博客首页 → 神经网络

最新文章列表

深度学习：前向传播和后向传播算法

看到一篇比较不错的讲解BP算法的博客，博客中列出的参考文档也挺好。 https://blog.csdn.net/u014688145/article/details/78691262
人工智能机器学习深度学习神经网络BP算法 
peng4602 评论(0) 有968人浏览 2019-04-20 18:36

BP神经网络手写数字识别软件EasyOCR 1.2.0发布，新增MNIST数据集图片和宽幅数字识别

本软件是一个手写体数字识别软件，采用BP神经网络，基于colt数学库，有完整源码，可以保存训练结果，基于开源例程neuralnetwork-sample，原作可以在GitHub中找到。主要改进了训练结果保存，并新增500张手写训练样本照片。新版本1.2.0新增宽幅数字识别和流行手写数字数据集MNIST前6076幅图片。欢迎使用。 码云项目链接： https://gitee.com/jerryshe ...
神经网络人工智能BP神经网络手写数字识别OCR 
jerry_shen 评论(0) 有804人浏览 2018-09-23 16:48

智能手机跑大规模神经网络的主要策略

摘要： 这些方法可以让深度学习跑在你的手机上！   计算机具有高储量的硬盘和强大的CPU和GPU。但是智能手机却没有，为了弥补这个缺陷，我们需 ...
人工智能神经网络 
猫耳呀 评论(0) 有332人浏览 2018-05-07 16:01

技术文章｜全面连接困何处_卷积网络见解深（深度学习入门全系列）

本文来源于阿里云-云栖社区，原文点击这里。   在前面的文章中，我们介绍了反向传播(Back Propagation，简称BP) 算法，在本质上，BP算法是一种全连接神经网络。
深度学习大数据算法配置神经网络 
Gamay 评论(0) 有14人浏览 2017-08-02 14:48

第3章 最小均方算法(二)

第3章 最小均方算法(二)   Gauss-Newton法推导最小二乘滤波器   Winner滤波器：遍历环境下线性最小二乘滤波器的极限形式    
线性最小二乘滤波器维纳滤波器维纳解神经网络遍历环境极限形式推导 
天子之骄 评论(0) 有578人浏览 2017-03-15 14:19

第2章 通过回归建立模型(三)

第2章 通过回归建立模型(三)   正则最小二乘估计(与ML、MAP估计器的关系)     最小描述长度原则(MDL)   模型阶选择  
正则最小二乘估计最小描述长度原则(MDL)模型阶选择神经网络机器学习 
天子之骄 评论(0) 有551人浏览 2017-03-11 20:32

第2章 通过回归建立模型(二)

第2章 通过回归建立模型(二)   MAP(最大后验)估计器、ML(最大似然)估计器   高斯环境下的参数估计(前提假设)   高斯环境下的参数估计(推导)       (补充)：             
MAP最大后验估计器ML最大似然估计器高斯环境参数向量估计神经网络机器学习 
天子之骄 评论(0) 有605人浏览 2017-03-11 16:53

第2章 通过回归建立模型(一)

第2章  通过回归建立模型(一)   线性回归模型      贝叶斯方法                     
线性回归模型贝叶斯方法神经网络机器学习概率密度 
天子之骄 评论(0) 有632人浏览 2017-03-11 13:45

第0章 导言

第0章 导言   这一章扫盲式的粗浅概述，不难理解和阅读，唯有两块，值得做一下笔记和演练。不过原谅笔者时间紧张，word绘图以及设计菜的扣脚，所以有关于数学公式推演以及基本模型一律手画手写渣机拍照然后上传。   0.5 反馈  单环反馈系统(P19 图12)    0.7  协方差矩阵 假设 X 是以 n 个标量随机变量组成的列向量，并且μk 是其第k个元素的期望值，即，μk= E ...
神经网络机器学习学习笔记协方差矩阵反馈算子 
天子之骄 评论(0) 有423人浏览 2017-02-26 16:48

windows 10下安装GPU版MXNet

上回说到编译CPU版的MXNet： http://cherishlc.iteye.com/blog/2299864 最近攒了个带GPU的本本，，终于可以整GPU版的啦~ 过程和编译CPU版的差不多，但是却花了3天时间填坑，，具体过程本文不再详述，请先编译CPU版。 与编译CPU版不同之处在于： win10下必须使用Cuda8RC（我的是965m的GPU），虽然Cuda7.5有win10版本，实测 ...
神经网络MXNet 
cherishLC 评论(0) 有8601人浏览 2016-06-03 21:28

windows下安装CPU版mxnet

MXnet （mix net）类似Caffe，Tensorflow，是一个深度学习框架， 优点是很省显存，，而且windows下也能用~~ Mxnet是DMLC的子项目：http://dmlc.ml/ Mxnet官网：http://mxnt.ml/en/latest// windows下安装GPU版本参见我的另一篇博文（需要先看完这篇）：http://cherishlc.iteye.com/ ...
学术C++Python神经网络MXNet 
cherishLC 评论(0) 有17626人浏览 2016-05-23 23:14

意识的本质和一个人工脑模型

主要是关于人工智能的一些想法，有些其它内容见我的个人主页www.zhangrex.com(国内上不了)，所以写一些文字重新在这里发一遍。 很久没关心人工智能， ...
人工智能神经网络人工脑模型意识意识的本质 
drinkjava2 评论(0) 有743人浏览 2016-04-03 19:40

深度学习之四：使用Theano编写神经网络

上一篇说到windows下面的Theano安装，在前面的文章中也介绍了几种常见的神经网络形式，今天就使用Theano来编写一个简单的神经网络   我把Theano形容成 ...
Theano神经网络 
u010223750 评论(0) 有5771人浏览 2016-03-29 22:09

java版本的神经网络——开源框架JOONE实践

由于实验室事情缘故，需要将python写的神经网络转成Java版本的，但是python中的numpy等啥包也不知道在Java里面对应的是什么工具，所以索性直接寻找一个现成可用的Java神经网络框架，于是就找到了JOONE，JOONE是一个神经网络的开源框架，使用的是BP算法进行迭代计算参数，使用起来比较方便也比较实用，下面介绍一下JOONE的一些使用方法。   JOONE需要使用一些外部的依 ...
神经网络JOONE 
u010223750 评论(3) 有4491人浏览 2016-03-11 11:13

Micheal Nielsen's神经网络学习之三：过拟合与规范化

依然是Michael Nielsen的书，依然是神经网络，上文说到的是神经网络有关于损失函数的调整使得学习速度加快，但是还是有几个问题没有解决：   过拟合问题 权重和b初始化问题 一，首先来看第一个问题：过拟合（overfitting） 什么是overfitting，我这个人不是典型的学院派，所以正儿八经的定义也不会用，用我的话说就是学习过度，主要表现在两个方面：第一，在现有的训 ...
机器学习神经网络过拟合规范化 
u010223750 评论(0) 有4123人浏览 2016-01-18 01:24

Micheal Nielsen's神经网络学习之二

依然是跟着Michael Nielsen的神经网络学习，基于前一篇的学习，已经大概明白了神经网络的基本结构和BP算法，也能通过神经网络训练数字识别功能，之后我试验了一下使用神经网络训练之前的文本分类，只是简单的使用了词频来作为词向量处理过程，没有任何的其他调参过程，对于八分类，其正确率到了84%，相比于之前各种调参才能勉强达到72%的SVM分类方法而言，神经网络有无可比拟的简单和高正确率。好了， ...
机器学习神经网络损失函数互熵 
u010223750 评论(0) 有2317人浏览 2016-01-13 19:39

Michael Nielsen 's 神经网络学习之一

最近看到了一个比较好的神经网络和深度学习的网站，http://neuralnetworksanddeeplearning.com/，其实也不算是网站，算是Michael Nielsen的书籍电子版，写的算是比较生动简介，我这部分系列的文章算是一个跟书笔记，也算是半吊子翻译和代码注释工，恩，背景介绍到这里（大神直接看原文就行了，可以不用看后面的渣文了）。   没接触神经网络之前，我觉得神经网络 ...
神经网络机器学习手写数字识别 
u010223750 评论(0) 有3870人浏览 2016-01-03 17:33

人工智能应用实例：数字识别(神经网络)

人工智能应用实例：数字识别(神经网络)     场景设置     现提供一大堆8*8像素的图片，每张图片上面都是一个手写体的数字0-9，要求通过神经网 ...
人工智能AI数字识别神经网络 
Marshal_R 评论(0) 有5085人浏览 2015-01-01 19:47

吐槽一下UFLDL上神经网络反向传播算法的公式

在斯坦福的神经网络课件的反向传播算法一节(http://ufldl.stanford.edu/wiki/index.php/Backpropagation_Algorithm)，对于权重更新，有着以下的公式，记为公式(1)： 其中，m为样本个数。 首先，这组公式肯定是正确的，而且是很直观。今天重看时还被其直观性所折服！ 这种做法也给了我做事儿的一种思路：先针对一个样本的情况，进行公式的推导，得到初 ...
神经网络 
cherishLC 评论(0) 有4112人浏览 2014-09-28 21:52

最近博客热门TAG

Java(141746) C(73651) C++(68608) SQL(64571) C#(59609) XML(59133) HTML(59043) JavaScript(54918) .net(54785) Web(54513) 工作(54116) Linux(50906) Oracle(49876) 应用服务器(43288) Spring(40812) 编程(39454) Windows(39381) JSP(37542) MySQL(37268) 数据结构(36423)

博客人气排行榜

    博客电子书下载排行

      >>浏览更多下载

      相关资讯

      相关讨论

      Global site tag (gtag.js) - Google Analytics