wtt561111的专栏

通过实例介绍hebb学习规则

卷积神经网络，主要是对图片进行处理。假如需要对一个1000*1000的图片进行分类，如果用传统的机器学习或者DNN，如要输入1000000个特征，当然也可以提前用一些方法进行降维，但是处理还是不方便。有人提出，人类对于图像的判断，也是通过对图像进行多层抽象完成。于是就提出了卷积的概念。图中是一个图形识别的CNN模型。可以看出最左边的船的图像就是我们的输入层，计算机理解为输入若干...

基础的神经网络只在层与层之间建立了权连接，RNN最大的不同之处就是在层之间的神经元和建立连接（红线箭头指向部分）。输入层的权值为U，各层之间的权值W，隐藏层到输出层的输出层的权值为V。权值是共享的。非输出层的激活函数一般为tanh函数，即：h=tanh(Ux+Wh+b)输出层不需要激活函数 o=Vh+c最终模型的输出为y’=softmax(o)Softmax函数将...

深度学习的主要框架有keras,caffe,tensorflow,theanokeras可以在theano与TensorFlow间轻松 切换，且容易上手。这里分享一个keras的快速入门教程http://keras-cn.readthedocs.io/en/latest/下面是keras框架下使用LSTM实现情感分类的例子http://blog.csdn.net/weixin_...

利用python语言进行时间序列处理

特别清晰系统的讲解神经网络知识

简单介绍神经网络次成分分析MCA

结合实例介绍神经网络主成分分析PCA

结合实例介绍神经网络支持向量机SVM

结合实例介绍神经网络Widrow-Hoff Learning算法

结合实例介绍神经网络感知机学习规则

用途====================将语料库中的词转化为向量，方便后续在词向量的基础上进行各种计算。实现方法1=============最常见的方法是counting编码N(i,j)表示，单词i和单词j同时出现的次数这种方法存在3个问题：每个单词的向量都很稀疏。虽然可以通过SVD降维，但是这个降维过程需要的计算量也很大；向量没有包含单词的语义内容，只是简单的数量统计；当有新...