qq_27623521的博客

神经网络即神经网络学习，是机器学习与神经网学习两个学科领域的交叉部分． 神经网络在１９８８年被Ｔ.Kohonen 定义为：神经网络是由具有适应性的简单单元组成的广泛并行互联网络，它的组织能够模拟生物神经系统对真实世界物体做出的交互反应．　 neuron(神经元)模型是神经网络的基本模型． 专属单词 神经元（neuron || unit） 阈值（threshold || bias）连接（connection）激活函数（activation function）感知机（Perceptron）阈值逻辑单元（thr

什么是神经网络CovNet 是一种空间上共享参数的神经网络卷积在神经网络中，图片除了有宽度，高度外 加上图片普遍都存在红绿蓝三色通道，所以图片还有深度。下图例子中的深度就是3 现在假设拿出图片的一小块，运行一个具有K输出的小的神经网络。 像这样把输出表示为垂直的一小列，在不改变权重的情况下 把这个小神经网络滑过。 整个图片，就像我们拿着刷子刷墙一样水平垂直地滑动。在输出端 我们画

很多神经网络领域的重要研究都出现在 1980 年代和 1990 年代 但当时计算机速度非常慢 数据集也很小，研究并未在现实生活中得到很多应用，因此 21 世纪的前十年 神经网络，几乎从机器学习领域完全销声匿迹了，关于神经网络的研究变得非常边缘化。 只有在近几年 首先是 2009 年左右的语音识别。然后是 2012 年左右的计算机视觉。神经经网络才华丽转身 荣耀回归。 究竟什么变了。

在神经网络中加入CNN会大幅度 提升代码的准确率。在之前的博客中有提到过分类，但那当时测试的最终得到的概率并不理想，这次我们换掉那个神经网络，使用CNN劵积神经网络，再跑一次分类看看效率如何。 　　这次使用的劵积结构是 卷积层和最大池化层 相互交替 然后在最末端连接几层全连接层，看下图。 　　话不多说，上代码：# coding:utf-8 import tensorflow as tf i

当数据是有顺序的时候，我们就可以使用RNN了，比如说话的顺序 有序列化的数据等的。 　　在介绍RNN之前，我有篇博客是介绍了CNN,简单提一下，在一张大的图片是上，我们有一个fliter滤波器，通过共用参数来扫描这张图片，提取出一张精髓的图片，再在这这张图片上使用同样个滤波器，再进行一次扫描，总结出一张更为精髓的图片。这个就叫做CNN，详细介绍点这里,RNN也是同样的事情，只是在不同时间顺序上面了