- 博客(9)
- 收藏
- 关注
转载 简单有趣介绍神经网络
作者:王小龙链接:http://www.zhihu.com/question/22553761/answer/36429105来源:知乎著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。神经网络很萌的!0. 分类神经网络最重要的用途是分类,为了让大家对分类有个直观的认识,咱们先看几个例子:垃圾邮件识别:现在有一封电子邮件,把出现在里
2016-06-23 18:50:53 1587
转载 各种算法的优点与缺点
1决策树(Decision Trees)的优缺点决策树的优点:一、 决策树易于理解和解释.人们在通过解释后都有能力去理解决策树所表达的意义。二、 对于决策树,数据的准备往往是简单或者是不必要的.其他的技术往往要求先把数据一般化,比如去掉多余的或者空白的属性。三、 能够同时处理数据型和常规型属性。其他的技术往
2016-06-23 18:44:05 4844
转载 BP神经网络梯度下降算法
菜鸟初学人智相关问题,智商低,艰苦学习中,转文只为保存,其中加上了一些个人注释,便于更简单的理解~新手也可以看,共勉。转自博客园@编程De: http://www.cnblogs.com/jzhlin/archive/2012/07/28/bp.html从神经网络的生物模型说起 我们知道人大脑信息的传递、对外界刺激产生反应都由神经元控制的
2016-06-23 18:21:51 16866 7
转载 10个深度学习的工具
本周早些时候Google开源了TensorFlow(GitHub),此举在深度学习领域影响巨大,因为Google在人工智能领域的研发成绩斐然,有着雄厚的人才储备,而且Google自己的Gmail和搜索引擎都在使用自行研发的深度学习工具。无疑,来自Google军火库的TensorFlow必然是开源深度学习软件中的明星产品,登陆GitHub当天就成为最受关注的项目,当周获得评星数就轻松超过1万
2016-06-15 18:36:10 15402
转载 Wellner 自适应阈值二值化算法
参考文档: Adaptive Thresholding for the DigitalDesk.pdf Adaptive Thresholding Using the Integral Image.pdf 源:http://www.cnblogs.com/Imageshop/archive/2013/04/22/3036127.html?utm_source=tu
2016-06-11 13:10:58 10702
转载 使用scikit-learn进行机器学习的简介(教程1)
一、机器学习:问题设定通常,一个学习问题是通过分析一些数据样本来尝试预测未知数据的属性。如果每一个样本不仅仅是一个单独的数字,比如一个多维的实例(multivariate data),也就是说有着多个属性特征我们可以把学习问题分成如下的几个大类:(1)有监督学习数据带有我们要预测的属性。这种问题主要有如下几种:①分类样例属于两类或多类,我们想要从已经
2016-06-07 15:49:39 9008
转载 Theano-卷积神经网络
供大家相互交流和学习,本人水平有限,若有各种大小错误,还请巨牛大牛小牛微牛们立马拍砖,这样才能共同进步!若引用译文请注明出处http://www.cnblogs.com/charleshuang/。 本文译自:http://deeplearning.net/tutorial/lenet.html文章中的代码截图不是很清晰,可以去上面的原文网址去查看。 1、动机
2016-06-04 13:08:45 1142
转载 卷积神经网络实现
Convolutional Neural Networks (LeNet)NoteThis section assumes the reader has already read through Classifying MNIST digits using Logistic Regression and Multilayer Perceptron. Additionally,
2016-06-03 18:10:11 1850
转载 基于 Python 和 Scikit-Learn 的机器学习介绍
基于 Python 和 Scikit-Learn 的机器学习介绍来自:http://developer.51cto.com/art/201507/485276.htm我叫Alex,我在机器学习和网络图分析(主要是理论)有所涉猎。我同时在为一家俄罗斯移动运营商开发大数据产品。这是我第一次在网上写文章,不喜勿喷。现在,很多人想开发高效的算法以及参加机器学习的竞赛。所以他
2016-06-03 18:00:38 726
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