- 博客(9)
- 资源 (7)
- 收藏
- 关注
原创 神经网络15分钟入门——使用python从零开始写一个两层神经网络
本篇是该系列的第三篇,建议在阅读本篇文章之前先看前两篇文章。Mr.括号:神经网络15分钟入门!足够通俗易懂了吧Mr.括号:神经网络15分钟入门!——反向传播到底是怎么传播的?在本文中将使用python实现之前描述的两层神经网络,并完成所提出的“象限分类”的问题。需要注意的是,虽然标题叫做神经网络15分钟入门,但是到这篇文章,对于没接触过python的同学,15分钟怕是不太够。好在p...
2019-10-29 22:35:41 2787 1
原创 神经网络15分钟入门!——反向传播到底是怎么传播的?
上一篇神经网络15分钟快速入门!足够通俗易懂了吧文章中对两层神经网络进行了描述,从中我们知道神经网络的过程就是正向传播得到Loss值,再把Loss值反向传播,并对神经网络的参数进行更新。其中反向传播正是神经网络的要点所在。本篇将对反向传播的内容进行讲解,力求通俗,毕竟只有15分钟时间~一、链式法则在讲反向传播之前先讲一下链式法则。假设一个场景,一辆汽车20万元,要收10%的购置税,...
2019-10-29 22:34:48 1024 2
原创 神经网络15分钟入门,足够通俗易懂了吧
网络上已经有很多神经网络入门的视频和文章,不过很多都艰深且冗长,即使是所谓的小白教程也看得让人脑仁疼。 本篇文章试图使用最简洁易懂的文字对一个典型神经网络做一个较为完整的介绍。力求读者在读完本篇文章后对神经网络能有一个清晰且全面的认识。任务描述 如下图,我们已知四个数据点(1,1)(-1,1)(-1,-1)(1,-1),这四个点分别对应I~IV象限,如果这时候给我们...
2019-10-29 22:33:43 2109 1
原创 如何科学地做一名巫师——使用ARMA做时间序列预测全流程
你有没有遇到过这样的问题:我有一段数据,它是随着时间等间隔采样的,现在想用某种方法预测出后续一段时间的趋势。这就是所谓的时间序列的预测问题。时间序列预测的应用主要是在经济领域,比如预测股市行情,预测GDP走势;也可以用来预测机械性能退化趋势或者其他诸如某个量随时间变化这样的场景当中。AR/MA/ARMA模型是分析时间序列的重要方法,在本篇文章中将重点介绍如何使用ARMA(p,q)模型对时间...
2019-10-29 22:32:04 6204 2
原创 概率论中的“矩”是什么意思
在前两篇文章(时域分析——有量纲特征值含义一网打尽、时域分析——无量纲特征值含义一网打尽)中提到了“矩”这个概念。例如期望是一阶矩,方差是二阶矩等等。要怎么理解“矩”这个概念呢?说到“矩”,很容易想到物理学上的“力矩”,而“力矩=力臂×力”。我们从力矩开始说起。原点矩首先我们来看一个例子:这里有一个船舵,有三个船员都用力转动船舵,不过着手点力臂分别L1 、L2和L3。那么平均力...
2019-10-29 22:29:08 8789 5
原创 衡量数据“像不像”——协方差与相关系数
协方差与相关系数也是在时域分析时常见的两个概念,他们都是用来描述数据“像不像”的。1.协方差对于信号X和Y,其协方差定义为:可以描述为:(信号X减X期望)乘以(信号Y减Y期望)的期望。当X和Y相等时,则:,也就是方差。可见方差是协方差的一个特例。好,我们看回来协方差。我们有两段信号X和Y,其波形如下图:信号X与信号Y分别计算“(信号X减X期望)”和“(信...
2019-10-29 22:26:03 959
原创 时域分析——无量纲特征值含义一网打尽
上一篇文章中我们讲到了有量纲的特征值含义。(Mr.括号:时域分析——有量纲特征值含义一网打尽)然而在信号表征时,有量纲指标虽然对信号特征比较敏感,但也会因工作条件(如负载)的变化而变化,并极易受环境干扰的影响,具有表现不够稳定的缺陷。相比而言,无量纲指标能够排除这些扰动因素的影响,因而被广泛应用于特征提取的领域当中。无量纲指标主要包括峰值因子,脉冲因子,裕度因子,峭度因子,波形因子以及峭度因子...
2019-10-29 22:25:02 10261
原创 时域分析——有量纲特征值含义一网打尽
在之前的文章(Mr.括号:信号时域分析方法的理解(峰值因子、脉冲因子、裕度因子、峭度因子、波形因子和偏度等))里对时域指标做过一些分析。最近由于新建立一个公众号(括号的城堡)将会对以前讲过的内容进行系统的梳理。内容将在公众号首发,欢迎大家关注。时域特征值是衡量信号特征的重要指标,时域特征值通常分为有量纲参数与无量纲参数。所谓“量纲”,简单地理解就是“单位”。有量纲的参数就是有单位的,比如平...
2019-10-29 22:23:39 9307 3
原创 用深度学习做了下中国股市预测,结果是...
从这篇开始,我们的专栏将正式开始涉及人工智能领域。人工智能常常用来解决分类和回归的问题。字母、语音、图像识别这些可以看做分类问题,而基于时间序列的预测就是一种回归分析。人工智能乃至深度学习还是有着颇深的理论门槛的,本人目前也还在学习中。但是如果我们只是想简单的应用一下,还不是太难。这篇文章我们将使用深度学习的方法,针对1991年至今的上证指数进行时间序列的预测,来看一看未来大盘的走势如何。...
2019-10-29 22:22:53 2656 1
小波阈值MATLAB代码,可以实现软阈值、硬阈值以及5种改进阈值方法,封装好的函数快速实现
2022-12-07
功率谱熵、奇异谱熵、能量熵、近似熵、样本熵、排列熵、模糊熵的特征提取MATLAB程序
2022-12-05
特征提取(时域有量纲特征、时域无量纲特征、频域指标和谱峭度相关参数)的MATLAB程序
2022-07-11
使用python从零开始写一个两层神经网络
2019-09-01
MATLAB读取TDMS文件函数
2018-07-02
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人