神经网络学习记录
文章平均质量分 61
专注底层算法的视线
张向南zhangxn
邮箱:zhangxn@bit.edu.cn
展开
-
Spiking Jelly中LIF神经元无输入时阈下神经动力学方程的推导
忽略第一个方程中右侧后两项电流,并约去Cm。原创 2024-03-23 22:12:00 · 1197 阅读 · 1 评论 -
一个可以对基于Pytorch搭建的模型的训练过程进行全程追踪的模块
本文所述的Trace模块实现了对损失和准确率的全过程跟踪,并在生成损失与准确率统计图的同时实现损失、准确率和模型本身的同步存储,这使得即使训练间断,训练过程中的数据仍然可以被保留和呈现。原创 2023-12-30 23:00:21 · 2173 阅读 · 1 评论 -
基于X光影像的肺炎诊断卷积神经网络模型
在含624个数据的测试集中,准确率达到了90%。原创 2023-12-21 09:24:23 · 541 阅读 · 0 评论 -
代码解析:(官方)“Tensorflow2.0入门”-MNIST手写数字识别系统的卷积神经网络实现
本文的注释原本是笔者为了自己加深理解而写的,且为方便理解,对源代码的一些表述进行了适当调整,使之更清晰地呈现每个函数和方法的功能。原创 2023-12-10 19:11:57 · 462 阅读 · 1 评论 -
基于前馈网络的手写数字识别系统
这个项目建立了一个含一个隐藏层(50个神经元)的前馈网络。对数字采用One-hot编码,因此输出层设置10个神经元;又因为mnist数据集中图像大小为28*28,故输入层设置784个神经元。原创 2023-11-24 12:49:31 · 829 阅读 · 2 评论 -
波士顿房价多元线性回归模型的Python实现
利用梯度下降法,对房间数、与市中心距离、是否被河流穿过和当地师生比例四个因素建立四元回归模型。构造矩阵X,行数404(训练集中数据条数),列数5。前四列分别为以上述四个自变量为元素的列向量,第四列为全1列向量(作为偏置中的系数)。,前四个元素为上述四个自变量对应的权重,最后一个元素与1的乘积作为偏置。不过由于tensorflow自带计算各元素幂的函数,所以编程中没有使用第二个方程。用Y表示因变量组成的列向量,于是对于上述矩阵,有。原创 2023-11-05 14:26:21 · 360 阅读 · 1 评论 -
一元线性回归的python实现:单因素的波士顿房价预测
利用tensorflow进行矩阵运算。原创 2023-10-31 12:17:03 · 320 阅读 · 2 评论 -
基于前馈神经网络反向传播算法的逻辑抑或运算的C语言实现
然而,通过增加隐藏层而构成前馈神经网络的方法可以逼近划分抑或运算结果所前馈神经网络以Rossenblat感知器作为神经元,通过神经元与神经元间的全连接,使信息向前传递,因而称之为“前馈”。而在调整权重时,前一层的权重变化量由后一层的误差梯度决定,于是误差信息从输出层反向传播,这一修正算法被称之为“反向传播算法”。原创 2023-10-24 12:16:53 · 174 阅读 · 1 评论 -
单个Rossenblat感知器的c语言实现
该程序除定义阶跃函数step( )外可分为两部分,前半部分为训练,后半部分为测试。由于训练所需的数据已经写好,并通过while循环实现迭代,所以程序运行后神经元即可训练完毕。此后会出现Input,在其后输入测试值(0或1),就可以输出其对应的逻辑值。原创 2023-10-21 22:03:01 · 114 阅读 · 0 评论