qq_45648459的博客

原创 项目管理54321管理方法

原创 循环神经网络

循环神经网络（Recurrent Neural Network，简称RNN）是一种通过隐藏层节点周期性的连接，来捕捉序列化数据中动态信息的神经网络，可以对序列化的数据进行分类。

原创 卷积神经网络

卷积神经网络（Convolutional Neural Network，CNN）是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于图像处理有出色表现。它包括卷积层，池化层和全连接层。

原创 神经网络基础（三）

梯度下降实则就是求损失值对所有参数的偏导（梯度），梯度的意义是变化最快的方向，因此可以沿着梯度的负方向更新所有参数。小批量梯度下降（MBGD）：MBGD每次更新的时候会考虑一定数量（batch size）的样本，解决了批量梯度下降法的训练速度慢问题，以及随机梯度下降对噪声敏感的问题。批量梯度下降（BGD）：每次更新使用所有的训练数据，最小化损失函数，如果只有一个极小值，那么批量梯度下降是考虑了训练集所有数据，但如果样本数量过多，更新速度会很慢。数据增强是一个省时有效的方法，在不同领域有不同。

原创 神经网络基础（二）

损失函数衡量了预测与真实样本标签的距离，一般回归问题的损失函数为均方误差损失函数，分类问题选择交叉熵损失函数。对于 深度神经网络来说，设计网络结构主要是确定层数，每层隐藏层的节点数和激活函数，以及输出层的激活函数和损失函数。在多层神经网络中，上层节点的输出和下层节点的输入之间具有一个函数关系，这个函数就是激活函数。初始化参数为0，导致同一层的神经元会学习到相同的特征，梯度下降不会起到作用。2.在分类问题中，输出层的单元数一般等于分类的类型数。预测值之间的平方差的平均值来计算的。5.外面订购图像标注服务。

原创 神经网络基础（一）

人工神经网络：是由人工神经元互连组成的网络，它是从微观结构和功能对人脑的抽象化，是模拟人工智能的重要途经，反映了人脑的主要功能，如并行记忆，学习，联想，模式分类等。1.误差反向传播算法使用链式求导把输出层的误差反向传播给网络，使神经网络的权重有了简单的梯度计算实现方法。单个感知器只能表达线性数据，把多个感知器进行联合起来，就可以表达种类繁多的非线性曲面。生物神经元：生物上，神经元为神经细胞，是神经系统结构和功能的基本单位。人工神经网络主要包括输入层，隐藏层和输出层。线性函数：f(X,W,b) =WX+b。