- 博客(4)
- 收藏
- 关注
RSS订阅原创 基于Wi-Fi指纹和深度神经网络的室内定位系统设计代码详解（一）
本文讲解的代码可在GitHub上获取https://github.com/kyeongsoo/can405_indoor_localization首先我们需要知道为什么要通过WIFI指纹实现室内定位，这是因为卫星定位系统在室内环境或高层建筑密集地区无法检测到卫星信号，无法满足人们对定位精度的要求。而良好的网络稳定性、高速高质量的数据传输，以及Wi-Fi通信模块在智能移动终端上的广泛应用，使得室内使用WIFI无线定位转变成一种低成本和易于实现技术。话不多说，下面直接开始讲解代码。本文主要讲解如何预处理数
2021-04-09 15:28:02
3261
4
原创 手把手教学 - MLP算法实现
手把手教学MLPMLPMLP 算法实现在上一次的推送MLPMLPMLP算法推导小记中对反向传播进行了详细的推导, 本文将详细讲解该算法如何用numpynumpynumpy来实现。本次实验中输入层为4个结点，隐藏层为20个结点,再加上偏置，激活函数为tanhtanhtanh，输出层为3个结点，损失函数为均方误差 ，上次的推导也是基于此进行的。对于不同的激活函数或者损失函数的推导都类似，可以基于上次的推送重新推导出网络权值更新公式即可。本文的激活函数和损失函数都是固定的，是小鱼我之前一次实验的精简版本，后
2021-03-18 23:53:10
3546
原创 Non-parametric Classifiers
Parzen Window MethodParzen 窗主要思想就是直接利用样本来估计总体分布, 每一个样本对估计所起的作用依赖于它到x的距离.先验概率P(ωk)P(\omega_{k})P(ωk) 就是训练样本中每个类别的占比P(ωk)=nk∑i=1KniP\left(\omega_{k}\right)=\frac{n_{k}}{\sum_{i=1}^{K} n_{i}}P(ωk)=∑i=1Knink条件概率P(x∣ωk)P\left(x \mid \omega_{k}\right
2020-11-16 18:51:31
376
原创 MLP算法推导小记
由于最近要求用numpy数组实现MLP算法, 对鸢尾花进行分类, 并且使用随机梯度下降法进行网络权值更新, 因此将其推导过程记下备忘下图即为三层网络反向传播的简易推导1. 正向传播正向传播的完整公式如下, 其中输入为xix_{i}xi , 本文即为鸢尾花的四个特征输入隐藏层的网络权值为wji(1)w_{j i}^{(1)}wji(1) , 激活函数为tanh(x)\tanh (x)tanh(x)输出层的网络权值为wkj(2)w_{k j}^{(2)}wkj(2) , 输出label采用On
2020-11-16 18:34:55
672
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人