神经网络
就是这个七昂
这个作者很懒,什么都没留下…
展开
-
神经网络学习(1)————单层感知器以及python实现
一、感知器模型单层感知器是感知器中最简单的一种,有单个神经元组成的单层感知器只能用于解决线性可分的二分性问题。在空间中如果输入的数据是可分的,感知器相当于将输入的数据在空间中分为两类,已经证明,如果线性可分则算法一定收敛。单层感知器是指只有一层处理单元的感知器,其中输入层没有处理数据的能力,输入层有n个神经元结点,每个结点接受一个输入信号xi,输入层与输出层之前有权重w,将每个结点组成的输入矩...原创 2018-08-11 17:09:07 · 8926 阅读 · 2 评论 -
吴恩达机器学习笔记(8.机器学习系统的设计)
1,首先要做什么接下来我们将讨论机器学习系统的设计。在设计复杂的机器学习系统时,你将遇到的主要问题。同时我们会试着给出一些关于如何巧妙构建一个复杂的机器学习系统的建议。可能在构建大型的机器学习系统时,节省大量的时间。我么首先要做的就是如何选择并表达特征向量X,以垃圾邮件分类为例,我们可以 选择一个由 100 个最常出现在垃圾邮件中的词所构成的列表,根据这些词是否有在邮件中 出现,来获得我们...原创 2019-01-10 11:34:15 · 244 阅读 · 0 评论 -
吴恩达机器学习笔记(7.应用机器学习的建议)
1,决定下一步做什么当你想优化你的神经网络的时候,你可以从下面的几个方向入手:当然你也可以获得更多的训练样本,但是这样的代价较大。接下来介绍怎样评估机器学习算法的性能,讨论这些方法,它们也被称为"机器学习诊断法"。“诊断法”的意思是:这是一种测试法,你通过执行这种测试,能够深入了解某种算法到底是否有用。这通常也能够 告诉你,要想改进一种算法的效果,什么样的尝试,才是有意义的。这些诊...原创 2019-01-09 21:53:27 · 313 阅读 · 1 评论 -
吴恩达机器学习笔记(15.应用实例:图片文字识别)
1,问题描述和流程图图像文字识别应用所作的事是,从一张给定的图片中识别文字。这比从一份扫描文档中 识别文字要复杂的多。为了完成这样的工作,需要采取如下步骤:1.文字侦测(Text detection)——将图片上的文字与其他环境对象分离开来2.字符切分(Character segmentation)——将文字分割成一个个单一的字符3.字符分类(Character class...原创 2019-01-12 16:06:55 · 2294 阅读 · 0 评论 -
吴恩达机器学习笔记(14.大规模机器学习)
1,大型数据集的学习主要是处理大数据集的算法。如果我们有一亿条数据,那么我们以逻辑回归为例,那么我们将会计算代价函数一亿次,这是一个很大的计算量。首先应该做的事是去检查一个这么大规模的训练集是否真的必要,也许我们只用 1000 个训练集也能获得较好的效果,我们可以绘制学习曲线来帮助判断。2,随机梯度下降法如果我们一定需要一个大规模的训练集,我们可以尝试使用随机梯度下降法(SGD...原创 2019-01-12 15:41:04 · 332 阅读 · 2 评论 -
吴恩达机器学习笔记(13.推荐系统)
1,问题形式化假使我们是一个电影供应商,我们有 5 部电影和 4 个用户,我们要求用户为电影打分。前三部电影是爱情片,后两部则是动作片,我们可以看出 Alice 和 Bob 似乎更倾向与爱 情片,而 Carol 和 Dave 似乎更倾向与动作片。并且没有一个用户给所有的电影都打过分。 我们希望构建一个算法来预测他们每个人可能会给他们没看过的电影打多少分,并以此作为 推荐的依据。下面...原创 2019-01-11 23:03:35 · 477 阅读 · 0 评论 -
吴恩达机器学习笔记(12.异常检测)
1,问题的动机什么是异常检测?假想你是一个飞机引擎制造商,当你生产的飞机引擎从生产线上流出时,你需要进行 QA(质量控制测试),而作为这个测试的一部分,你测量了飞机引擎的一些特征变量,比如引 擎运转时产生的热量,或者引擎的振动等等。这样一来你就有了一个数据集,从到,你将这 些数据绘制成图表,看起来就是这个样子:假如有一天,你生产了一个新的飞机,那么你想检测这个飞机是否正常,...原创 2019-01-11 22:11:19 · 367 阅读 · 0 评论 -
吴恩达机器学习笔记(11.降维)
1,数据压缩下面咱们学习第二种无监督学习,降维。要降维的原因是,一,数据压缩,数据压缩不仅允许我 们压缩数据,可以使用较少的计算机内存或磁盘空间,但它也让我们加快我们的学习算法。降维是什么?比如说我们收集的数据集有很多特征,先绘制两个:假设我们未知两个的特征:原创 2019-01-11 20:59:07 · 433 阅读 · 0 评论 -
吴恩达机器学习笔记(10.聚类)
聚类算法是一个赋监督学习方法,我们将学习无标签数据,而不是之前的标签数据。在非监督学习中,我们的数据没有附带任何标签,我们拿到的 数据就是这样的:我们有一系列点,但是没有标签,因此,我们的训练集可以写成,一直到,也就说在非监督学习中,我们要将一系列无标签的训练数据输入一个算法中,然后让这个算法找出这个数据的内在结构。图上的数据可以分为两个分开的点集,所以,能够找到圈出的这些点集的算法,就被...原创 2019-01-10 21:40:20 · 423 阅读 · 0 评论 -
吴恩达机器学习笔记(1.单变量线性回归)
吴恩达老师的机器学习第一章节的内容是初识机器学习,主要讲解了一些机械学习大名词,什么是机器学习之类的,因为我估计大家都有所了解,所以咱们这里就不再啰嗦,我们直接在第二章开始。也就是单变量线性回归。1,模型描述下面是一组数据 ,横坐标是房屋的尺寸,纵坐标是房屋的价格。每一个点都代表是不同屋子的价格。如果我们想预测一所屋子的价格就可以对数据进行模型的拟合。根据给出的数据...原创 2019-01-05 15:24:23 · 711 阅读 · 0 评论 -
神经网络学习(3)————BP神经网络以及python实现
一、BP神经网络结构模型 BP算法的基本思想是,学习过程由信号的正向传播和误差的反向传播俩个过程组成,输入从输入层输入,经隐层处理以后,传向输出层。如果输出层的实际输出和期望输出不符合,就进入误差的反向传播阶段。误差反向传播是将输出误差以某种形式通过隐层向输入层反向传播,并将误差分摊给各层的所有单元,从而获得各层单元的误差信号,这个误差信号就作为修正个单元权值的依据...原创 2018-09-29 22:59:15 · 81895 阅读 · 52 评论 -
神经网络学习(2)————线性神经网络以及python实现
一、线性神经网络结构模型在结构上与感知器非常相似,只是神经元激活函数不同,结构如图所示:若网络中包含多个神经元节点,就可形成多个输出,这种神经网络可以用一种间接的方式解决线性不可分的问题,方法是用多个线性含糊对区域进行划分,神经结构和解决异或问题如图所示: 利用线性神经网络解决线性不可分问题的另一个方法是对神经元添加非线性输入,从而引入非线性成分,这样...原创 2018-09-27 23:00:47 · 2259 阅读 · 2 评论 -
神经网络学习(4)————自组织特征映射神经网络(SOM)以及python实现
一、自组织竞争学习神经网络模型(无监督学习)(一)竞争神经网络 在竞争神经网络中,一层是输入层,一层输出层,输出层又称为竞争层或者核心层。在一次输入中,权值是随机给定的,在竞争层每个神经元获胜的概率相同,但是最后会有一个兴奋最强的神经元。兴奋最强的神经元战胜了其他神经元,在权值调整中,其兴奋程度得到了进一步的加强,而其他神经元保持不变,竞争神经网络通过这种竞争学习的方式获取训练样本...原创 2018-10-05 10:46:39 · 49988 阅读 · 19 评论 -
神经网络学习——卷积神经网络
卷积神经网络可以分为离散卷积神经网络和连续卷积神经网络。卷积是计算机视觉、图像处理、数字信号、人工智能等很多领域里常用的算法。比如,它可以在图像处理中用于钝化一幅图片,这时我们运用的是二维均值离散卷积。。卷积减弱了原来图片中的噪声,但也降低了图片的清晰度。连续卷积公式:简单地说明:c(x,y):神经网络输出矩阵;f(s,t):权值矩阵,在一些书上叫做滤波器,或者掩膜;不同的...原创 2018-08-17 23:02:21 · 1751 阅读 · 0 评论