- 博客(8)
- 收藏
- 关注
RSS订阅原创 数理逻辑习题集（3）
1 若ξ~N（0,1），η=2ξ-1，则η~（ ） A. N（0,1） B. N（-1，4） C. N（-1,3） D. N（-1,1）参考答案：B 解析： 1： E(η) = E(2ξ-1) = 2E( ξ) - 1 = -1. 2： η的方差 = E(η^2) - E(η)^2 = E(4 ξ^2 - 4 ξ + 1 ) - 1 = 4 -
2017-09-25 18:51:34
2488
原创 数学逻辑习题集（2）
1 下列函数中只有（ ）才可能是一个随机变量的分布密度 A、（A） B、（B） C、（C） D、（D）参考答案：B解析：积分为1，只有B满足。2 令p：今天下雪了，q：路滑，则命题“虽然今天下雪了，但是路不滑”可符号化为（）。 A、p∧┐q B、p∨┐q C、p∧q D、p→┐q参考答案：A解析：看到是一个否定。3 粮库内有两堆
2017-09-21 22:28:48
1679
原创 数理逻辑习题集（8）
这次的题目都不是太难，很好过。 1.面值是2元、5元的人民币共11张，合计43元，面值是2元、5元的人民币各有多少张？ A.2,9 B.3,8 C.4,7 D.5,6 E.6,5参考答案：C解析：设面值为2的张数为X，面值为5的张数为Y，求解2元一次方程组即可。 2.给定正数W[i],1≤i≤n，以及m，求解所有满足加和等于m的W[i]的子集。如果每一个解都用
2017-09-17 23:10:20
1515
原创 神经网络与深度学习（8）
0. 写在前面又到了一周作业的时间了。只不过从第二周开始，我们增加了编程题作业。也就是说以后一周会有2份作业了。1. 习题1What does a neuron compute? A. A neuron computes a function g that scales the input x linearly (Wx + b)B. A neuron computes the mean of al
2017-09-05 19:33:57
3450
12
原创 神经网络与深度学习（7）
1. 向量化logistic回归中的梯度输出还记得我们上一节所讲的么，我们基本上消灭了2个循环，一个内循环，一个外循环。但是那都是建立在向量化的基础上。但这都只是在正向传播的过程中。在反向传播的部分，我们仍然可以使用向量化，来使得程序更加迅速的执行。在第五节的时候，我们讲过dz的计算：dz(i)=a(i)−y(i)dz^{(i)}=a^{(i)}-y^{(i)}，那么根据我们上一节的经验，我们应该可
2017-09-04 21:50:52
1053
原创 神经网络与深度学习（6）
1. 向量化1.1向量化是什么我们这里首先就要详细介绍一下向量化。 我们要向量化的地方主要是logsitic回归中的z=WTX+bz=W^TX+b中的循环计算，因为我们知道W和X都是向量，如果一定要实现的话，可能是这样子(原谅吴大大的真迹)： 这样就需要很多循环嵌套，而如果使用向量化的话，那么算法就非常简单了： 只需要这样一句话，其核心就是np.dot(w,x)，这是python里的数组
2017-09-03 20:56:20
1043
原创 神经网络与深度学习（5）
1. 计算图模型计算图模型是深度学习与神经网络的基础。如果你对神经网络了解不是那么透彻的话，你可能是第一次听说计算图模型，计算图不仅仅可以用在深度学习中，它在其他领域也有相关的应用。在深度学习中，我们把一次训练过程看作是一个前向传播和后向传播相结合的过程。下面我们分别看一下前向传播和后向传播的过程。2. 前向传播前向传播就是传统的计算图，它可以把任意的计算式转换为计算图来进行理解和运行。下面我们就举
2017-09-02 11:15:07
1127
原创 神经网络与深度学习（4）
0. 写在前面从这一节开始，我们就进入到了第二周的学习，这才是真正的内容。1. 约定符号在我们开始讲logistic回归问题时，我们需要对一些符号进行一定的约定，这样非常有助于后面的理解（这是真的，尤其是在Tensorflow或者CNTK等框架中，同样是这样的表述）。首先，logistic回归问题是一个二分类问题，即给定一些输入，输出只会有0或者1，正如下图所示，判断图片里的内容只有是不是猫两种答案
2017-09-01 19:39:22
1045
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