- 博客(7)
- 收藏
- 关注
RSS订阅转载 Invalid configuration object...configuration.optimization has an unknown property ‘namedModules‘
错误原因可能是webpack@5.x.x无法向后兼容解决办法：yarn add webpack@4.5.0 --dev
2021-01-07 17:12:45
903
原创 AttachConsole failed with error...，electron-webpack Renderer报错
在文件node_modules/electron-webpack/out/dev/ChildProcessManager.js中，找到这一行const isWin = process.platform === "win32";，把win32改成win64试试问题出处
2021-01-07 16:53:50
414
原创 BP-网络与反向传播算法
BP-网络可谓是机器学习领域的劝退哥，让人觉得难以亲近，其实理解之后会发现它和线性回归、逻辑回归一样，只是做了很简单的事情那么，如何表示BP-网络才能让人更好地理解呢？1）概念表示得是否易于理解，概念是给人看的，越容易理解越好2）必须解释正向和反向传播在干嘛？为什么要进行反向传播？3）应从最简单的神经网络开始，参数少，好记，不会眼花缭乱4）公式、参数的表示和含义都要清楚，尤其是上标、下标...
2020-04-09 00:03:55
475
1
原创 逻辑回归与梯度下降法
在此之前，我们得先重温一下回归，很多时候我们只记得公式，知道逻辑回归是怎么一回事，却忘了回归是什么，怎么来的 回归是一种归纳的思想，在深度学习领域，就是从样本的数据出发，确定某些变量之间的定量关系式；这个建立数学模型并估计未知参数的过程就叫做回归分析好了，我们给出关系式：y^=σ(wTx+b)ŷ=σ(w^Tx+b)y^=σ(wTx+b)σ(z)=11+e−zσ(z)=\frac{...
2020-01-31 00:17:32
1197
1
原创 交叉熵损失函数
信息熵信息熵可以理解为信息杂乱程度的量化描述：信息越多，概率越均等则信息熵就越大；反之，信息越单一，概率越偏向其中某一个信息，那么熵值就越小公式如下：H(X)=−∑i=1nP(x(i))logP(x(i))H(X)=-\sum _ {i=1}^n P(x^{(i)}) logP(x^{(i)})H(X)=−i=1∑nP(x(i))logP(x(i))其中，−logP(x(i))-...
2020-01-15 19:03:24
215
原创 最优性原理
看了很多有关最优性原理的解释，总是感觉不清晰、不透彻，以下是我个人的理解我们先给出定义：最优性原理 对于多阶段决策过程的最优决策序列具有如下性质：不论初始状态和初始决策如何，对于前面决策所造成的某一状态而言，其后各阶段的决策序列必须构成最优策略它看上去很讨厌，如同与你玩文字游戏，我们单看冒号前的文字，可知：1）首先它指出，这是一个性质，是最优决策序列的性质2）假设我们已知这个最优决策序...
2019-12-10 10:40:04
4625
转载 斜投影——学习笔记
当投射直线与投影面不垂直时，投影面得到的就是斜投影，下面我们用一个直观的例子来说明一个直观的例子：假设：1）投影平面为 z=02）直角坐标为(0，0，1)的点P通过斜投影得到点P’3）L为P’到坐标原点的距离4）α为OP’与x轴正向所形成的角5）β为投射直线与投影平面所成的角设三维空间中有直角坐标为(x，y，z)的任意一点Q’（如立方体的顶点），通过斜投影所得投影点的直角坐标为Q...
2019-11-22 23:26:37
6339
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人