- 博客(6)
- 资源 (5)
- 收藏
- 关注
原创 使用Echarts和Ajax动态加载数据进行大数据可视化
在前面的帖子【Java/Web调用Hadoop进行MapReduce示例】中,我们实现了JavaWeb调用Hadoop统计用户上传的文本文件中的单词出现的次数。效果如下:现在我们使用Echarts进行数据可视化,达到如下目的:二、服务器端的改动相比之前,服务器端改用json返回数据,将排过序的map返回,key为单词,value为该单词出现的次数。@Re
2017-08-27 18:56:42 11017 1
原创 神经网络与深度学习 第二章 反向传播算法(两个假设、四个基本方程及其证明、代码及注释)
2.1 热身:神经网络中使用矩阵快速计算输出的方法2.2 关于代价函数的两个假设2.3 Hadamard乘积 s⊙t2.4 反向传播的四个基本方程2.5 四个基本方程的证明2.6 反向传播算法2.7 代码2.8 在哪种层面上,反向传播是快速的算法?2.9 反向传播:全局观2.7 代码:
2017-08-13 21:11:04 3351 2
原创 神经网络与深度学习 使用Python实现基于梯度下降算法的神经网络和自制仿MNIST数据集的手写数字分类可视化程序 web版本
本文描述并实现了一个可视化的基于Python平台和梯度下降算法的神经网络的手写数字识别程序。采用web服务,用户在前台页面的手写板中输入手写数字,并可以输入神经网络进行学习,同时还能进行预测。较好的解决了MNIST数据库以及传统手写数字识别程序过于抽象的问题。但如效果图所示,准备度还大大有待提高,这也是今后努力的方向。
2017-08-07 22:35:41 5886
原创 神经网络与深度学习 自制MNIST测试数据供神经网络测试
一、利用windows自带画图工具画布大小为28*28,用刷子工具,颜色为黑色,写字并保存。二、python代码将其转为灰度图from PIL import Imageimport numpy as npclass Data2: def getTestPicArray(self,filename): im = Image.open(
2017-08-05 18:55:14 1616 1
原创 神经网络与深度学习 1.6 使用Python实现基于梯度下降算法的神经网络和MNIST数据集的手写数字分类程序
import mnist_loadertraining_data, validation_data, test_data = mnist_loader.load_data_wrapper()training_data = list(training_data)# ---------------------# - network.py example:iimport network
2017-08-02 21:55:45 3882
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人