- 博客(7)
- 资源 (4)
- 收藏
- 关注
RSS订阅原创 聚类分析（二）：图团体检测
接着上篇介绍聚类算法，本篇介绍图团体检测算法。图团体检测当我们的样本以及样本之间的关系可以被表示为一个网络或图（graph）时，可能存在这样的需求：我们想找出来网络中联系比较”紧密”的样本。举个例子，在社交网站中，用户以及用户之间的好友关系可以表示成下面的无向图，图中的顶点表示每个用户，顶点之间的边表示用户是否为好友关系：直观上我们可以看出a,b,e,f之间的关系比较密切，c,d,...
2018-04-26 15:38:53
8394
4
原创 聚类分析（一）：K均值聚类与层次聚类
介绍三类聚类分析算法，本篇介绍K均值聚类、层次聚类，下篇介绍图团体（graph community）聚类。聚类分析又称群分析，它是研究样本分类问题的一种统计分析方法，同时也是数据挖掘的一个重要算法。聚类分析以相似性为基础，在一个聚类（cluster）中的样本模式之间比不在同一聚类中的样本模式之间具有更多的相似性K均值聚类算法描述：算法随机将每个样本分配到K聚类中的一类，然后计算每个...
2018-04-25 18:28:48
17348
5
翻译 神经网络与深度学习（六）：通往深度学习
上一章中，我们学习到深度网络比浅层网络难以训练。这很可惜，因为我们有充分的理由相信，如果我们可以训练深度网络，它将比浅层网络强大很多。虽然上一章的消息很令人沮丧，但是我们不会放弃。本章中，我们来看看一些可以训练深度网络的技术。我们还将看看更广阔的画面，看看深度网络最近取得的进展，在图像识别，语音识别，和一些其他方面。然后我们简单展望一下深度网络的未来，人工智能的未来。本章会比较长，为了帮助一导...
2018-04-19 11:41:35
2097
1
翻译 神经网络与深度学习（五）：深度网络训练难点
想象一下你是一位工程师，需要从头开始设计一台电脑。有一天你正在办公室里设计你的逻辑电路，设置AND门，OR门，等等，然后你的老板进来了，带来一个坏消息：客户加了一个不可思议的需求，就是整个电脑的设计必须只包含两层，如下图： 你彻底傻了，跟老板抱怨：客户疯了吧。 老板说：我也觉得他们疯了，但是客户是上帝，他们要什么我们就得给什么。事实上，也不能说客户完全疯了。假定你的AND逻辑电路的输入...
2018-04-19 11:34:57
4961
翻译 神经网络与深度学习（三）：如何提升神经网络学习效果
一个高尔夫球手练习高尔夫球时会花绝大多数时间练习基本的挥杆动作。在基本的挥杆动作的基础上，逐渐的才会练习其他动作。相似的，目前为止我们一直专注在理解BP算法， 它是我们的基础”挥杆”动作，学习神经网络的基础。这章中我会解释一些用来提升BP算法的技术，以提高神经网络的学习。本章介绍的技术包括：1，新的cost函数，cross-enropy cost函数；2，regularization方法（L1...
2018-04-19 11:23:50
6821
翻译 神经网络与深度学习（二）：BP算法
上一章中我们学习了神经网络怎么通过梯度下降算法学习权重和偏移的。但是我们的讨论中缺了一块：我们没有讨论如何去计算损失函数的梯度。本章中，我将介绍一个计算梯度的快速算法：逆向传播算法(backpropagation)。BP算法在1970年代首次被提出，但是直到David Rumelhart, Geoffrey Hinton, 和Ronald Williams 1986年的一篇论文，人们才意识到它...
2018-04-19 10:59:48
8960
翻译 神经网络与深度学习（一）：神经网络与数字识别
人类视觉系统是比较神奇的存在之一。考虑下面的数字手写体：大部分人可以毫不费力的识别出这些数字：504192。其实这个识别的过程并没有想象的那么简单容易。人类大脑的两个半球，各有一个主要的视觉皮层，被称为V1，包含1400万神经元，百亿级别的的神经链接。并且人类的视觉处理不仅V1参与，整个一系列的视觉皮层–V2,V3,V4和V5–参与处理越来越复杂的图片处理。 我们的脑子好比一个超级计算机，...
2018-04-19 10:52:41
2844
Web Information Extraction
2018-11-28
嵌入式Linux应用程序开发标准教程
2014-01-24
嵌入式系统原理与设计 中文清晰版本
2014-01-24
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人