- 博客(6)
- 收藏
- 关注
RSS订阅原创 DAY4
学习规则：利用向量的方法wnew=wold+(t-a)pt是目标输出，a是实际输出同理将偏置值看作输入恒为1的权值的话，bnew=bold+e训练就是重复迭代使用该规则直到正确分类收敛性证明：原理：利用x（k）=x（k-1)+z’(k-1)重复迭代可得x（k）=z‘（0）+…+z’（k-1)将k次后权值向量和最终权值向量内积XTx（k）=XTz’(0)+XTz’(1)+…XTz...
2019-07-19 23:51:17
66
原创 Day3
神经网络说明性的实例现给出传感器能检测水果的三种特征：形状传感器：近似圆形，形状传感器输出1，近似椭圆，形状传感器输出-1.纹理传感器：光滑时输出1，粗糙时输出-1重量传感器：大于等于一磅输出1，小于一磅输出-1所以当水果通过传感器时，能够被表示成一个三维向量p=[形状 纹理 重量]T.例如一个 标准的橘子P1=【1 -1 -1】T，P2=一个标准的苹果【1 1 -1】以上就是一个简...
2019-07-14 22:57:56
120
原创 DAY2
一般情况下神经元不只是仅有一个输入，所以输入p1,p2,p3…对应有权值矩阵W：w1,w2,w3…所以净输出可以表示为n=WP+b,神经元的输出可以表示为a=f(WP+b),多个神经元以并行的方式计算叫做：层通过权值矩阵，输出向量P会有分量连接到每一个神经元，而同时每一个神经元都有偏置值b这里面所有的值都可以用矩阵的形式表示：P:R1, W:SR（其中输入有R个，神经元S个） B：S11...
2019-07-07 23:46:22
70
原创 真正的DAY1
人工智能的发展历史：1.20世纪40年代，Warren McCulloch和Walter Pitts的研究展示了人工神经网络原则上可以计算任何逻辑和算术功能。2.20世纪50年代，弗兰克·罗森布拉特（Frank Rosenblatt）发明了感知网络和相关学习规则。罗森布拉特和他的同事创建了一个感知器网络，并演示了其执行模式识别的能力。3.Teuvo Kohonen[Koho72]和James...
2019-07-05 22:46:26
150
原创 神经网络Day1
人工神经网络已经发展了几十年，但是它与生物意义上的神经网络仍有很大的区别，前者只是对后者一定程度上的模拟。但是过了这么多年，理论上仍无转折性的发展，却越来越依赖计算。接下来正式开始：理论神经学基于某些基本假设：神经系统是神经元的网络，每个神经元都有一体细胞和一轴突，他们的附属物或突触总是在它们之间，在任何瞬间神经元有一些阈值，激励需超过以启动。那么说到这个基本假设，就得提到一篇文章A LO...
2019-06-30 23:52:39
159
原创 小白神经网络的学习导论
这是大一计算机小白接下来一段时间在导师帮助下学习人工智能每天的经验分享可能会有理解偏差，请谅解书是神经网络设计英文版本博客中会穿插书中引用的经典文献阅读。...
2019-06-30 10:59:50
89
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