![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习-学习笔记
文章平均质量分 60
高级混子
这个作者很懒,什么都没留下…
展开
-
MDN混合密度神经网络 pytorch实现
混合密度模型用于处理一个x对应于多个y的情况。本文参考https://blog.csdn.net/jianbinzheng/article/details/86555869,使用pytorch实现混合密度模型首先讨论神经网络拟合1个x仅对应1个y的情况:y=7.0sin(0.75x)+0.5x+ϵy=7.0sin(0.75x)+0.5x+\epsilony=7.0sin(0.75x)+0.5x+ϵ, 其中ϵ\epsilonϵ为高斯噪声造出训练数据import matplotlib.pyplot as原创 2021-05-13 10:43:26 · 1920 阅读 · 0 评论 -
吴恩达机器学习笔记——多层全连接网络
多层全连接神经网络多层神经网络中的符号表示在计算网络层数的时候,一般只记录输出层和隐藏层,因此,上图为一个4层的神经网络,令L为网络的层数,L=4.对于输入层,习惯性称为“第零层”,由于计算机中的数组通常是从0开始的,第0层这种叫法有利于统一形式。对于每一层(从1到L)都有两个参数W和b(为了区分不同层的W和b,将他们记为:W[l],b[l]W^{[l]} ,b^{[l]}W[l],b[l],他们都是矩阵,其维度如下:W[l]:(n[l],n[l−1]) W^{[l]}: (n^{[l]},n^{原创 2020-10-06 17:44:39 · 893 阅读 · 0 评论 -
吴恩达机器学习笔记——含一个隐藏层的神经网络
含一个隐藏层的神经网络含一个隐藏层的神经网络构造如下图所示:其中记号用a上标的方括号a[n]a^{[n]}a[n]代表是第n层的a,用下标表示是某一层下面的某一个神经元,如图中的a1[2]a^{[2]}_1a1[2]代表第二层的第一个神经元。中间层,即隐藏层的大小是可以自己设定的,如图中设置了4个节点。模型表达同样以二分类模型为例:给出待判断的物体的n个特征x1,x2,...xnx_1,x_2, ... x_nx1,x2,...xn给出待判断物体的类别:0或1对于两层的神经网络原创 2020-10-04 10:14:46 · 1501 阅读 · 0 评论 -
吴恩达机器学习笔记(加部分自己推导)
单层神经网络以一个二分类模型为例子,模型描述如下:给出待判断的物体的n个特征x1,x2,...xnx_1,x_2, ... x_nx1,x2,...xn给出待判断物体的类别:0或1模型建立:令n个w, 记为:w1,w2,...,wnw_1,w_2,...,w_nw1,w2,...,wn,和常数b,令其满足如下公式:P=σ(w1∗x1+w2∗x2+...+wn∗xn+b)P=\sigma(w_1*x_1+w_2*x_2+...+w_n*x_n+b)P=σ(w1∗x1+w2∗x2原创 2020-09-13 21:51:10 · 182 阅读 · 0 评论