![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 52
Virtual_Func
小风扇吹风好吵
展开
-
RBF神经网络与BP神经网络的比较
RBF神经网络与BP神经网络都是非线性多层前向网络,它们都是通用逼近器。对于任一个BP神经网络,总存在一个RBF神经网络可以代替它,反之亦然。但是这两个网络也存在着很多不同点,这里从网络结构、训练算法、网络资源的利用及逼近性能等方面对RBF神经网络和BP神经网络进行比较研究。 (1) 从网络结构上看。 BP神经网络实行权连接,而RBF神经网络输入层到隐层单元之间为直接连接,隐层到转载 2016-03-03 22:46:13 · 1078 阅读 · 0 评论 -
BP神经网络与RBF神经网络讲得好的博客链接
RBF神经网络介绍得很好的博客:点击打开链接BF神经网络与RBF神经网络的区别介绍的很好的博客:点击打开链接原创 2016-03-30 20:50:42 · 1633 阅读 · 0 评论 -
用BP人工神经网络识别手写数字
文章转自:点击打开链接图像预处理使用下图(后方称为 SAMPLE_BMP)作为训练和测试数据来源,下文将讲述如何将图像转换为训练数据。灰度化和二值化在字符识别的过程中,识别算法不需要关心图像的彩色信息。因此,需要将彩色图像转化为灰度图像。经过灰度化处理后的图像中还包含有背景信息。因此,我们还得进一步处理,将背景噪声屏蔽掉,突显出字符轮廓信息。二值化处理就能够将其中的字符转载 2016-04-04 17:44:51 · 1890 阅读 · 1 评论 -
深度学习中的降维操作——PCA(主成分分析)
前言:深度学习是个很有意思的话题:1.对线性不可分的数据,其方法是通过增加隐层神经元的数量,将低维不可分的数据映射到高维,使得数据可分(如单隐层感知机训练异或门)2.对特征维数过高的数据(如mnist手写识别中的维度为28*28),将对数据进行降维操作,通常的降维操作有PCA(主成分分析)与dA(降噪自动编码器)。下面是对PCA的工作流程的简述,之后对工作流程进行数学上的解原创 2016-04-28 14:33:22 · 15109 阅读 · 0 评论 -
累积梯度下降,随机梯度下降,基于mini-batch 的随机梯度下降
1、批量梯度下降的求解思路如下:(1)将J( θ)对theta求偏导,得到每个 θ对应的的梯度 (2)由于是要最小化风险函数,所以按每个参数theta的梯度负方向,来更新每个theta(3)从上面公式可以注意到,它得到的是一个全局最优解,但是每迭代一步,都要用到训练集所有的数据,如果m很大,那么可想而知这种方法的迭代速度!!所以,这就引入了另外一种方法,随机梯度下降转载 2016-09-07 20:06:24 · 2464 阅读 · 1 评论 -
理解《Deep Forest: Towards An Alternative to Deep Neural Network》
Deep Forest 结构1. Deep Forest 是由多层瀑布组成的,每一层瀑布的输入是前一层瀑布输出的特征信息,且该层瀑布的输出作为下一层瀑布的输入特征的一部分2. 瀑布是由多个森林集成的,而森林又是由多棵决策树集成的。为了保证模型的多样性,采用了多种不同种类的森林3. 为了简单起见,文中在每层瀑布中只选用了两种森林:two complete random fores原创 2017-03-05 14:45:01 · 5149 阅读 · 5 评论