiveandmostpowe
慢慢树·2017-08-04 22:11

LDA漫游系列(五)-基于Gibbs Sampling的LDA模型

我们日常生活中总是产生大量的文本，如果每一个文本存储为一篇文档，那么每篇文丹从人的观察来说就是有序的词的序列d=(w1,w2,...wn).统计文本建模的目的就是追问这些观察到的语料库中的词序列是如何生成的
文哥的学习日记·2017-07-30 19:36

神经网络及反向传播(bp)算法详解

权重W1，W2...Wn偏置项b激活函数激活函数在神经网络中尤为重要，通过激活函数加入非线性因素，解决线性模型所不能解决的问题。计算激活函数的梯度，反向传播的误
momaojia·2017-07-30 17:33

tensorflow训练权重的保存和读取

importtensorflowastf#Preparetofeedinput,i.e.feed_dictandplaceholdersw1=tf.placeholder("float",name="w1
ei1994·2017-07-20 18:42

Tensorflow深度学习之四：placeholder和Session

importtensorflowastf#Tensorflow默认会话sess=tf.InteractiveSession()#建立两个矩阵变量w1和w2#tf.random_normal(shape,
子为空·2017-07-18 14:25

Tensorflow深度学习之四：placeholder和Session

importtensorflowastf#Tensorflow默认会话sess=tf.InteractiveSession()#建立两个矩阵变量w1和w2#tf.random_normal(shape,
子为空·2017-07-18 14:25

Tensorflow深度学习之三：基础概念篇（矩阵相乘）

importtensorflowastf#Tensorflow默认会话sess=tf.InteractiveSession()#建立两个矩阵变量w1和w2#tf.random_normal(shape,
子为空·2017-07-18 12:07

Tensorflow深度学习之三：基础概念篇（矩阵相乘）

importtensorflowastf#Tensorflow默认会话sess=tf.InteractiveSession()#建立两个矩阵变量w1和w2#tf.random_normal(shape,
子为空·2017-07-18 12:07

朴素贝叶斯分类器（Python实现）

其中，p(ci)概率很容易求出；而对于条件概率p(w|ci)，利用假设各个特征之间相互独立，因此，由w={w1,w2,…,wn)，即可以得出p(w|ci)=p(
Bahuia·2017-07-15 22:10

神经网络简介及CNN

如下图所示：x1，x2表示输入向量，w1，w2表示权重，b为偏置值（bias），a为输出。
我叫胆小我喜欢小心·2017-07-15 16:56

背包问题——“01背包”详解及实现（包含背包中具体物品的求解）

-----EditbyZhuSenlinHDU01背包是在M件物品取出若干件放在空间为W的背包里，每件物品的体积为C1，C2，…，Cn，与之相对应的价值为W1,W2，…，Wn.求解将那些物品装入背包可使总价值最大
wust_zwl·2017-07-11 19:56

【每周一晒】2017年7月W1周回顾和W2周计划

1.回顾20170702-08周计划的完成情况这周表现打9分，几乎90%的目标都实现了。形象小趣为****形象服务，初步了解她的需求等（实际情况看来，她还是没有这个意识，不强求，暂且放开，慢慢引导）完成02-06，25的学习（除了06，其余均完成，如果没有计划外同学到上海聚餐的话，应该是可以完成）腹部锻炼3天，跟着shape321視頻做15分钟/天（一天也没有做）写第一篇形象文章，并发布在新的微信
北方荣荣·2017-07-10 16:22

Day 05：W1 Summary-The 7 Habits of Highly Effective People

Week1Summary:这次参加读书会共读的英文书，中文名是《高效能人士的7个习惯》，但作者并没有直接就开讲7个习惯，而是先借用下面这个句子，帮我们理清一些概念：Sowathought,reapanaction;sowanaction,reapahabit;sowahabit,reapacharacter;sowacharacter,reapadestiny.这句话的意思是：思想决定行动，行动养
楚汐_Iris·2017-07-09 21:23

机器学习学习笔记——Logistic Regression

对于二项分类而言（假设结果为0或1）：逻辑回归的模型为其中wT为权值向量，b为偏置bias；x=(x1,x2,...,xn)，w=(w1,w2,...,wn)对于给定的输入x
wanglilin0628·2017-07-08 16:26

9.动态规划（2）——子集和问题

子集和问题可描述如下：给定n个正整数W=(w1,w2,…,wn)和正整数M，要求寻找这样一个子集I⊆{1,2,3,...,n},使得∑wi=M,i∈I[1]。
OKevin·2017-07-02 17:00

SVM算法（二）（有监督学习）

由上一篇文章中的2.2节知，目标函数和约束条件为：  将目标函数引入拉格朗日乘子法，得到优化后的目标函数为：  对上式进行求导得到：  注释：WTW对w求导结果为w，理由：假设现在是二维样本点，因为W=(w1
Chenyukuai6625·2017-06-28 21:58

SVM算法（二）（有监督学习）

由上一篇文章中的2.2节知，目标函数和约束条件为：  将目标函数引入拉格朗日乘子法，得到优化后的目标函数为：  对上式进行求导得到：  注释：WTW对w求导结果为w，理由：假设现在是二维样本点，因为W=(w1
Chenyukuai6625·2017-06-28 21:58

给自己一个间歇年(inlight 写作打卡w1)

前不久参加了一场读书会，认识了一对有爱的父母，两人的分享中能感受到对孩子和亲人浓浓的爱，女儿大约五岁，正在幼儿园阶段。最让我意外的是，两人目前的角色是：全职爸爸和全职妈妈。身边的全职妈妈的确不少，但是夫妻两人都辞职在家的确第一次看到，再看他们，特别是那位爸爸，沟通中逻辑清晰，思维敏捷，也很沉稳，不像是那种好吃懒做贪图享乐的人啊！我自然瞪大眼睛，惊问其为何会做出这样不"中国”的决定？他回答我说：为了
玲佳说·2017-06-27 06:51

感知器算法_MATLAB

holdon%holdon使当前轴及图形保持而不被刷新，准备接受此后将绘制的图形，多图共存%holdoff使当前轴及图形不在具备被刷新的性质，新图出现时，取消原图x=[];%存放鼠标取点坐标n=0;%计数%w1
码云plus·2017-06-26 19:39

Tensorflow实现一个简单的二分类问题

importtensorflowastf#这里通过numpy工具包来生成模拟数据集fromnumpy.randomimportRandomState#定义训练数据batch的大小batch_size=8#定义神经网络参数w1
杨Laughing·2017-06-23 21:13

inligh写作打卡--W1 家中有儿小记事

（一）幸福的眼泪2016年1月29日，这一天对于我来说是最特别的日子，因为你的到来，让我成为了一名妈妈。听到你的第一次哭啼声，我欣喜的落泪了，这是幸福的眼泪，谢谢你，我的儿子，从此我就是你的妈妈了！外婆他们都说你长得像妈妈，妈妈好是欢喜。那么弱小的你居然会在睡梦中微笑，妈妈好想知道你正在做的是什么美梦？（二）取名你的名字从你来到妈妈肚子里时爸妈就在想了，可是一直没能决定，因为不知你的性别。那我们就
婷婷姐_2019·2017-06-21 22:32

（inLight写作打卡-W1）和父亲一起的小时光！

父亲离开我已经20多年了。因为太久，已经快记不清他分明的五官了，只有一张模糊的，微笑着，慈爱的脸一直在我脑海中浮现。一起我小的时候，农村的条件还是挺艰苦的，大家的物质条件都不算好。放学后小孩子都要帮大人分担家务，有时候还需要到田地里帮忙干点农活。父亲很爱我，他总有办法让这些事情变得不那么幸苦。遇到家里要抬水，父亲就会给我一块小毛巾，让我垫在肩膀上，这样就不会太疼了。如果农忙时需要去田里插秧，父亲就
快乐的鱼儿07·2017-06-20 15:46

图像滤波—高斯滤波——MATLAB实现

高斯函数为：对于一个3*3的模板：（x，y）为模板坐标，则通过w1=h（-1,1），w2=h（-1,0）….产生对应的3*3滤波器模板；σ为标准差。
阿卡蒂奥·2017-06-20 11:03

4.13 (案例) work-break

work-break.pngword-break*{padding:0;margin:0;}.w1{/*word-break:keep-all;*//*word-break:break-all;*/width
柒月柒日晴7·2017-06-08 00:47

【‪在线学习‬】思维导图法顶尖思考术-思维导图软件操作-编辑标签、评注、批注与备注

孙易新老师親授”思维导图W1职场基础应用班”，即将于7/15.16周末两日在东莞开课，将大幅提升您的职场竞争力！课程信息：http://www.mindmapping.com.tw/index
孙易新心智图法_思维导图法·2017-06-01 15:03

语言模型系列之N-Gram、NPLM及Word2vec

根据上文公式1P(w1w2...wT)=∏ni=1P(w1)P(w2|w1)P(wi|w1w2...wi−1)，词w出现的在序列位置T的概率取决于序列前面1~T-1所有词，而这样的模型参数空间巨
冰糖少女·2017-05-23 17:47

【2017/5/13-14思维导图法职场优势管理师认证班-W1职场基础应用班】让自己的大脑开始升级了！

由孙易新老师亲自授课，在台北开课的〝思维导图法职场优势管理师认证班-W1职场基础应用班〞在学员们满满的收获和感谢中结业啰！也有学员透过课程更了解了自己，并找到未来可以努力的方向！
孙易新心智图法_思维导图法·2017-05-22 17:58

机器学习学习笔记（二）

…,xd)T，其中xi是x在第i个属性上的取值，线性模型试图学习一个通过属性的线性组合来进行预测的函数，即f(x)=w1x1+w2x2+…+wdxd+b一般用向量形式写成f(x)=wTx+b其中w=(w1
dinkwad·2017-05-14 15:59

机器学习实战——python实现Logistic回归

对于有n个属性的train数据集(X1,X2,...Xn),我们寻找一组回归系数(W0,W1,W2,...,Wn)使得函数： sigmoid(W0+W1*X1+W2*X2+...
chenge_j·2017-05-13 00:00

生成模型与判别模型

例如两类（w1和w2）分类问题，如果Y大
SUNFC·2017-05-10 16:36

BP和RBF神经网络比较

对比算法流程图算例分析%BPidentification%网络结构：2-6-1%权值W1、W2为[-1,1]之间的随机值，η=0.50，α=0.05clearall;closeall;xite=0.50
Slash Ace·2017-05-10 15:19

huffman编码解码与huffman树

构建huffman树：1.根据给定的n个权值{w1,w2,…,wn}构成二叉树集合F={T1,T2,…,Tn},其中每棵二叉树Ti中只有一个带权为wi的根结点,其左右子树为空.2.在F中选取两棵根结
DrStream·2017-05-07 16:35

北京全国市长研修学院～思维导图法应用于构思研究计划

孙易新老师親授”思维导图W1职场基础应用班”，即将于7/15.16周末两日在东莞开课，将大幅提升您的职场竞争力！
孙易新心智图法_思维导图法·2017-05-05 17:06

Python实现统计文本文件字数的方法

，具体如下：统计文本文件的字数，从当前目录下的file.txt取文件#-*-coding:GBK-*-importstringimportsysreload(sys)defcompareItems((w1
andych008·2017-05-05 12:10

哈夫曼树编/译码算法

【问题描述】5.某报文中共出现n个字符，各字符出现频度依次为w1,w2,…,wn。要求设计一个不等长的编码方案，输出每个字符对应的编码，使得该编码系统的空间效率最好。
Fitz1318·2017-04-25 21:36

感知器算法及其实现

对两类线性可分的模式类，具体步骤如下：（1）选择N个分别属于w1类和w2类的模式样本构成训练样本集，将训练样本写成增广向量形式，并对样本进行编号和规范化处理。任取权向量初始值开始迭代。
RisingFan·2017-04-16 20:52

CNN学习之旅[2]之第一次加副标题的BP算法理解

E表示损失，E=12∑(yˆ−y)2从最基础情况开始说明：最底下一层为输入层，上面一层是输出层，输出层的输入为a，输出为y,偏移量为θ,则y=f(a+θ)设输入层神经元与输出层的权值分别为w1,w2,w2
LICHAOZHONG_csdn·2017-04-12 21:04

W1

第一题：列表为一个无序列表,无序列表用定义,列表项用标签定义,“语言”“编译器”前应用空格占位符 填充。代码为： &nbps;&nbps;&nbps;&nbps;&nbps;&nbps;&nbps;语言C#JavaScript        编译器AtomVisualStudioCode第二题：表格
NPU_黄滋文·2017-04-07 00:19

使用Python来编写一个简单的感知机

背景资料最简单的神经网络的模型就是感知机分类器，它有不同的输入（x1,x2,......xn)，然后有不同的权重值（w1,w2
caimouse·2017-04-04 21:42

一般神经元模型

一般神经元对于输入x=(x1,x2,⋯,xn)T，w=(w1,w2,⋯,wn)T为神经元输入权值，θ为偏置，u(x)和f(x)分别为神经元的基函数和激活函数。
Horcham·2017-04-02 19:58

用单调队列处理多重背包

从中任选若干件放在容量为W的背包里，每种物品的体积为W1，W2……Wn（Wi为整数），与之相对应的价值为P1,P2……Pn（Pi为整数）。求背包能够容纳的最大价值。
❤1Marcus1❤·2017-03-29 20:57

利用最大似然估计方法估计参数

机器学习实验三，详情请参考《模式分类》第二版第三章课后上机练习3.2节实验环境：Matlab2016a实验内容：给定以下w1和w2的三维数据，考虑不同维数下的高斯概率密度模型：（a）编写程序，对表格中的类
山高路远坑很深·2017-03-27 17:01

matlab利用hinge loss实现多分类SVM

2.hingeloss根据二分类的SVM目标函数，我们可以定义多分类的SVM目标函数：E(w1,…,wk)=∑kj=112||wj||2+C∑ni=1L((w1,…
小明知道·2017-03-15 09:35

置换与合一

置换(substitution)1、假元推理：由合式公式W1和W1−>W2产生合式公式W2的运算。2、全称化推理：由合式公式(∀x)W(x)产生合式公式W(A)，其中A为任意常量符号。
algzjh·2017-03-09 20:42

对于卷积神经网络（CNN）的初步认识

神经网络是机器学习中的一种模型，结构如下：神经网络的每个神经元/单元如下类似wx+b的形式，其中a1~an为输入向量，当然，也常用x1~xn表示输入w1~wn为权重b为偏置f为激活函数t为输出将这种单个神经元组织在一起
陌筱北·2017-03-06 16:18
上一页 37 38 39 40 41 42 43 44 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他