2017年07月_Peter-Young

09月 08月 07月 03月 02月 01月

原创 Convolutional Neural Network

Why CNN for Image 图片是由像素点组成的，可以这样来解释深度神经网络对图片的处理。第一层的layer是最基本的分类器，区分一些基本的特征，比如颜色、是否有斜线。第二层的layer会检测更加复杂的东西，比如一些简单的组合线条；后面的layer也会越来越复杂…… 我们可以通过思考图像的特征来简化网络。 1.图片中一些特征通常比整个图片要

2017-07-26 14:37:18 707

原创后向传播算法“backpropragation”详解

为什么要使用backpropagation? 梯度下降不用多说，如果不清楚的可以参考http://www.cnblogs.com/yangmang/p/6279054.html。神经网络的参数集合theta，包括超级多组weight和bais。要使用梯度下降，就需要计算每一个参数的梯度，但是神经网络常常有数以万计，甚至百万的参数，所以需要使用backpropagati

2017-07-24 14:57:53 818

原创 Deep Learning概述

1.深度学习发展简史 2.三步实现深度学习 2.1Neural Network 神经网络由模仿脑部神经系统发展而来，一个节点称为一个“Neuron”，包括连接在节点上面的weights和biases。在全连接的神经网络中，一个神经元节点接受上一层节点的输入，分别乘以连接边上的权重，放进激活函数中，获得对应输出，并将该层的输出作为下一层的输入

2017-07-24 14:56:12 409

原创 numpy数组广播详解

numpy数组的广播功能强大，但是也同时让人疑惑不解，现在让我们来谈谈其中的原理。广播原则：如果两个数组的后缘维度(即：从末尾开始算起的维度)的轴长相符或其中一方的长度为1，则认为它们是广播兼容的，广播会在缺失和(或)长度为1的轴上进行. 上面的原则很重要，是广播的指导思想，下面我们来看看例子。 1.其实在最简单的数组与标量数字之间的运算就存在广播，只是我们把它看作理所

2017-07-06 11:39:27 2831

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

原创 Convolutional Neural Network

原创 后向传播算法“backpropragation”详解

原创 Deep Learning概述

原创 numpy数组广播详解

空空如也

空空如也

原创后向传播算法“backpropragation”详解