- 博客(7)
- 资源 (9)
- 收藏
- 关注
RSS订阅原创 三十分钟理解博弈论“纳什均衡” -- Nash Equilibrium
所谓纳什均衡，指的是参与人的这样一种策略组合，在该策略组合上，任何参与人单独改变策略都不会得到好处。换句话说，如果在一个策略组合上，当所有其他人都不改变策略时，没有人会改变自己的策略，则该策略组合就是一个纳什均衡。
2016-03-20 00:52:45
138923
7
原创 深度学习方法（七）：最新SqueezeNet 模型详解，CNN模型参数降低50倍，压缩461倍！
继续前面关于深度学习CNN经典模型的整理，之前介绍了CNN网络Lenet，Alexnet，Googlenet，VGG，Deep Residual Learning(点击查看)的网络结构。本文讲一下最新由UC Berkeley和Stanford研究人员一起完成的SqueezeNet[1]网络结构和设计思想。SqueezeNet设计目标不是为了得到最佳的CNN识别精度，而是希望简化网络复杂度，同时达到p
2016-03-16 00:39:13
56587
12
转载 一张图解AlphaGo原理及弱点
AlphaGo在线对弈过程包括以下5个关键步骤：其核心思想实在蒙特卡洛搜索树（MCTS）中嵌入了深度神经网络来减少搜索空间。AlphaGo并没有具备真正的思维能力。 1. 根据当前盘面已经落子的情况提取相应特征； 2. 利用策略网络估计出棋盘其他空地的落子概率； 3. 根据落子概率来计算此处往下发展的权重，初始值为落子概率本身（如0.18）。实际情况可能是一个以概率值为输入的函数，此处为了理解简便。
2016-03-15 21:55:36
7298
原创 自组织神经网络介绍：自组织特征映射SOM(Self-organizing feature Map)，第三部分
前面介绍了SOM的基本概念和算法，第一部分，第二部分，本篇具体展开一下应用中的一些trick设定。SOM设计细节输出层设计 输出层神经元数量设定和训练集样本的类别数相关，但是实际中我们往往不能清除地知道有多少类。如果神经元节点数少于类别数，则不足以区分全部模式，训练的结果势必将相近的模式类合并为一类；相反，如果神经元节点数多于类别数，则有可能分的过细，或者是出现“死节点”，即在训练过程中，某个节点
2016-03-15 00:21:08
21113
3
原创 自组织神经网络介绍：自组织特征映射SOM(Self-organizing feature Map)，第二部分
上一篇介绍了一些自组织神经网络的基本概念，第一部分，这一篇讲下SOM的概念和原理，是本文的第二部分。1、SOM背景1981年芬兰Helsink大学的T.Kohonen教授提出一种自组织特征映射网，简称SOM网，又称Kohonen网。Kohonen认为：一个神经网络接受外界输入模式时，将会分为不同的对应区域，各区域对输入模式具有不同的响应特征，而且这个过程是自动完成的。自组织特征映射正是根据这一看法提
2016-03-08 22:50:56
29267
2
原创 自组织神经网络介绍：自组织特征映射SOM(Self-organizing feature Map)，第一部分
自组织神经网络介绍：自组织特征映射SOM(Self-organizing feature Map)，第一部分 自组织神经网络介绍：自组织特征映射SOM(Self-organizing feature Map)，第二部分 自组织神经网络介绍：自组织特征映射SOM(Self-organizing feature Map)，第三部分本文详细介绍一下自组织神经网络概念和原理，并重点介绍一下自组织特征映射
2016-03-07 23:21:05
57606
8
转载 大脑记忆系统研究取得重大进展：或被用于开发新的芯片和操作系统
索尔克研究所发布的数据表明，人脑记忆容量可达到PB级别，相当于整个互联网的数据量，这项研究也揭开了人脑高效节能之谜。发现也将有助于计算机科学家开发超精密的、高效节能的计算机，尤其是那些配置深度学习和人工神经网络的机器，这些程序能够胜任复杂的学习和分析，例如语音识别、图像识别和翻译。
2016-03-01 21:52:21
1591
A disciplined approach to neural network hyper-parameters Part I
2020-02-09
Matplotlib.ipynb
2020-02-08
Reinforcement Learning an Introduction，2018最新版（第二版）
2018-01-13
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人