2015年07月_萌面女xia

11月 08月 07月 06月

原创详细解释CNN卷积神经网络各层的参数和链接个数的计算

卷积神经网络是一个多层的神经网络，每层由多个二维平面组成，而每个平面由多个独立神经元组成。图：卷积神经网络的概念示范：输入图像通过和三个可训练的滤波器和可加偏置进行卷积，滤波过程如图一，卷积后在C1层产生三个特征映射图，然后特征映射图中每组的四个像素再进行求和，加权值，加偏置，通过一个Sigmoid函数得到三个S2层的特征映射图。这些映射图再进过滤波得到C3层。这个层级结构再

2015-07-14 15:44:35 128415 63

原创 Regularization线性回归练习

监督机器学习问题无非就是在规则化参数的同时最小化误差。最小化误差是为了让我们的模型拟合我们的训练数据，而规则化参数是防止我们的模型过分拟合我们的训练数据。因为参数太多，会导致我们的模型复杂度上升，容易过拟合，也就是我们的训练误差会很小。但训练误差小并不是我们的最终目标，我们的目标是希望模型的测试误差小，也就是能准确的预测新的样本。所以，我们需要保证模型“简单”的基础上最小化训练误差

2015-07-10 14:24:14 853

原创神经网络（前向传播和反向传导）

谓神经网络就是将许多个单一“神经元”（图1）联结在一起，这样，一个“神经元”的输出就可以是另一个“神经元”的输入，如图2所示。

2015-07-08 14:57:12 6242

deep learning卷积神经网络CNN在C++环境下的人脸识别库

卷积神经网络CNN在C++环境下的人脸识别库特别适合deep learning的初学者文件里附有readme文件

2015-05-20

1.定时数据通信：每秒钟每台计算机分别交换10、20、30、40、50个字节的数据。 2. 广播通信：每十秒中，发布广播数据对各个计算机的时钟进行同步。 3. 错误检测：CRC错误检测，有错误时，采用相应的错误处理程序。 4. 网络管理：随时获知网络中各节点的工作状态，当有节点故障退出网络或新的节点加入网络时，能够记录网络状态。 5. 数据记录：在任一个网络节点上，都可以实时记录本节点的数据，并以曲线形式观察当前和历史数据及节点的工作状态。硬件环境：由5台计算机组成的5个网络节点，采用RS-485互联。软件环境：采用VB编程语言编写程序。

2013-08-22

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

dcxhun3的博客

原创详细解释CNN卷积神经网络各层的参数和链接个数的计算

原创 Regularization线性回归练习

原创神经网络（前向传播和反向传导）

caffe预测、特征可视化python接口调用

deep learning卷积神经网络CNN在C++环境下的人脸识别库

Qt4.3版本适用于windows下的QT

基于RS485的的网络通信协议设计与实现

空空如也

原创 详细解释CNN卷积神经网络各层的参数和链接个数的计算

原创 Regularization线性回归练习

原创 神经网络（前向传播和反向传导）

caffe预测、特征可视化python接口调用

deep learning卷积神经网络CNN在C++环境下的人脸识别库

Qt4.3版本适用于windows下的QT

基于RS485的的网络通信协议设计与实现

空空如也

原创详细解释CNN卷积神经网络各层的参数和链接个数的计算

原创神经网络（前向传播和反向传导）