jbpm4.4学习入门

深度学习入门之神经网络

神经网络从感知机到神经网路神经网络的例子激活函数出场激活函数sigmoid函数阶跃函数的实现阶跃函数的图形sigmoid函数的实现sigmoid函数和阶跃函数的比较非线性函数ReLU函数多维数组的运算多维数组矩阵乘法3层神经网络的实现符号确认各层间信号传递的实现代码实现小结输出层的设计恒等函数和softmax函数实现softmax函数时的注意事项softmax函数的特征输出层的神经元数量手写数字识
空LA·2022-11-22 01:42

Python之深度学习入门

1、Python语言的特点：是一个简单、易读、易记的编程语言，而且是开源的，可以自由使用，可以用类似英语的语法编写程序，编译起来并不费力，此外，Python不仅可以写出可读性高的代码，还可以写出性能高（处理速度快）的代码，在需要处理大规模数据或者要求快速响应的情况下可以稳妥完成。2、学习深度学习主要使用的外部库是NumPy库（用于数值计算的库，提供了很多高级的数学算法和便利的数组、矩阵操作方法）和
阿默mini·2022-11-22 00:10

深度学习入门（五）——NumPy多维数组实现神经网络

符号的说明权重符号从输入层到第1层的第1个神经元的信号传递过程表示偏置的神经元“1”。偏置的右下角的索引号只有一个，这是因为前一层的偏置神经元（神经元“1”）只有一个。用数学式表示：用矩阵的乘法运算：隐藏层的加权和（加权信号和偏置的总和）用a表示，被激活函数转换后的信号用z表示。也就是在上面算出的A带入激活函数h()中后就得到Z。得出的Z再往下一层进行传导实现代码：definit_network(
程序员到程序猴·2022-11-22 00:38

深度学习入门 基于python的理论和实践 第一章

目录一、Python是什么？二、Python的安装2.1Python版本2.2使用的外部库三、Python的基本语法3.1算术运算3.2数据类型3.3列表3.4字典3.5bool类型四、类五、Numpy5.1导入并且使用Numpy库5.2生成Numpy数组5.3Numpy的算数运算5.4Numpy的N维数组5.5广播机制5.6访问元素六、Matplotlib6.1生成图像6.2显示图像总结一、Py
czyiii·2022-11-22 00:31

深度学习入门之多维数组运算

深度学习入门之多维数组运算参考书籍：深度学习入门——基于pyhthon的理论与实现文章目录深度学习入门之多维数组运算前言一、多维数组是什么？
ℳ๓执手ꦿ听风吟້໌ᮨ·2022-11-22 00:26

(3)机器学习入门

1理解机器学习1.1机器学习的基本思路从语义层次看，机器学习是指计算机能模拟人的学习行为，通过学习获取知识和技能，不断改善性能，实现自我完善。三个关键要素：如果一个计算机系统在完成某一类任务T的性能P能够随着经验E而改进，则称该系统在从经验E中学习，并将此系统称为一个学习系统1.2常见应用1.3基本类型分为：有监督学习、无监督学习、强化学习有监督学习：有具体的目标任务，比如过滤垃圾邮件，将y分为两
north_fish420·2022-11-21 23:28

python深度学习入门-神经网络

深度学习入门-神经网络博主微信公众号（左）、Python+智能大数据+AI学习交流群（右）：欢迎关注和加群，大家一起学习交流，共同进步！
诗雨时·2022-11-21 22:15

《计算机视觉技术与应用》-----第二章 图像处理基础

系列文章目录提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章Python机器学习入门之pandas的使用提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录系列文章目录前言一
r i c k·2022-11-21 22:29

《计算机视觉技术与应用》-----第五章 边缘和轮廓

系列文章目录提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章Python机器学习入门之pandas的使用提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录系列文章目录前言一
r i c k·2022-11-21 22:09

深度学习入门

一、什么是机器学习人工智能是使一部机器像人一样进行感知、认知、决策、执行的人工程序或系统。其实现的一种方法是机器学习。而深度学习是机器学习的一种，也是近年来较为热门的方法。人工智能主要有如下三个层面计算智能能存能算感知智能能听会说，能看会认认知智能能理解，会思考目前研究主要在第二个层面二、适用范围问题尺度和规则复杂度均极大时适用机器学习，这是大体原则，还有一些其它限制举例如下有大量数据机器学习需要
ouc_se_group13·2022-11-21 18:36

机器学习入门~复习正规方程

正规方程与梯度下降的区别梯度下降给出的是一种不断迭代的方法，通过计算机进行反复的运算，找到最优的θ向量使代价函数J(θ)收敛，此时得到最优的假设函数参数θ。正规方程则是给出了一种数学方法，通过数学的推导得到了正规方程，必须经过反复迭代，只需一步计算即可解出最优的θ。如何使用正规方程以一个n=3，m=4，即有四个特征量和四个训练样本的数据为例。x对应的是特征量，由于其n=3，m=4，将每一个特征量x
一日两份espresso·2022-11-21 15:17

机器学习入门~正规方程Normal equation

正规方程Normalequation对于某些机器学习问题，正规方程会给我们更好的方法来求解假设函数中的θ参数的最优值。梯度下降给出了一种通过不断迭代的方式，通过代价函数寻找θ最优值的解法。而正规方程给出了求解θ的解析解法，即不必运行迭代函数，而是直接一次性求解θ的最优值。解决方法：代价函数求导，并令导数为零，求解出使得导数为零的参数θx。但实际问题中，参数θ是一个n+1维的向量，也就是θ0到θm的
一日两份espresso·2022-11-21 14:47

python机器学习入门

1.人工智能概述1.1机器学习与人工智能、深度学习1.1.1机器学习和人工智能，深度学习的关系机器学习是人工智能的一个实现途径深度学习是机器学习的一个方法发展而来1.1.2机器学习、深度学习能做些什么传统预测店铺销量预测、量化投资、广告推荐图像识别街道交通标志检测、人脸识别自然语言处理文本分类、情感分析、自动聊天、文本检测1.2什么是机器学习1.2.1定义机器学习是从数据中自动分析获得模型，并利用
玉面小飞龙s·2022-11-21 14:14

《深度学习入门》（俗称：鱼书）读书笔记-第四章（神经网络的学习）

《深度学习入门》（俗称：鱼书）读书笔记Day2神经网络的学习学习：从训练数据中自动获取最优权重参数的过程。目的是以损失函数为基准，找到能让其达到最小的权重参数。
呆瓜种呆瓜·2022-11-21 14:49

《深度学习入门》（俗称：鱼书）读书笔记-第三章（神经网络）

《深度学习入门》（俗称：鱼书）读书笔记Day2神经网络感知机的一个问题是设定权重的工作还是由人来完成的。而神经网络的一个重要性质是它可以自动从数据中学习合适的权重参数。
呆瓜种呆瓜·2022-11-21 14:48

《深度学习入门》（俗称：鱼书）读书笔记-第二章(感知机)

《深度学习入门》（俗称：鱼书）读书笔记Day1感知机感知机就是对于输入乘以一定的权值然后加上偏置，如果大于0那么被激活，否则被抑制。下面是用感知机实现的一个与门。
呆瓜种呆瓜·2022-11-21 14:18

《深度学习入门》（俗称：鱼书）读书笔记-第一章(python basis)

《深度学习入门》（俗称：鱼书）读书笔记Day1python基础python是动态类型语言一般比C/C++(编译性语言)运行慢。在python追求性能时可以使用C/C++处理，python在调用。
呆瓜种呆瓜·2022-11-21 14:18

《深度学习入门》（鱼书）笔记 第一章 Python入门

#coding:utf-8classMan:"""示例类"""#示例类def__init__(self,name):self.name=nameprint("Initilized!")defhello(self):print("Hello"+self.name+"!")defgoodbye(self):print("Good-bye"+self.name+"!")m=Man("David")m.h
七星斗尊·2022-11-21 14:09

《深度学习入门-基于Python的理论与实现》读书笔记

写在前面：1、该读书笔记将侧重总结深度学习理论而非Python实现。2、本书环境基于Python3.x+Numpy+Matplotlib。目录第一章Python入门第二章感知机第三章神经网络第四章神经网络的学习第五章误差反向传播法第六章与学习相关的技巧第七章卷积神经网络卷积层通道方向上有多个特征图通道方向上有多个滤波器激活函数层SigmoidReLU（RectifiedLinearUnit，修正线
Nicholson07·2022-11-21 14:30

给深度学习入门者的Python-OpenCV快速教程

这篇文章主要介绍了PythonOpenCV快速入门教程，帮助大家更好的利用opencv图像处理，感兴趣的同学可以了解下OpenCV简介OpenCV是计算机视觉中最受欢迎的库，最初由intel使用C和C++进行开发的，现在也可以在python中使用。该库是一个跨平台的开源库，是免费使用的。OpenCV库是一个高度优化的库，主要关注实时应用程序。OpenCV库是2500多种优化算法的组合，可用于检测和
程序猿-饭饭·2022-11-21 13:47

深度学习入门（四） 线性回归实现

深度学习入门（四）线性回归实现前言线性回归实现1线性回归的从零实现1.1生成数据集1.2读取数据集1.3初始化模型参数1.4定义模型1.5定义损失函数1.6定义优化算法1.7训练2线性回归的简洁实现2.1
澪mio·2022-11-21 10:42

深度学习入门（四十）计算机视觉——图像增强

深度学习入门（四十）计算机视觉——图像增强前言计算机视觉——图像增强课件图像增强使用增强数据训练翻转切割颜色总结教材1常用的图像增广方法1.1翻转和裁剪1.2改变颜色1.3结合多种图像增广方法2使用图像增广进行训练
澪mio·2022-11-21 09:33

机器学习入门之k近邻算法

前言：博主在路过篮球场时，看到了迎面而来的篮球。当下心中有了一个疑惑，为何我知道它叫篮球，而机器不知道呢？于是今天的主题就是使用k近邻算法分辨几种常见的球类。正文：博主打算选取的球类主要是足球，篮球，排球。经过一番搜索和抉择，总结特性如下表，如有不符，那一定是为了做实验而进行的科学抽象，请各位看官莫要介意。各球类属性球类属性圆周长(cm)重量(g)表皮材料纹路篮球75-76600-650PU合成皮
俺从头开始·2022-11-21 08:24

机器学习之构造决策树

链接如下：机器学习入门之k近邻算法_俺从头开始的博客-CSDN博客信息营地：决策树：百度百科讲决策树：“决策树(DecisionTree）是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率
俺从头开始·2022-11-21 08:16

深度学习入门

目录1.线性回归1.2最小二乘法1.2梯度下降法1.3逻辑回归算法2.全神经网络2.1全神经网络整体架构2.2激活函数的作用2.3激活函数2.4全神经网络前向传播2.5神经网络损失参数2.6链式法则2.7全神经网络反向传播3.卷积神经网络3.1卷积神经网络架构3.2卷积计算3.2填充操作3.3多通道卷积计算3.4池化运算4.循环神经网络4.1RNN基本结构4.2RNN与全连接神经网络的区别4.3R
ren9855·2022-11-21 07:26

深度学习入门——手写数字识别MINIST数据集

#1加载必要的库importtorchimporttorch.nnasnnimporttorch.nn.functionalasFimporttorch.optimasoptimfromtorchvisionimportdatasets,transforms#2定义超参数hyperparameterBATCH_SIZE=64#每批处理的数据DEVICE=torch.device("cuda"ift
SinsNeverDie·2022-11-21 06:57

keras入门实战：手写数字识别

本文用深度学习Python库Keras实现深度学习入门教程mnist手写数字识别。mnist手写数字识别是机器学习和深度学习领域的“helloworld”,MNIST数据集是手写数字的
sunwillz·2022-11-21 06:15

深度学习入门系列17项目实战：从电影评论预测情感

大家好，我技术人Howzit，这是深度学习入门系列第十七篇，欢迎大家一起交流！
技术人Howzit·2022-11-21 05:17

深度学习入门系列6项目实战：声纳回声识别

大家好，我技术人Howzit，这是深度学习入门系列第六篇，欢迎大家一起交流！
技术人Howzit·2022-11-21 05:47

深度学习入门系列7:项目实战：波士顿房屋价格回归问题

大家好，我技术人Howzit，这是深度学习入门系列第七篇，欢迎大家一起交流！
技术人Howzit·2022-11-21 05:47

深度学习入门系列5项目实战：用深度学习识别鸢尾花种类

大家好，我技术人Howzit，这是深度学习入门系列第五篇，欢迎大家一起交流！
技术人Howzit·2022-11-21 05:46

《深度学习入门》第4章实战：手写数字识别

文章目录前言一、理论知识（一）神经网络的学习步骤（二）梯度和梯度下降（三）损失函数(四)epoch、iters_num（五）本案例的神经网络结构二、全部代码前言这篇文章根据《深度学习入门》第4章的内容，
rellvera·2022-11-21 05:04

《深度学习入门》第3章实战：手写数字识别

《深度学习入门》第3章实战：手写数字识别文章目录前言一、一点介绍二、完整代码三、导入数据集的一个小问题前言笔者最近阅读了《深度学习入门——基于Python的理论与实现》这本书的第三章，章节最后刚好有个手写数字识别的实战内容
rellvera·2022-11-21 05:34

深度学习入门资源与小Demo

学习方法和资源误区1：一定要把所有的基础知识学会之后再动手弄具体任务。误区2：一直读文献而由于种种原因不动手做实验误区3：一定要完完全全从头搭建一个框架如何打破误区，这里我推荐一份学习路线和资源：1.李沐动手学深度学习。跟着网上的教程敲下来，能让你对深度学习有一个基本的认识。期间可以适当看一些论文，时间大概在一个半月左右。2.学习完之后就可以确定一个方向了。确定方向之后，最重要的事情就是先不断积累
翁乐安·2022-11-21 05:33

深度学习之PAN详解

深度学习入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。目录一、提出原因二、PAN结构分析一、提出原因说到PAN，总能联想到与之相似的FPN。
tt丫·2022-11-21 02:09

连续苦情剧：机器学习入门笔记（一）：模型性能评价与选择

一.训练误差与测试误差1.1基本概念在分类任务中，通常把错分的样本数占样本总数的比例称为错误率（errorrate）。比如m个样本有a个预测错了，错误率就是E=a/m；与错误率相对的1-a/m称为精度（accuracy），或者说正确率，数值上精度=1-错误率。更一般地，我们通常会把学习器的实际预测输出与样本的真实输出之间的差异称为误差（error）。学习器在训练集上的误差称为训练误差（traini
测试员小何·2022-11-21 02:04

深度学习入门笔记3 自适应神经元

自适应线性神经元概念自适应线性神经网络（ADALINE——AdaptiveLinearNeuron）是在感知器的基础上进行的一种改进。激活函数采用线性连续的函数来代替阶跃函数。自适应神经元&感知器激活函数：自适应神经元使用线性激活函数，感知器使用阶跃函数。误差更新：自适应神经元在最终结果前进行更新，感知器在最终结果后进行更新。损失函数：自适应神经元使用SSE最为损失函数，感知器没有损失函数。应用：
深度学习从入门到放弃·2022-11-21 02:21

深度学习_误差反向传播法

深度学习_误差反向传播法参考书籍：深度学习入门_基于python的理论与实现正向传播：从计算图出发点到结束点的传播反向传播：从计算图结束点到出发点的传播局部计算：无论全局发生了什么，都能只根据与自己相关的信息输出接下来的结果计算图优点
贪心的柠檬·2022-11-21 01:59

Win10上配置Paddle的PARL运行环境

《PARL强化学习入门实践》课程示例Windo
luckywlj0115·2022-11-20 23:12

深度学习入门笔记之ALexNet网络

Alex提出的alexnet网络结构模型，在imagenet2012图像分类challenge上赢得了冠军。作者训练alexnet网络时大致将120万张图像的训练集循环了90次，在两个NVIDIAGTX5803GBGPU上花了五到六天。来源论文：Krizhevsky,Alex,IlyaSutskever,andGeoffreyE.Hinton.“Imagenetclassificationwith
ysukitty·2022-11-20 22:16

基于simulink的牛鞭效应模型建模与仿真

欢迎订阅《FPGA学习入门100例教程》、《MATLAB学习入门100例教程》目录一、理论基础二、核心程序三、测试结果一、理论基础牛鞭效应，是经济学中的一个术语，它也被称为需求放大效应。
fpga和matlab·2022-11-20 21:08

重装系统超详细教程

系列文章目录提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章Python机器学习入门之pandas的使用提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录系列文章目录前言一
向前ing·2022-11-20 20:41

常用机器学习算法汇总比较(完）

机器学习入门系列（2）–如何构建一个完整的机器学习项目，第九篇！
spearhead_cai·2022-11-20 18:36

机器学习入门实例三——线性回归预测店铺销售额

数据集：数据集下载链接：https://download.csdn.net/download/qq_43705330/85426684wechat：微信公众号的投放金额、weibo：微博的投放广告的金额、others：其他项目投放的金额、sales：商品的销售额数据的热力图代码：importnumpyasnp#导入NumPy数学工具箱importpandasaspd#导入Pandas数据处理工具箱
原知·2022-11-20 17:18

【python和机器学习入门2】决策树2——决策树构建

参考博客：决策树实战篇之为自己配个隐形眼镜（po主Jack-Cui,《——大部分内容转载自参考书籍：《机器学习实战》——第三章目录一构建决策树1.1决策树构建原理1.2决策树结构1.3决策树构建关键代码1.4构建完整代码1.5使用构建的决策树进行预测分类二决策树的存储《——决策树概念子模块等见前篇一构建决策树依旧是用贷款demo，数据如下本章使用ID3算法进行决策树划分，每次划分消耗一个特征属性。
momottyy·2022-11-20 16:56

强化学习入门 Q-learning与SARSA

1.Q-Learning是强化学习算法中Value-based中的一种算法，Q即为Q(s,a)就是在某一时刻的s状态下(s∈S)，采取动作a(a∈A)动作能够获得收益的期望，环境会根据agent的动作反馈相应的回报rewardr，所以算法的主要思想就是将State与Action构建成一张Q-table来存储Q值，然后根据Q值来选取能够获得最大的收益的动作。更简单的理解就是我们基于状态s利用ε−gr
hhhsyf135246·2022-11-20 15:44

机器学习入门（一）编写入门程序

目录1.学习的步骤（本文及后续内容针对开发岗，不深入）2.机器学习库sklearn3.机器学习入门程序（一）导入数据集（二）选择模型（三）训练模型（四）模型预测（五）模型评测(六)模型的保存1.学习的步骤
余崇富·2022-11-20 15:34

深度学习学习路线

深度学习入门的话推荐《TensorFlow：实战Google深度学习框架》，这本书内容比较详细也比较基础，以tensorflow为框架，从搭建网络的每个具体功能讲起，配有示例，逐渐搭起来一个网络，后续
睡觉特早头发特多·2022-11-20 14:13

为什么反向传播更加高效

下面介绍一下计算图，这一部分内容来自斋藤康毅——《深度学习入门基于python的理论与实现》我就不像书中做特别细致的介绍了，很容易的看出来这个图表示的是：100元一个的苹果经过购买
不会真有人是二次元吧·2022-11-20 14:03

基于BP神经网络的含水率预测模型matlab仿真

欢迎订阅《FPGA学习入门100例教程》、《MATLAB学习入门100例教程》目录一、理论基础二、核心程序三、测试结果一、理论基础在人工神经网络的发展历史上，感知机(MultilayerPerceptron
fpga和matlab·2022-11-20 11:03
上一页 30 31 32 33 34 35 36 37 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他