算法
文章平均质量分 79
DiamondDownload
这个作者很懒,什么都没留下…
展开
-
遗传算法介绍(内含实例)
遗传算法介绍(内含实例)现代生物遗传学中描述的生物进化理论:遗传物质的主要载体是染色体(chromsome),染色体主要由DNA和蛋白质组成。其中DNA为最主要的遗传物质。基因(gene)是有遗传效应的片断,它存储着遗传信息,可以准确地复制,也能发生突变,并可通过控制蛋白质的合成而控制生物的状态.生物自身通过对基因的复制(reproduction)和交叉(crossover,即基因分离转载 2016-12-09 11:04:58 · 1270 阅读 · 0 评论 -
人工神经网络之感知器算法
感知器作为人工神经网络中最基本的单元,有多个输入和一个输出组成。虽然我们的目的是学习很多神经单元互连的网络,但是我们还是需要先对单个的神经单元进行研究。感知器算法的主要流程: 首先得到n个输入,再将每个输入值加权,然后判断感知器输入的加权和最否达到某一阀值v,若达到,则通过sign函数输出1,否则输出-1。为了统一表达式,我们将上面的阀值v设为-w0,新增变量x0转载 2017-01-07 23:57:04 · 2168 阅读 · 0 评论 -
多层神经网络BP算法 原理及推导
首先什么是人工神经网络?简单来说就是将单个感知器作为一个神经网络节点,然后用此类节点组成一个层次网络结构,我们称此网络即为人工神经网络(本人自己的理解)。当网络的层次大于等于3层(输入层+隐藏层(大于等于1)+输出层)时,我们称之为多层人工神经网络。1、神经单元的选择 那么我们应该使用什么样的感知器来作为神经网络节点呢?在上一篇文章我们介绍过感知器算法,但是直接使用的话会存在以下转载 2017-01-08 00:20:31 · 1833 阅读 · 0 评论 -
神经网络BP算法简单推导
这几天围绕论文A Neural Probability Language Model 看了一些周边资料,如神经网络、梯度下降算法,然后顺便又延伸温习了一下线性代数、概率论以及求导。总的来说,学到不少知识。下面是一些笔记概要。一、 神经网络 神经网络我之前听过无数次,但是没有正儿八经研究过。形象一点来说,神经网络就是人们模仿生物神经元去搭建的一个系统。人们创建它也是为了能解转载 2017-01-08 01:09:58 · 1336 阅读 · 0 评论 -
BP算法过程详解
BP算法是一种最有效的多层神经网络学习方法,其主要特点是信号前向传递,而误差后向传播,通过不断调节网络权重值,使得网络的最终输出与期望输出尽可能接近,以达到训练的目的。一、多层神经网络结构及其描述 下图为一典型的多层神经网络。 通常一个多层神经网络由L层神经元组成,其中:第1层称为输入层,最后一层(第L层)被称为输出层,其它各层均被称为隐含层(第2层~第L-转载 2017-01-08 01:48:27 · 22100 阅读 · 0 评论 -
如何用70行Java代码实现深度神经网络算法
对于现在流行的深度学习,保持学习精神是必要的——程序员尤其是架构师永远都要对核心技术和关键算法保持关注和敏感,必要时要动手写一写掌握下来,先不用关心什么时候用到——用不用是政治问题,会不会写是技术问题,就像军人不关心打不打的问题,而要关心如何打赢的问题。程序员如何学习机器学习对程序员来说,机器学习是有一定门槛的(这个门槛也是其核心竞争力),相信很多人在学习机器学习时都会为满是数学公转载 2017-03-08 13:40:49 · 321 阅读 · 0 评论 -
纳什系数(NSE)+均方根(RMS)+ 均方根误差(RMSE)+相对百分误差绝对值的平均值MAPE+标准差(STD)
0、纳什系数NSE(Nash–Sutcliffe efficiency coefficient):用于评价模型质量的一个评价参数,一般用以验证水文模型模拟结果的的好坏,也可以用于其他模型。公式如下: 公式中Qo指观测值,Qm指模拟值,Qt(上标)表转载 2017-04-08 16:06:49 · 79356 阅读 · 0 评论