神经网络
文章平均质量分 93
陆撄宁
其为物无不将也,无不迎也,无不毁也,无不成也,其名为撄宁。撄宁者,撄而后成者也。
展开
-
隐马尔可夫模型学习笔记(二)
前言要理解隐马尔可夫首先需要梳理几个步骤:如何理解概念什么叫转移概率矩阵和生成概率矩阵模型公式公式的求解过程python代码串接上一篇中,我们提到理解HMM的三个经典问题,我们现在就看下问题一1) 评估可观测序列概率。即给定模型????=(????,????,Π)和观测序列????={????1,????2,…????????},计算在模型????下可观测序列????出现的概率????(????|????)求解问题一的时候,从上篇的正骰子的例子中我们可以列举出所有可能出现的长度为?原创 2021-10-29 16:09:24 · 242 阅读 · 0 评论 -
深度学习笔记1:RNN神经网络及实现
循环神经网络的应用场景比较多,比如暂时能写论文,写程序,写诗,但是,(总是会有但是的),但是他们现在还不能正常使用,学习出来的东西没有逻辑,所以要想真正让它更有用,路还很远。这是一般的神经网络应该有的结构本文来自 黄怀鋧 的CSDN 博客 ,全文地址请点击:https://blog.csdn.net/qq_39422642/article/details/78676567?utm_sourc...原创 2018-09-22 15:48:19 · 806 阅读 · 0 评论 -
深度学习笔记2:关于LSTM神经网络输入输出的理解
我们在理解RNN或者LSTM的时候,对它们的输入和输出的维度都很迷惑,下面是我结合代码和网上的一些资料进行理解正常的全连接层网络拓扑是这样的:有输入层、隐层和输出层,隐层中有神经元,图中每个参数都跟全部的神经元有链接。接下来看下LSTM的拓扑图:...原创 2019-04-02 16:07:11 · 9604 阅读 · 0 评论