- 博客(11)
- 收藏
- 关注
原创 深度学习简介
深度学习是指多层神经网络上运用各种机器学习算法解决图像、文本等各种问题的算法集合。深度学习从大类上可以归入神经网络,不过在具体实现上有许多变化。深度学习的核心是特征学习,旨在通过分层网络获取分层次的特征信息,从而解决以往需要人工设计特征的重要难题。深度学习是一个框架,包含多个重要算法:Convolutional Neural Networks(CNN)卷积神经网络AutoEncoder(A
2017-09-12 19:20:43
527
原创 C#怎么调用dll接口
第一步,在项目右侧解决方案资源管理器中,添加引用-->浏览-->选中自己要引用的dll第二步,在项目里写下using theNameOfDLL ;第三步,直接在程序中初始化你所需要的类,通过这个类调用其中的方法。例如:我们要调用a.dll 中b类的c方法则:using a;b m=new b();b.c();
2017-06-28 16:14:22
2286
原创 c#将一个文件夹及其里面的所有内容(文件和文件夹)复制到指定路径
string 源文件目录 = @"D:\x"; string 目标目录 = @"F:\y"; public void copyDir(string srcPath, string aimPath) { try {//如果不存在目标路径,则创建之 if (!S
2017-06-28 15:28:26
4436
原创 C++ map用法整理
map是C++中的一个标准容器,提供了很好的一对一关系。与之相似的是unordered_map,下面看下这两个的区别:内部实现机理map: map内部实现了一个红黑树,该结构具有自动排序的功能,因此map内部的所有元素都是有序的,红黑树的每一个节点都代表着map的一个元素,因此,对于map进行的查找,删除、添加等一系列操作都相当于是对红黑树进行这样的操作,故红黑树的效率决定了map的效率;
2017-06-21 10:51:33
464
原创 心电图各波及波段的组成
心电图记录的是电压随时间变化的曲线,心电图记录在坐标纸上,坐标轴为由1mm宽和1mm高的小格子组成。横坐标表示时间,纵坐标表示电压。通常采用25mm/s低俗记录,1小格=1mm=0.04s。纵坐标电压1小格=1mm=0.1mv。 1、P波 由于窦房结位于右心房与上腔静脉的交界处,所以窦房结的激动首先传导到右心房,通过房间束传到左心房,形成心电图上的P波。P波代表了心房的激动,前半部分代表右心
2017-06-08 15:25:42
3658
转载 tensorflow之双向循环神经网络
一、定义尽管从多层感知器(MLP)到循环神经网络(RNN)的扩展看起来微不足道,但是这对于序列的学习具有深远意义。循环神经网络(RNN)的使用是用来处理序列数据的。在传统的神经网络模型中,层与层之间是全连接的,每层之间的节点是无连接的。但是这种普通的神经网络对于很多问题是无能为力的。比如,预测句子的下一个单词是什么,一般需要用到前面的单词,因为一个句子中前后单词并不是独立的。循环神经网络(RNN)指
2017-06-01 14:20:58
4511
原创 tensorflow之RNN
一、概念循环神经网络(Recurrent Neural Network,RNN):它能结合数据点之间的特定顺序和幅值大小等多个特征,来处理序列数据。更重要的是输入序列可以是任意长度的。RNNs的目的是用来处理序列数据。在传统的神经网络模型中,是从输入层到隐含层再到输出层,层与层之间是全连接的,每层之间的节点是无连接的。但是这种普通的神经网络对于很多问题却无能为力。例如,
2017-05-10 15:05:29
464
原创 tensorflow之CNN
一、概述卷积神经网络(Convolutional Neural Network, CNN)是一种深层神经网络模型。它的特殊性体现在两个方面:a.相邻层的神经元之间的连接是非全连接的b.同一层中某些神经元之间的连接的权重是共享的c.空间或时间上的采样前馈神经网络,各神经元从输入层开始,接收前一级输入,并输出到下一级,直至输出层。整个网络中无反馈,可用一个有向无环图
2017-05-08 19:48:59
695
原创 tensorflow实例-多层感知器
一、概念 感知器: 上图就是基本的处理元素,它具有输入、输出,每个输入关联一个连接权重,然后输出是输入的加权和。上图就是一个单层的感知器,输入分别是X0、X1、X2,输出Y是输入的加权和:Y = W0X0 + W1X1 + W2X2。 在实际的使用中,我们的主要任务就是通过数据训练确定参数权重。在训练神经网络时,如果未提供全部样本而是逐个提供实例,
2017-05-04 14:16:59
1099
原创 tenserflow实例之最近邻算法
一、概念&意义邻近算法,或者说K最近邻(kNN,k-NearestNeighbor)分类算法是数据挖掘分类技术中最简单的方法之一。所谓K最近邻,就是k个最近的邻居的意思,说的是每个样本都可以用它最接近的k个邻居来代表。kNN算法的核心思想是如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别,则该样本也属于这个类别,并具有这个类别上样本的特性。该方法在确定分类决策上只依据最邻近的
2017-05-03 15:00:14
896
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