自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(13)
  • 收藏
  • 关注

原创 BP算法训练一个含m-h-1个隐节点的单隐层单输出感知器网络

BP算法训练一个含m-h-1个隐节点的单隐层单输出感知器网络

2024-06-13 15:50:44 216

原创 通信系统的组成

通信指需要信息的双方或多方在不违背各自意愿的情况下采用任意方法,任意媒介,将信息从一方准确安全的传递到另一方。通信系统:传输信息所需技术设备的总和。信源:信息的发送源,信息通过信号承载,信源信号分为模拟信号,数字信号;模拟信号:特征量取值连续的信号(振幅、频率、相位)数字信号:特征量取值离散的信号;发送设备将信源和传输媒介匹配起来,将信源产生的消息信号变换成便于传送的形式。可能包含:变换、放大、滤波、编码、调制等过程;对于多路传输,还包括多路复用器;

2024-05-24 21:55:25 292

原创 WIFI 频段介绍

wifi频段相应介绍

2024-05-24 21:15:16 399 1

原创 GRNN(广义回归神经网络)-RBF的一种

个人感觉GRNN就是计算测试样本和训练样本之间的相似度,所有的现有数据都会对预测起作用,是另一种形式的归一化,但是这种方法应该更适合小样本,或者写好了优化算法的。其中一个节点输出S_D为模式层输出的算术和,其余节点输出S_Ni均为模式层输出的加权和,具体的计算公式如下,其中ω_ij为加权系数,即第i个输入对应的输出。注意:平滑因子对网络性能影响较大,需要使用优化算法优化。其中x_i为训练样本,x_j为学习样本,σ为平滑因子,GRNN网路结构如图所示,包括四层:输入层、节点数为输出样本数+1,

2024-05-18 17:41:30 234

原创 神经网络训练流程-数据收集和数据预处理

神经网络是一种由数据决定效果的办法,其数据必须也仅需覆盖神经网络可能用到的输入空间。数据需要分为训练集,验证集和测试集(7:1.5:1.5),需要确保训练集,验证集和数据集均覆盖输入空间。训练集用于计算梯度和更新权值,验证集用于在过拟合之前停止训练,测试集用于预测网络将来的性能。a.如果训练集结果优于验证集和测试集结果,出现了过拟合,减小网络规模或者使用较慢的训练算法,同时b.如果训练集和验证集结果较好,测试集结果不好,存在四种可能:网络陷入局部最优解、缺少足够的神经元拟合数据、网络外推继续采样。

2023-04-13 10:53:04 434

原创 Anaconda配置指定环境,常用总结

Conda是一个开源的包、环境管理器,可以用于在同一个机器上安装不同版本的软件包及其依赖,并能够在不同的环境之间切换

2023-03-26 14:44:00 760

原创 报错集锦(一)

一些交叉学科痛苦人的五花八门的报错集锦。

2023-03-13 15:48:46 453

原创 微带线,带状线和接地共面波导的区别

微带线,带状线和接地共面波导的区别

2023-02-27 19:51:45 10804

原创 NP-Hard?大白话学习P问题、NP问题、NP完全问题和NP难问题

## 该笔记自用为主,记录一些日常学习过程中看到的不熟悉的知识和从未接触过的知识,用于回看和记录。其中有一些个人理解,如有错误请讨论指正。

2023-02-24 20:50:22 4440

原创 集成学习(总结)

集成学习的一些学习总结

2022-10-24 11:37:25 868

原创 元学习 Meta Learning

以李宏毅老师的课程为主,主要是学习记录

2022-10-21 17:01:24 496

原创 提升神经网络的性能-防止过拟合

整理的神经网络训练过程中防止过拟合的手段,不断更新中

2022-10-16 11:01:15 421

原创 神奇的h5py包:保存h5模型,却只有0KB 2.Process finished with exit code -1073741819 (0xC0000005)

1.欠完备自编码器保存h5模型,却只有0KB 2.Process finished with exit code -1073741819 (0xC0000005)

2022-06-01 17:20:32 227

MNIST手写字体识别:python不使用深度学习库函数

MNIST手写字体识别:python不使用深度学习库函数 训练精度达97.75% 这里有完整的技术报告:包括问题描述,分类方法总结,该方法说明,实验结果,参考文献。训练损失图,权重偏置,以及完整的代码和数据集,下载即可食用

2024-06-13

手写体数字分类问题可以采用多种方法进行解决

手写体数字分类问题可以采用多种方法进行解决,包括但不限于: 1. 基础分类算法:决策树;逻辑回归;支持向量机(SVM);朴素贝叶斯;K-最近邻;神经网络;贝叶斯网络;线性判别分析;最大熵模型; 2. 集成分类算法:随机森林;AdaBoost;梯度提升决策树(GBDT);极端梯度提升(XGBoost); 3. 决策树桩;K-最近邻朴素贝叶斯

2024-06-13

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除