- 博客(18)
- 收藏
- 关注
原创 字符串的方法,继承,集合,桌面应用程序,简易登录页面,MDI窗体设计,图片翻页
字符串的方法,继承,集合,桌面应用程序,简易登录页面,MDI窗体设计,图片翻页效果
2022-06-30 11:01:34 225 1
原创 神经网络(多层感知机)代码实现(包含详细步骤),进行非线性预测
目前学到的感知机是单层感知机,单层感知机仅仅包含两层单元神经,即输入神经元和输出神经元,可以非常容易地实现线性情景,但是很难处理线性不可分的情形,其学习过程会出现一定的震荡,权重系数难以稳定。对于线性不可分的情况,在感知机上一般有两个处理方向,一个是SVM,一个是神经网络模型(也叫做多层感知机,MLP),他与单层感知机的区别在于多了隐藏层,这使得神经网络能够处理非线性问题。非线性代码实现先尝试基于Numpy搭建一个两层的神经网络,基于numpy实现神经网络的思路为定义网络结构,初始化模型参数,定
2022-05-16 01:27:10 1873
原创 图像分类,最邻近分类实现
今天和一位深度学习方面的教授聊了一聊,她还是让我系统的学习一下深度学习,我以前看了很多教程,都感觉看不下去,她给我推了教程和书和一些学习方法,我感觉我的热情又被燃起了。图像分类首先要弄清楚图像在计算机中是怎么被表示的。对于计算机来说,图像表示为一个大型的三维数字数组。在这个示例中,图像宽248像素,高400像素,并且有三个颜色通道(红绿蓝,简称RGB),因此,这个图像由 248 x 400 x 3 个数字组成,总共297600个数字。每个数字的范围从0(黑色)到255(白色)。这30万数字组合变成下
2022-05-11 01:19:05 365
原创 数据降维几种方法,主成分分析学习和代码实现
数据降维好处减小数据维度和需要的空间,节约模型训练需要的时间。去掉冗余变量,提高算法的准确度,避免模型过拟合,提高模型的鲁棒性降维的方法主要是特征选择和特征提取特征选择特征选择的方法是从原始数据集中选择出子集,是一种包含关系。没有更改原始的特征空间。常用的算法:过滤式:对每一维的特征进行打分,给每一维特征赋予权重,这样的权重就代表该特征的重要性,然后根据权重排序。嵌入式:在确定模型中,挑选出对模型训练有重要意义的属性,例如正则化包裹式:将子集看为搜索寻优的问题,生成不同组
2022-05-06 15:08:03 966
原创 pyqt学习,一些基本控件和基本操作,读取显示图片,读取显示文本,简单优化页面。
pyqt学习,一些基本控件和基本操作,读取显示图片,读取显示文本,简单优化页面。sys.argv,sys.exit(),快速模板
2022-04-30 11:48:58 2646
原创 向量机模型从0学
向量机线性可分情况首先向量机线性分类最优超平面应该满足:1.该超平面分开了两类2.该超平面有最大化间隔、3.该超平面位于间隔中间如下图所示:数学描述先给出限制条件和最小化两个事实事实一事实二一个点到超平面的距离为向量机优化问题推导根据事实一,我们可以用去缩放,最终使得在向量机上有而在非支持向量机上根据事实二,支持向量机到超平面的距离变为:线性不可分情况在线性不可分的情况,上述情况是无解的,所以我们需要...
2022-04-22 14:25:36 159
原创 用树莓派实现led灯闪烁,包括手动实现和python实现。
点亮LED灯实际应用打开树莓派,在终端中查看引脚编码可以看到,30号引脚是接地引脚,0V,7号引脚是GPIO引脚,只需要控制7号引脚输出高低电平就可以实现LED灯的亮与灭。7号引脚的BCM编码是4。控制引脚的基本代码如下:gpio -g mode 4 out #设置引脚为输出模式, -g表示是以BCM编码 #去掉这个参数表示以wiringPi编码方式gpio -g read 4 #读取当前引脚的状态gpio -g wri
2022-04-17 18:30:24 4017
原创 多层感知机及其代码实现
感知机给定输入x,权重w,偏移b,感知机输出以上是一个二分类的问题,输出1或者0训练感知机不断地训练模型,假如分类不正确,则不断地更新w,b收敛定理感知机的问题感知机不能拟合XOR函数,它只能产生线性分割面多层感知机学习XOR当一层解决不了时,可以把函数拆开学习,组合学习到的函数,从一层变成了多层需要引入非线性的激活函数。激活函数选择sigmoid函数类似于阶跃函数,但是由于阶跃函数断点处不好求导,sig...
2022-04-17 11:37:38 1608
原创 树莓派连接,配置静态ip,树莓派相关操作,Linux操作命令和编辑器基本操作学习,GPIO引脚学习
树莓派与电脑的连接,树莓派系统的学习,linux操作命令学习,编辑器学习,CPIO引脚学习
2022-04-15 16:00:06 4092
原创 模型选择,深度学习常用定理,单层感知器实现多元输入一元输出的线性回归问题
预测模型选择,深度学习常用定理,单层感知机实现多元输入一元输出的线性回归预测模型。
2022-04-13 09:39:20 1234
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