作业5

最新推荐文章于 2020-04-23 20:37:01 发布
最新推荐文章于 2020-04-23 20:37:01 发布
阅读量330 收藏
点赞数
文章标签： 作业 浏览器 iis c
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/sunny12622/article/details/1861422
版权

 a) 带有机器名的IIS管理器截图

b)带有我发布好的网站的截图（非默认网站）端口不为80

c) 带有我站点信息的（IP地址，端口）的截图

d) 发布后的网站通过我自己机器IP地址在浏览器中访问的截图

FTP作业

a) 我发布的域的图

 

b)  我的用户的目录访问权限
c) 我用浏览器或其他软件访问FTP后的结果
sunny12622
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
[Coursera][Stanford] Machine Learning Week 5
Fighting
08-22 1209
ex4
Matlab吴恩达机器学习编程练习ex4：神经网络Neural Networks Learning
weixin_44389971的博客
07-30 2628
本文基于吴恩达老师第五周的练习，在这次的练习中，你将会实现神经网路的后向传播算法(BP神经网络)。 作业大纲1 神经网络 Neural Networks ex4.m1.1 数据可视化1.2 模型表示1.3 前向传播和代价函数 nnCostFunction.m三级目录 1 神经网络 Neural Networks ex4.m 在以前的练习中，你实现了神经网络的前向传播并且用已知的权重进行手写数字的预测。在这次的练习中，你将实现后向传播算法进行参数的学习。 1.1 数据可视化 就和上周一样展示数据，有5000个
Andrew Ng coursera上的《机器学习》ex4
LilyNothing的博客
08-23 5350
Andrew Ng coursera上的《机器学习》ex4按照课程所给的ex4的文档要求，ex4要求完成以下几个计算过程的代码编写： exerciseName description sigmoidGradient.m compute the grident of the sigmoid function randInitializedWeights.m randomly in
斯坦福机器学习-week5 学习笔记(2)--神经网络小结
小胜爱捣鼓
03-31 1914
一.神经网络的结构选择        从图上可以看出，神经网络的输入层和输出层已经由任务规定好了，我们能设计的结构只有隐藏层的神经元个数。     一般来说，隐藏层神经元的个数要可以与输入层相同，或者是输入层的3到4倍；    如果有两个以上的隐藏层的话，Andrew Ng认为，可以将隐藏层的神经元个数设置为相同的。    我个人的观点是，每一个隐藏层的数目比前一层多，这样，如果
Angrew Machine Learning ex4
Ti_an_Di的博客
07-17 444
sigmoidGradient.m t = sigmoid(z); g = t .* (1 .- t); randInitializeWeights.m % Randomly initialize the weights to small values epsilon_init = 0.12; W = rand(L_out, 1 + L_in) * 2 * epsilon_init - ...
作业5.zip
11-15
很抱歉，根据您提供的信息，"作业5.zip"的描述过于简洁，没有提供足够的细节来生成超过1000字的IT知识文章。通常，一个压缩包文件可能包含编程作业、项目代码、数据文件、报告文档等多种元素。为了提供相关的IT知识...
编程作业（四）
RookieFCB的专栏
10-25 441
神经网络学习 任务一 数据可视化 在本次编程练习中，我们使用编程练习三种的数据集。除此之外，我们随机从数据集中选取100个样本，并将其可视化。 load('ex4data1.mat'); m = size(X, 1); % Randomly select 100 data points to display sel = randperm(size(X, 1)); sel = sel(1:100)
Coursera机器学习 week2 多变量线性回归 编程作业代码
请叫我AXin
05-21 7747
这是Coursera上 Week2 的 “多变量线性回归” 的编程作业代码。经过测验，全部通过。包括以下八个文件：% warmUpExercise.m % plotData.m % gradientDescent.m % computeCost.m % gradientDescentMulti.m % computeCostMulti.m %
Coursera_Stanford_ML_ex4_神经网络训练 作业记录
Haochen-Best
10-13 4050
Coursera_Stanford_ML_ex4_Neural Networks Learning week5 作业记录
coursera 中计算概论的第五周 B-04作业
a871408893的专栏
03-28 3524
/* 描述 某医院想统计一下某项疾病的获得与否与年龄是否有关，需要对以前的诊断记录进行整理。 输入 共2行，第一行为过往病人的数目n（0 < n <= 100)，第二行为每个病人患病时的年龄。 输出 每个年龄段（分四段：1-18，19-35，36-60，61-注意看样例输出的格式）的患病人数占总患病人数的比例，以百分比的形式输出，精确到小数点后两位（double）。关于c++的格式化的输入输出，
斯坦福机器学习Coursera课程:第四周作业--人工神经网络
wqhlmark64的博客
01-24 1630
根据课程内容，先简要说下神经网络的基本思想和步骤： 其实神经网络就像是logistic regression，只不过我们把logistic regression中的输入向量[x1~x3]变成了中间层的[a(2)1~a(2)3], 即 h(x)=g(θ(2)0a(2)0+θ(2)1a(2)1+θ(2)2a(2)2+θ(2)3a(2)3) 我们可以把a0,a1,a2,a3看成更为
吴恩达机器学习第五周学习笔记及编程作业答案
mysky54的博客
04-23 1302
神经网络的学习 一、理论基础 1. 代价函数 假设神经网络的训练样本有????个，每个包含一组输入????和一组输出信号????，????表示神经网络层数，????????表示每层的 neuron 个数(????????表示输出层神经元个数)，????????代表最后一层中处理单元的个数。 将神经网络的分类定义为两种情况：二类分类和多类分类 regularized logistic regression cost function： 在神经网络中，我...
《机器学习》学习笔记（二）：神经网络
chenynCV的专栏
03-05 3288
在解决一些简单的分类问题时，线性回归与逻辑回归就足以应付，但面对更加复杂的问题时（例如对图片中车的类型进行识别），运用之前的线性模型可能就得不到理想的结果，而且由于更大的数据量，之前方法的计算量也会变得异常庞大。因此我们需要学习一个非线性系统：神经网络。         我在学习时，主要通过Andrew Ng教授提供的网络，而且文中多处都有借鉴Andrew Ng教授在mooc提供的资料。   
coursera-斯坦福-机器学习-吴恩达-第4周笔记-神经网络
热门推荐
和而不流
11-30 1万+
coursera-斯坦福-机器学习-吴恩达-第4周笔记-神经网络coursera-斯坦福-机器学习-吴恩达-第4周笔记-神经网络 提出神经网络的动机 神经网络算法 1 神经元 2 神经网络 应用 1 例子1 and与or运算 2 例子2 3 多分类 复习作业 1测验 2编程作业-多分类 21多分类 22 Neural Networks 1 提出神经网络的动机前面我们学习了，线性回归、逻辑回归，他们可
Andrew Ng机器学习week5(Neural Networks: Learning)编程习题
weixin_30883311的博客
11-24 659
* nnCostFunction.m function [J grad] = nnCostFunction(nn_params, ... input_layer_size, ... hidden_layer_size, ... ...
吴恩达机器学习 - 神经网络的反向传播算法
wyg1997
06-21 4814
题目链接：点击打开链接 笔记： 因为这一部分的内容确实难度比较大，所以我准备按最后一页笔记的思路一点一点的写出实现的思路和我的想法。 首先让数据可视化 执行代码 load('ex4data1.mat'); m = size(X, 1); sel = randperm(size(X, 1)); %乱序后随机选择100组数据进行展示 sel = se...
games101作业5
最新发布
07-01
games101作业5是一个有趣的编程作业，要求学生使用OpenGL编写一个基础的游戏框架。 首先，我们需要实现一个窗口和一个渲染器。窗口用来显示游戏画面，渲染器负责将图形渲染到窗口上。为了实现这两个功能，我们可以...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值