- 博客(5)
- 资源 (12)
- 收藏
- 关注
RSS订阅原创 CNN 卷积神经网络--kernel、偏置值导数
卷积层偏置值导数∂E∂blj=∂E∂zlj∗∂zlj∂blj(1)\begin{align}\frac{\partial E}{\partial b_j^l}&=\frac{\partial E}{\partial z_j^l}*\frac{\partial z_j^l}{\partial b_j^l}\tag1\end{align} one thing keep in mind: bljb_j
2016-07-08 21:42:30
8598
原创 BP神经网络
＃三层BP神经网络三层网络结构图 xx为输入向量，yy为隐藏层的神经元，zz为输出层, dd为目标真实值, 本文默认zz不经过sigmod处理。x-y的权重为ww,y-z的权重为vv。BP算法推导yj=∑ixiwij(1)y_j=\sum_ix_iw_{ij} \tag1 Oyi=f(yj)(2)O_{y_i}=f(y_j) \tag2 其中激励函数f(x)=11+e−xf(x)=\frac{
2016-07-08 09:36:51
2082
原创 CNN 卷积神经网络结构
CNNcnn每一层会输出多个feature map, 每个Feature Map通过一种卷积滤波器提取输入的一种特征，每个feature map由多个神经元组成，假如某个feature map的shape是m*n, 则该feature map有m*n个神经元。对于卷积层会有kernel, 记录上一层的feature map与当前层的卷积核的权重,因此kernel的shape为(上一层feature
2016-07-07 22:02:27
43362
5
原创 CNN 卷积神经网络-- 残差计算
前言本文主要是解析论文Notes onConvolutional Neural Networks的公式，参考了http://blog.csdn.net/lu597203933/article/details/46575871的公式推导，借用https://github.com/BigPeng/JavaCNN代码CNNcnn每一层会输出多个feature map, 每个feature map由多个神
2016-07-07 18:13:21
13090
1
原创 keras Layer
keras LayerSimple IntroductionKeras实现了很多层，包括核心层、卷基层、RNN网络层等诸多常用的网络结构。Core 核心层Sourceclass Layer(object): '''Abstract base layer class. All Keras layers accept certain keyword arguments:
2016-07-07 11:05:49
4980
unix环境高级编程.
2011-09-25
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人